Embed Size (px)
Citation preview
Zentrum für Weiterbildung der Hochschule Neu-Ulm (HNU)Das Zentrum für Weiterbildung der Hochschule Neu-Ulm bietet berufsbegleitende, akkreditierte Weiterbildungs-studiengänge, Zertifikatskurse und Seminarprogramme an, die auf Führungspositionen und Managementtätigkeiten vorbereiten. Die Studierenden erwerben weiterführendes Fachwissen, Soft Skills und arbeiten mit praxisbezogenen Managementinstrumenten. Kompakte Präsenzzeiten kombiniert mit E-Learning Angeboten ermöglichen es, Beruf und Studium zu verei-nen. Kleine Kurse und erfahrene Lehrende aus der Praxis bieten eine persönliche und praxisnahe Weiterbildung.
Wer ist Ansprechpartner?
Fragen zu Inhalt und Aufbau des Kurses:
Prof. Dr. Olaf Jacob, Leiter des Zertifikatskurses+49 731 [email protected]
Organisation und Bewerbung:
Zentrum für Weiterbildung+49 731 [email protected]
Hochschule Neu-Ulm I Wileystraße 1 I D-89231 Neu-Ulm
TeilnahmevoraussetzungenVoraussetzung für die Teilnahme sind mindesten zwei Jahre Berufserfahrung, vorzugsweise im IT-Bereich, oder ein abge-schlossenes Hochschulstudium.
Welche Kosten sind mit dem Kurs verbunden?Die Teilnahmegebühren betragen 1.900 Euro.
Wie ist der zeitliche Ablauf des Kurses?Der Zertifikatskurs orientiert sich an den Bedürfnissen von Vollzeitbeschäftigten und wird daher in berufsbegleitender Form angeboten.
Data ScienceZertifikatskurs
Certificate of Advanced Studies (CAS)
www.hs-neu-ulm.de/data-science
01/2019
Was ist Data Science und an wen richtet sich der Kurs?
Die zunehmende Digitalisierung führt zu immensen Daten-mengen in Unternehmen. Zusätzlich bieten neue Technolo-gien und Anwendungen, wie Data Mining, analytische Daten-banken und grafische Visualisierung, vielfältige innovative Möglichkeiten der Datenanalyse und der Vorhersage des Unternehmensgeschehens. Die Teilnehmerinnen und Teilnehmer werden im berufsbegleitenden Zertifikatskurs »Data Science« ange-leitet, aus großen und unübersichtlichen Datenmengen, den »Big Data«, Wissen zu ziehen und damit faktenbasierte Handlungsempfehlungen für Unternehmensentscheidungen abzuleiten.»Data Science« richtet sich an Fach- und Führungskräfte aus den Bereichen Produktion, Logistik, Marketing oder Con-trolling, die betriebliche Entscheidungen mit einer daten-basierten Analyse des Unternehmensgeschehens effektiver gestalten wollen.
Worauf bereitet der Kurs vor?
Mit Abschluss des Zertifikatskurses sind die Teilneh-merinnen und Teilnehmer »Data Scientists«. In der Schnittstelle zwischen IT und der Fachabteilung oder der Unternehmensführung sind die Teilnehmerinnen und Teilnehmer vorbereitet, konkrete analytische Modelle des Data Mining zu konzipieren, erforderliche Daten aus unterschiedlichen Datenquellen zu filtern und diese mit entsprechenden Tools einzusetzen.Die Anwendungsmöglichkeiten von »Data Science« im Unternehmen sind dabei vielfältig, beispielsweise im Customer Relationship Management, in der Risikoanalyse oder im Qualitätsmanagement.
Mit welchem Abschluss ist der Kurs verbunden?
Der Zertifikatskurs umfasst eine schriftliche Prüfung und eine praxisorientierte Projektarbeit, die im eigenen Un-ternehmen durchgeführt werden kann.Der Kurs schließt mit 10 ECTS und mit dem Hochschul-zertifikat Certificate of Advanced Studies (CAS) der Hochschule Neu-Ulm.
Eine Anrechnung auf den weiterführenden MBA-Stu-diengang »Digital Leadership und IT-Management« der Hochschule Neu-Ulm ist möglich. Teilnehmerinnen und Teilnehmer, die die Prüfungen nicht ablegen, erhalten eine Teilnahmebestätigung.»Fachkräfte mit einem tiefen analytisch-
methodischen Verständnis, die selbst analytische Modelle in unterschiedlichen
Anwendungsbereichen aufbauen und implemen-tieren wollen, sind für Data Science richtig.«
Prof. Dr. Olaf JacobLeiter des Zertifikatkurses
Welche Inhalte hat der Zertifikatskurs?
Modul 1 Data Science Strategie
• Digitale Transformation und Data Science• Das datengetriebene Unternehmen
Data Science Prinzipien
• Big Data: Volume, Velocity, Variability, Veracity• Das Berufsbild des Data Scientist
Modul 2 Datenschutz und Ethik
• Datenschutz und Datensicherheit • Soziale und ethische Aspekte von Big Data
Datenqualität
• DQ-Prinzipien und DQ-Strategie• Datenqualität als Managementaufgabe
Data Engineering
• Datenentwurf und Modellierung analytischer Anwendungen
• Data Cleansing und Entity Resolution
Modul 3 Data Mining und und Predictive Analytics
• Beschreibende Verfahren: Assoziationen, Clu-stering, Korrelationen
• Forecasting: Klassifikation, Logistische Regres-sion und Lineare Regression
• Analyse Sozialer Netzwerke und Text Mining
Visual Analytics
• Prinzipien effektvoller Visualisierung• Data Storytelling
Big Data Technologien
• Frameworks • Non SQL Datenbanken
Modul 4 Data Science als Prozess
• Data Science Life Cycle• Standard-Prozess-Modell für Data MiningFallstudie
