Weiterbildungs-Merkliste
Weiterbildung: Fernstudium
Kursart: Online-Vorlesung
Dauer: Vollzeit: 12 Monate / Teilzeit: 24 Monate
Wir bieten digitale Kursunterlagen an, um Ressourcen zu schonen und unseren Beitrag zum Umweltschutz zu leisten.
Praxis-Austausch: Wöchentlich diskutieren Praxisexpert:innen mit Teilnehmenden aus verschiedenen Weiterbildungen aktuelle Fragestellungen, Tools und praktische Fallbeispiele in 90-minütigen Online-Veranstaltungen.
Modul: Data Science (DLMDWDS)
Niveau: Master
Unterrichtssprache: Deutsch
Modul: Programmieren mit Python (DLMDWPMP)
Niveau: Master
Unterrichtssprache: Deutsch
Daten werden oft als das "neue Öl" bezeichnet, der Rohstoff, aus dem Wert geschaffen wird. Um die Macht der Daten zu nutzen, müssen die Daten auf technischer Ebene gespeichert und verarbeitet werden. Dieser Kurs stellt die vier "Vs" von Daten sowie typische Datenquellen und -typen vor.
Dieser Kurs behandelt dann, wie Daten in Datenbanken gespeichert werden. Besonderes Augenmerk wird auf Datenbankstrukturen und verschiedene Arten von Datenbanken gelegt, z.B. relationale, noSQL, NewSQL und Zeitreihen. Neben klassischen und modernen Datenbanken deckt dieser Kurs eine breite Palette von Speicher-Frameworks ab, wie z.B. verteilte Dateisysteme, Streaming und Query-Frameworks. Ergänzt wird dies durch eine ausführliche Diskussion der Datenspeicherformate, die von klassischen Ansätzen wie CSV und HDF5 bis hin zu moderneren Ansätzen wie Apache Arrow und Parquet reichen. Schließlich gibt dieser Kurs einen Überblick über verteilte Computerumgebungen, die auf lokalen Clustern, Cloud Computing-Einrichtungen und containerbasierten Ansätzen basieren.
Modul: Big-Data-Technologien (DLMDWBDT)
Niveau: Master
Unterrichtssprache: Deutsch
Die Entwicklung eines erfolgreichen datenbasierten Produkts erfordert eine beträchtliche Menge an hochwertigem Code, der in einer professionellen Produktionsumgebung ausgeführt werden muss. Dieser Kurs beginnt mit der Einführung der agilen Ansätze Scrum und Kanban und diskutiert dann den Übergang von eher traditionellen Softwareentwicklungsansätzen zur DevOps-Kultur.
Besonderer Fokus liegt auf der Diskussion und dem Verständnis von Techniken und Ansätzen zur Erzeugung von qualitativ hochwertigem Code wie Unit- und Integrationstests, testgetriebene Entwicklung, Paarprogrammierung sowie kontinuierliche Bereitstellung und Integration.
Da viele Software-Artefakte über APIs angesprochen werden, werden in diesem Kurs Konzepte des API-Designs und Paradigmen vorgestellt.
Schließlich behandelt dieser Kurs die Herausforderungen, Code in eine Produktionsumgebung zu bringen, eine skalierbare Umgebung aufzubauen und Cloud-basierte Ansätze zu verwenden.
Modul: Software Engineering für Datenwissenschaften (DLMDWSEDW)
Niveau: Master
Unterrichtssprache: Deutsch
Moderne Techniken zur Datenanalyse und zur Ableitung von Vorhersagen für zukünftige Ereignisse sind tief in mathematischen Techniken verwurzelt.
Der Kurs bildet eine solide Grundlage, um die Konzepte hinter fortschrittlichen Algorithmen zur Verarbeitung, Analyse und Vorhersage von Daten und Beobachtungen zu verstehen und ermöglicht es den Studierenden, zukünftige Forschungsarbeiten, insbesondere in den Bereichen der datenintensiven Wissenschaften, zu verfolgen.
Der Kurs behandelt Differenzierung und Integration und diskutiert dann partielle Differenzierung, Differenzierung, Vektoralgebra und Vektorrechnung. Matrixberechnung und Vektorräume sind die Grundlage für viele moderne Datenverarbeitungsalgorithmen und werden ausführlich diskutiert. Es werden Berechnungen auf Basis von Tensoren vorgestellt.
Gängige Metriken werden aus informativer, theoretischer Sicht diskutiert.
Modul: Weiterführende Mathematik (DLMDWWM)
Niveau: Master
Unterrichtssprache: Deutsch
Fast alle Prozesse in der Natur und technische oder wissenschaftliche Szenarien sind nicht deterministisch, sondern stochastisch. Daher müssen diese Prozesse in Form von Wahrscheinlichkeiten und Wahrscheinlichkeitsdichteverteilungen beschrieben werden.
Nach der Definition und Einführung der grundlegenden Konzepte der Statistik behandelt der Kurs wichtige Wahrscheinlichkeitsverteilungen und deren Prävalenz in Anwendungsszenarien; diskutiert deskriptive Techniken zur effektiven Zusammenfassung und Visualisierung von Daten; und diskutiert den Bayesschen Ansatz zur Statistik.
Die Parameterschätzung ist ein wichtiger Bestandteil bei der Optimierung von Datenmodellen und der Kurs gibt einen umfassenden Überblick über die wichtigsten Techniken.
Die Hypothesentests sind ein wesentlicher Aspekt bei der Etablierung der Beobachtung neuer Effekte und der Bestimmung der Signifikanz statistischer Effekte. Besonderes Augenmerk wird auf die korrekte Interpretation der p-Werte und das richtige Verfahren für multiple Hypothesentests gelegt.
Modul: Weiterführende Statistik (DLMDWWS)
Niveau: Master
Unterrichtssprache: Deutsch
Das maschinelle Lernen ist ein wissenschaftliches Studiengebiet, das sich mit algorithmischen Techniken beschäftigt, die es Maschinen ermöglichen, die Leistung bei einer bestimmten Aufgabe durch die Entdeckung von Mustern oder Gesetzmäßigkeiten in exemplarischen Daten zu erlernen. Folglich stützen sich seine Verfahren in der Regel auf eine statistische Grundlage in Verbindung mit den Berechnungsmöglichkeiten moderner Computerhardware.
Dieser Kurs zielt darauf ab, den Studierenden mit den Hauptgebieten des maschinellen Lernens vertraut zu machen und eine gründliche Einführung in die am häufigsten verwendeten Ansätze und Methoden in diesem Bereich zu geben.
Modul: Machine Learning (DLMDWML)
Niveau: Master
Unterrichtssprache: Deutsch
Neuronale Netzwerke und Deep-Learning-Ansätze haben in den letzten Jahren die Bereiche Datenwissenschaft und künstliche Intelligenz revolutioniert, und Anwendungen, die auf diesen Techniken aufbauen, haben in vielen Spezialanwendungen die menschliche Leistungsfähigkeit erreicht oder übertroffen.
Nach einem kurzen Überblick über die Ursprünge neuronaler Netze und Tiefenlernen behandelt dieser Kurs die gängigsten neuronalen Netzarchitekturen und diskutiert im Detail, wie neuronale Netze anhand von speziellen Datenproben trainiert werden, um häufige Fallstricke wie Übertraining zu vermeiden.
Der Kurs vermittelt einen detaillierten Überblick über alternative Methoden zum Training neuronaler Netze und weitere Netzwerkarchitekturen, die für eine Vielzahl von speziellen Anwendungsszenarien relevant sind.
Modul: Deep Learning (DLMDWDL)
Niveau: Master
Unterrichtssprache: Deutsch
Der Schwerpunkt dieses ersten Kurses im Wahlmodul Datentechnik liegt darin, den Studierenden wichtige Prinzipien, Konzepte, Methoden und Ansätze in diesem Fachgebiet näher zu bringen.
Um dieses Ziel zu erreichen, geht der Kurs von einer Darstellung der grundlegenden Prinzipien des Daten-Engineerings zu einer gründlichen Behandlung der Kernklassen der Datenverarbeitung über. Moderne Architekturparadigmen wie Microservices werden erläutert und wichtige Faktoren der Datenverwaltung und des Datenschutzes angesprochen. Aspekte des Cloud Computing werden durch einen Überblick über die gängigsten Angebote auf dem Markt vorgestellt. Schließlich wird eine hochmoderne agile Perspektive auf den Betrieb von Datenpipelines durch eine Darstellung des aufkommenden Begriffs DataOps gegeben.
Modul: Data Engineering (DLMDWWDE1)
Niveau: Master
Unterrichtssprache: Deutsch
Modul: Projekt: Data Engineering (DLMDWWDE2)
Niveau: Master
Unterrichtssprache: Deutsch
Modul: IT Sicherheit und Datenschutz (DLMCSITSDS)
Niveau: Master
Unterrichtssprache: Deutsch
Der Aufbau von datenwissenschaftlichen Modellen und die Anwendung der Techniken auf reale Probleme erfordert ein tiefes Verständnis der datenwissenschaftlichen Prozesse und Techniken über die Anwendung relevanter Algorithmen hinaus.
Dieser Kurs beginnt mit der Einführung in zwei gängige Methoden der Datenwissenschaft: CRISP-DM und MS Team Data Science. Alle Daten, die von realen Maschinen, Systemen oder Prozessen stammen, enthalten einige Fehler in unterschiedlichem Maße. Dieser Kurs behandelt im Detail, wie man Datenqualitätsprobleme erkennt und korrigiert, einschließlich der Bedeutung von Domänenwissen für die Bestimmung der Richtigkeit der Daten.
Viele maschinelle Lernansätze erfordern die Erstellung und anschließende Auswahl von Modellmerkmalen, die bestimmen, welcher Teil der Daten im späteren Modellierungsschritt wie verwendet wird. Dieser Kurs behandelt Methoden zur Entwicklung und Erstellung neuer Features aus Rohdaten und skizziert statistische Methoden, um die relevantesten Features für die jeweilige Aufgabe zu identifizieren.
Schließlich werden in diesem Kurs Strategien zur Vermeidung häufiger Irrtümer bei der Erstellung von datenwissenschaftlichen Modellen sowie Ansätze zur Automatisierung von Workflows vorgestellt.
Modul: Fallstudie: Model Engineering (DLMDWME)
Niveau: Master
Unterrichtssprache: Deutsch
super, dass Du Dich weiterentwickeln möchtest! Gerne unterstützen wir Dich individuell bei der Wahl Deiner Weiterbildung. Und vorab informieren wir Dich über Deine Möglichkeiten - Dein Infomaterial wird in Kürze per E-Mail bei Dir ankommen.
Deine nächsten Schritte:
Sobald Du Dich für eine Weiterbildung bei uns entschieden hast, kannst Du Dich mit Deinem Bildungsgutschein der Agentur für Arbeit oder des Jobcenters bei uns anmelden.
Du hast noch keine Bildungsgutschein? Auch kein Problem! Melde Dich in beiden Fällen gerne bei unserer Beratung, sie steht Dir mit Rat und Tat zur Seite:
Wir freuen uns darauf, Dich kennenzulernen.
Dein Team der IU Akademie
super, dass Du Dich weiterentwickeln möchtest! Gerne unterstützen wir Dich individuell bei der Wahl Deiner Weiterbildung. Und vorab informieren wir Dich über Deine Möglichkeiten - Dein Infomaterial wird in Kürze per E-Mail bei Dir ankommen.
Deine nächsten Schritte:
Sobald Du Dich für eine Weiterbildung bei uns entschieden hast, kannst Du Dich mit Deinem Bildungsgutschein der Agentur für Arbeit oder des Jobcenters bei uns anmelden.
Du hast noch keine Bildungsgutschein? Auch kein Problem! Melde Dich in beiden Fällen gerne bei unserer Beratung, sie steht Dir mit Rat und Tat zur Seite:
Wir freuen uns darauf, Dich kennenzulernen.
Dein Team der IU Akademie
Copyright © 2024 | IU Internationale Hochschule - Alle Rechte vorbehalten