Hochschule Karlsruhe Hochschule Karlsruhe - University of Applied Sciences
Hochschule Karlsruhe Hochschule Karlsruhe - University of Applied Sciences
Woman with virtual screen of training online or E-learning. Internet education course, webinar online, digital courses develop skills thinking idea. E-learning graduate certificate program by video.
Überblick Inhalte

Ziele und Inhalte

Das Zertifikatsstudium Data Professional Basics hat das Ziel, Ihnen die Grundkenntnisse der Datenanalyse zu vermitteln. Sie benötigen keine Vorkenntnisse. Die Themen Datenkompetenzen, Datenauswahl und Datenvorverarbeitung (welche Daten habe ich, in welcher Form liegen meine Daten vor) sind Schwerpunkte, bevor die Daten analysiert, interpretiert und visualisiert werden.

Die Ziele des Zertifikatsstudiums sind: 

  • Daten strukturieren, analysieren und visualisieren: Die Teilnehmenden können Daten gezielt erfassen und mit geeigneten Methoden verarbeiten. Sie können mit Analyseverfahren und BI-Tools geschäftsrelevante Erkenntnisse gewinnen und verständlich visuell darstellen.
  • Statistische und analytische Modelle für Entscheidungen nutzen: Die Teilnehmenden können statistische Modelle anwenden, passende Merkmale auswählen und die Grenzen und Unsicherheiten dieser Modelle verstehen. So können sie datenbasierte Vorhersagen und fundierte betriebliche Entscheidungen treffen.
  • Textdaten verarbeiten und für die Arbeit nutzen: Die Teilnehmenden können Textdaten für Analysen vorbereiten, verschiedene Methoden der Textanalyse anwenden und die Ergebnisse durch geeignete Visualisierungsmethoden verständlich präsentieren, um Wissen aus unstrukturierten Daten nutzbar zu machen.
     

Kontakt

Institut für Wissenschaftliche Weiterbildung
Referentin Netzwerk und Weiterbildung
Cara Rauch

Tel.: +49 (0)721 925-2818
Fax: +49 (0)721 925-2811
cara.rauchspam prevention@h-ka.de

Geb. E, 2. OG
Wilhelm-Schickard-Straße 9
76131 Karlsruhe

Nach dem Zertifikatsstudium können Sie

  • Datensätze beschreiben, indem Sie Datentypen bestimmen, die Sie selbst auswählen. Sie können geeignete Visualisierungen und Kennzahlen erstellen und daraus wichtige Erkenntnisse für Ihr Unternehmen ableiten. Sie wenden statistische Modelle an, wählen relevante Merkmale aus und nutzen diese für fundierte Vorhersagen. Dabei sind Sie sich der Grenzen und Unsicherheiten bewusst. Sie erkennen Zusammenhänge in den Daten und leiten begründete Entscheidungen ab.
  • weiterführende Methoden der Datenanalyse anwenden, indem sie relationale Datenbanken mit SQL (Structured Query Language) nutzen, um betriebswirtschaftliche Fragen mit Daten zu beantworten. Sie erstellen aussagekräftige Visualisierungen in geeigneten Tools, um Unternehmensentscheidungen durch Dashboards und Berichte effektiv zu unterstützen. Sie wählen passende Methoden der Datenvorverarbeitung aus und setzen sie in Analytics-Tools ein. So verbessern Sie die Qualität und Aussagekraft der Analysen.
  • Textdaten gezielt für Analysen vorbereiten, indem sie geeignete Textvorverarbeitungsschritte bewerten und anwenden. Sie nutzen grundlegende Techniken der Textanalyse, um Wissen aus unstrukturierten Daten zu gewinnen. Die Analyseergebnisse visualisieren sie verständlich mit Methoden wie Word Clouds und Ähnlichkeitsmaßen, um datenbasierte Entscheidungen zu unterstützen.

Inhalte des Zertifikatsstudiums

Bei allen Modulen (sogenannte Microcredentials) setzen wir auf die Kombination aus Theorie und Praxis mit anwendungsorientierten, praktischen Beispielen. Dabei ist es uns wichtig, Ihnen die Datenkompetenzen so zu vermitteln, dass Sie diese in Ihrer Arbeit professionell anwenden können. 
Außerdem lernen Sie, Daten zu interpretieren, zu präsentieren und Methoden zu nutzen.

Die Themen sind unter anderem:

Modul 1: Praxisorientierte Datenanalyse für KMU: Grundlagen und Übungen

Einführung in die Datenanalyse

  • Datengetriebene Anwendungsfälle im Unternehmenskontext
  • Strukturierte und unstrukturierte Daten, Taxonomie
  • Visualisierungen: z. B. Histogramme, Streuplots sowie deren Interpretation und Erstellung mit geeigneter Software
  • Statistische Kennzahlen, deren Interpretation und Berechnung mit geeigneter Software

Datenmanagement und -analyse – Von der Modellierung bis zur Visualisierung

  • Datenkonsistenz und -integrität
  • Konzeptionelle Datenmodellierung und Überführung in relationale Strukturen
  • Datenauswertungen mit Tabellenkalkulationssoftware, bspw. Excel (Umsetzung von Filter-, Gruppierungs-, Aggregations- und Verweisfunktionalitäten sowie Einführung in Pivot-Tabellen)
  • Datenauswertungen mit BI-Tools, bspw. PowerBI

Text Data Literacy und Grundlagen Text Data Analytics

  • Was unterscheidet Textdaten von anderen Daten?
  • Herausforderungen bei der Verarbeitung von Textdaten (z.B. Unstrukturiertheit, Mehrdeutigkeit, Kontextabhängigkeit, Syntax und Semantik)
  • Texte als Wissensschatz (z. B. Bag-of-Words Modell, Metadaten und Kontext, Informationsextraktion)
  • Anwendungsbeispiele aus der Praxis (z. B. News Monitoring, Review Analysis, Sentiment Analysis)
  • Sensibilisierung für Ambiguitäten in Sprache (z. B. Homonyme, Synonyme, Polysemie sowie Ironie, Sarkasmus und die Bedeutung von Domänenwissen)
  • Einfache Text Analytics Anwendung mit Hilfe von Häufigkeitsanalysen

Modul 2: Datenvorverarbeitung, -analyse und -visualisierung

Fortgeschrittene Techniken der Datenanalyse

  • Stichprobenerhebung: Beobachtungsstudien und Experimente, Kausalität
  • Unsicherheiten statistischer Kennzahlen
  • Bootstrapping zur Berechnung von Unsicherheiten, Umsetzung in geeigneter Software
  • Konzept maschinelles Lernen, Beispiele, Überblick über verschiedene Modelle
  • Anwendung einfacher statistischer Modelle anhand ausgewählter Beispiele

Datenbanken, Datenvorverarbeitung und Visualisierung

  • Erweiterte Konzepte der Datenmodellierung und relationalen Datenhaltung
  • Einführung in SQL (Filterung, Gruppierung, Aggregation, Joins)
  • Anwendungsfall SQL: Analyse eines realistischen Datensatzes unter Verwendung eines Datenbankmanagementsystems (bspw. MySQL)
  • Datenanalyse mit einem Analytics-Tool (bspw. RapidMiner): Grundlagen Workflow-basierter Analysesysteme, explorative Analysen, Anwendung statistischer Methoden
  • Strategien zur Bereinigung und Transformation von Daten (Datenqualität, fehlende Werte, Ausreißererkennung)
  • Datenvorverarbeitung und Umgang mit Zeitreihendaten
  • Erweiterte Visualisierungskonzepte mit einem BI-Tool, bspw. PowerBI
  • Ausblick Data Warehousing

Modul 3: Text Data Analytics

Text Data Analytics

  • Einführung in Text Data Analytics und Überblick über Einsatzbereiche und Anwendungsfälle (z. B. Kundenservice, Fake-News-Erkennung)
  • Arten von Textdaten (bspw. Nachrichtentexte, Soziale Medien, Emails)
  • Datenbeschaffung und erstes Verarbeiten von Textdaten mit geeigneten Tools und Datenformaten (z. B. txt, xml, json)
  • Grundlagen Textvorverarbeitung und Umsetzung mit geeigneten Tools (bspw. RapidMiner oder Python-Bibliotheken)
  • Einfache Techniken zur Textanalyse wie Wortfrequenz-Analyse (z. B. Word Clouds, Term-Häufigkeiten), Relevanzbewertung von Wörtern (z. B. tf-idf)
  • Texte als mathematische Vektoren und Ähnlichkeitsmaße für Textdaten
  • Grundlagen des Natural Language Processing
  • Text Analytics Methoden für Textklassifikation und Textclustering
  • Ethik und Datenschutz

 

Weitere Informationen zu den Inhalten der Module und der Lehrveranstaltungen finden Sie in Kürze im Modulhandbuch. 

Jedes Modul kann auch als Microcredential einzeln belegt werden. 

Nach der erfolgreich bestandenen Prüfung pro Modul erhalten Sie ein Zertifikat “Data Professional Basic”, mit den entsprechenden Credits nach dem European Credit Transfer System (ECTS). Diese können zum Beispiel in einem Bachelorstudiengang im Studienfeld Data Science angerechnet werden. 

Auf Wunsch kann auf die Prüfungen verzichtet werden und es wird eine Teilnahmebescheinigung pro Modul (Microcredential) ausgestellt.

 

 

 

Dozierende und Kosten Organisation & Termine

Die Weiterbildung Zertifikatsstudium Data Professional Basics wird im Rahmen des Projekts Data Skills für KMU an der Hochschule Karlsruhe entwickelt.
Das Projekt Data Skills für KMU wird kofinanziert von der Europäischen Union und vom Ministerium für Wissenschaft, Forschung und Kunst Baden-Württemberg.