Kursbeschreibung

Die Grundlage für viele Anwendungen im Bereich Data Science und Künstliche Intelligenz sind Daten. Diese müssen beschafft, aufbereitet und qualitätsgesichert werden, bevor sie zum Beispiel für das Training von KI-Modellen verwendet werden können.

Da in heutigen Szenarien immer anspruchsvollere Rahmenbedingungen an die Verarbeitung von Daten gestellt werden (z.B. was die Größe und Struktur der Daten angeht oder die Verarbeitung in Echtzeit), ist ein professioneller Umgang mit Daten unerlässlich. In diesem Modul werden wichtige Grundlagen vermittelt, um erfolgreich mit Daten zu arbeiten. Dies beinhaltet nicht nur die Fähigkeit, kleiner Datensätze selbst zu beschaffen (z.B. per API oder Web Scraping) und aufzubereiten, sondern auch Kenntnisse über grundlegende Prinzipien der Datenarchitektur in Unternehmen.
Weiterbildung Data Science

Daten haben sich in der digitalen Ökonomie zu einem wertvollen Rohstoff gewandelt und Unternehmen versuchen vermehrt, ihre Entscheidungen auf der Grundlage von Daten zu treffen oder neue, daten-getriebene Geschäftsmodelle zu entwickeln. Hierfür benötigen sie eine entsprechende Daten-Infrastruktur, welche die notwendigen Informationen zeitnah, in auswertbarer Form und inhaltlich korrekt liefert. Diese Bereitstellung von Daten ist Gegenstand des Data Engineering.

In diesem Modul werden einzelne Teilaufgaben des Data Engineerings, wie zum Beispiel die Modellierung oder Verteilung von Daten, besprochen. Hierbei werden Konzepte und Architekturen für eine nachhaltige Daten-Infrastruktur auf betrieblicher Ebene besprochen. Zudem lernen die Teilnehmer auf praktischer Ebene, mit Daten umzugehen und sie entsprechend der späteren Auswertungszwecke aufzubereiten („Data Wrangling“).

Präsenztermine
Gesamtlaufzeit: 04. Juli 2025 bis 12. September 2025
- Freitag, 04.07. & Samstag, 05.07.2025 (9.00-17.00 Uhr)
- Freitag, 12.09.2025 (9.00-17.00 Uhr)
Bewerbungsfrist: 15. Juni 2025

Inhaltliche Schwerpunkte:

GRUNDLAGEN:

• Aufgaben von Data Engineering
• Data-driven Business
• Big Data
• Speicherung von Daten
• Verarbeitung von Daten

TECHNISCHE ASPEKTE:

• Data Pipelines und Gesamtarchitekturen
• Datenspeicherung
• Datenverarbeitung
• Programmiersprachen
• Daten im Kontext von Cloud Computing

FACHLICHE UND ORGANISATORISCHE ASPEKTE:

• Arten von Daten
• Datenmodellierung
• Datendistribution
• Datenqualität
• Datenmanagement
• Daten-Governance

NUTZUNG VON DATEN:

• Data Science
• Data Mining
• Data Exploration
• Data Products (APIs)
• BI-Anwendungen
• Storytelling mit Daten

DATA WRANGLING:

• Datenformate (CSV, JSON, XML und Co.)
• Data Wrangling Toolbox