Data Scientist (TÜV®)

Die Digitalisierung zahlreicher geschäftlicher Transaktionen, der Einsatz von Social-Media-Diensten zur Vertriebsunterstützung oder IT-gestützte Disposition diverser Prozesse sind aus dem Alltagsgeschäft vieler Unternehmen nicht mehr wegzudenken. Die so entstehenden riesigen komplexen Datenmengen wachsen exponentiell. Diese Daten können als Grundlage für strategische Unternehmensentscheidungen dienen, wenn sie richtig analysiert worden sind. In ihnen finden Data Scientists Muster und Informationen, die gewinnbringend im Unternehmen einsetzbar sind, um bestehende Prozesse zu optimieren und die Wertschöpfungskette zu stärken.

Die Anwendungsmöglichkeiten von Data Science reichen von der verbesserten Routenplanung im Verkehrsgewerbe über die Vorhersage von zu erwartenden Stromspitzen sowohl auf Anbieter- wie auch auf Verbraucherseite bis hin zu personalisierten Medikations- und Therapieplänen in der Patientenversorgung. Spezialisierte Data Scientists schaffen die entsprechende Entscheidungsgrundlage, indem sie aus oft riesigen, unstrukturierten Rohdatenmengen eine geordnete Datenbasis erarbeiten, diese analysieren und die erkannten Muster im Sinne des Unternehmenszieles auswerten – auch die in die Zukunft gerichtet. So ist es dank Algorithmen möglich zu bestimmen, welche Auswirkungen bestimmte Veränderungen in Zukunft haben können.

Im Seminar erhalten die Teilnehmer eine umfassende Einführung in die Programmiersprache Python als Grundwerkzeug für die spätere Datenanalyse. Sie lernen die Entscheidungskriterien für die Datenauswahl und die Datenquellen kennen, die sie für ihre Betrachtung benötigen. Die Vorgehensweise und der Einsatz von Hilfsmitteln zur Datenanalyse und Datenstrukturierung werden ebenso besprochen wie sinnvolle Zeitfenster der Datenaggregation und Bewertungsmöglichkeiten der erkannten Muster. Die Besprechung von konkreten Anwendungsfällen und zahlreichende vertiefende Übungen stellen während des gesamten Kurses den Transfer des neuen Wissens in die Praxis sicher. Die Teilnehmer werden in die Lage versetzt, Daten entsprechend der Bedürfnisse und Ansprüche des Unternehmens zu sammeln, zu verarbeiten und zu nutzen, um die Grundlage für strategische Unternehmensentscheidungen erstellen zu können.

Nutzen

• Kenntniserwerb, um erhobene Daten kompetent zu analysieren und zu verwerten
• Kompetenz, um datenbasiert effiziente Entscheidungen erfolgreich vorzubereiten
• Wissensdokumentation im Bereich Data Science durch ein international anerkanntes Personenzertifikat

Zielgruppe
(Künftige) Data Scientists, Statistiker, Business-Analysten, Ingenieure, Mathematiker und IT-Experten, die

• Wissen zur Datenanalyse erwerben bzw. erweitern wollen, um die Auswertungen besser verstehen und effizienter bewältigen zu können,
• daten- und algorithmengestützte Prozesse im Unternehmen etablieren und betreiben möchten,
• Machine Learning und künstliche Intelligenz zur Hebung von Datenpotenzialen einsetzen wollen,
• daten- und algorithmengestützte Prozessautomatisierungen im Unternehmen verankern möchten, um digitale Entscheidungen im großen Umfang umsetzen zu können.

Inhalt

Modul 1: Data Science mit Python

• Einführung in die Programmierung mit Python
• Datenmanagement mit Pandas
  • Datentypen
  • Importieren, Lesen und Schreiben von Daten
  • Indizierung, Filterung und Zuweisung von Daten
  • Aggregationsfunktionen und Mappings
  • Gruppierung und Sortierung
  • Verarbeitung von Missing Values
  • Kombination, Wrangling, Integration und Umbenennung von Daten
  • Arbeiten mit Date, Time und Datetime-Datentypen
  • Datenverarbeitung mit Schleifen und Verwendung von Variablen
  • Datenvisualisierung mit Matplotlib und Seaborn
  • Statistik-Grundlagen
• Einführung in Machine Learning-Techniken mit scikit-learn
  • Einführung, Grundlagen und Methodik
  • Erstellen von Trainingsdaten
  • Überwachte Lern-Algorithmen
  • Unüberwachte Lern-Algorithmen
  • Erklärbarkeit von Modellen
  • Modell-Interpretation und Evaluierungstechniken

Modul 2: Machine Learning und KI-Methoden

• Einführung in Data Science und die Welt der Algorithmen
• Machine Learning und Künstliche Intelligenz - Best Practices und Erfolgsfaktoren
• Einführung in Feature Engineering
• Algorithmen des Überwachten Lernens (Decision Tree, Regression, Neural Network, Naïve Bayes, Support Vector Machines, Ensemble Modeling)
• Algorithmen des Unüberwachten Lernens (Cluster Analysis, Association Analysis)
• Einführung in Deep Learning
• Bewertung der Modell-Performance und Modell-Vergleich
• MLOps - Modell Deployment und operativer Modelleinsatz

Modul 3: Feature Engineering für Data Science

• Einführung in das Feature Engineering
• Datenquellen, Datenmodelle und Analytische Data Marts
• Datenintegration und Datentransformation
• Behandlung fehlender Werte
• Behandlung von Ausreißern
• Binning-Methoden
• Dimensionsreduzierende Methoden
• Aggregationstechniken für Transaktionsdaten
• Feature Engineering für Zeitreihen
• Stichproben-Methoden und Erstellung von Trainings- und Testdaten
• Best Practices Feature Engineering für Machine Learning-Algorithmen

Modul 4: AIoT – Digitale Signalverarbeitung für KI-Algorithmen

• AI-, IoT- und IIoT-Grundlagen
• Eigenschaften von IoT-Datenquellen
• Einführung in die Digitale Signalverarbeitung (DSP)
• Feature Engineering mit DSP-Methoden (u.a. FFT, PSD)
• Machine Learning-Grundlagen
• Training, Bewertung und Vergleich von Machine Learning-Modellen
• Deployment von Machine Learning-Modellen
• AIoT-Use Cases, Anwendungsgebiete und Best Practices

Modul 5: Process Mining: Grundlagen und Anwendungen

• Process Mining und das Internet of Events
• Einführung in die Prozessmodellierung (u.a. Petrinetze, Process Trees)
• Typische Datenquellen und Eventlogs
• Process Discovery
• Konformitätsprüfung
• Von der Process Discovery zum Online Process Monitoring

Prüfungsmodul zum Erwerb des Personenzertifikates

• Online-Abschlussprüfung im Multiple-Choice-Verfahren
• Projektbearbeitung zum Erwerb des Personenzertifikates

Abschluss
Personenzertifikat der Zertifizierungsstelle für Systeme und Personal des TÜV Thüringen e.V.

Dauer
80 Seminarstunden
08:30 bis 16:00 Uhr

Zugangsvoraussetzung
Studienabschluss im MINT-Bereich oder gleichwertige Qualifikation, insbesondere mathematische Vorkenntnisse

Preisdetails

Im Preis enthalten sind bei Präsenzveranstaltungen Seminarverpflegung, Lern- und Arbeitsmittel sowie Lehrmaterial in digitaler oder gedruckter Form, bzw. digitales Lehrmaterial bei Live-Webinaren.

Hinweise
Zum Erhalt des Personenzertifikates ist ein gesonderter Antrag an die Zertifizierungsstelle für Systeme und Personal des TÜV Thüringen e.V. zu stellen. Wir unterstützen Sie bei der Beantragung.

Die theoretischen Inhalte werden in Form von praxisnahen Übungen vertieft. Die dafür notwendige Schulungsumgebung wird gestellt. Der Zugriff auf die Schulungsumgebung erfolgt mit einem Browser (Chrome oder Firefox).

Jedes Modul ist auch einzeln buchbar. Das Personenzertifikat kann nur erworben werden, wenn alle Module besucht worden sind und die Prüfung erfolgreich absolviert wurde. Die Prüfung besteht aus einem Multiple-Choice-Test und einer Projektbearbeitung.

Es gilt die Prüfungsordnung der Zertifizierungsstelle für Systeme und Personal des TÜV Thüringen e.V.