Datum
14/01/2025 - 12/03/2025
Ganztägig
Kalender-Import: iCal

Veranstaltungsort
ETC Trainingscenter
Modecenterstraße 22, 1030 - Wien




Es sind keine Vorkenntnisse für den Besuch des Kurses notwendig.

Dieser DataScience Basislehrgang bietet sowohl Personen mit IT-Erfahrung, Spezialisten (EntwicklerInnen, DatenbankadministratorInnen, Systemengineers,..), als auch Personen aus dem Fachbereich (StatistikerInnen, BI-SpezialistInnen, Business-AnalystInnen,…) eine umfassende Weiterentwicklung für neue Standards und bietet die Grundlage für eine Entwicklung Richtung DataScience Expert*innen.

Dabei werden Fragen beantwortet, die Sie sich in Ihrer Tätigkeit bisher vielleicht noch gar nicht gestellt haben:

– Was ist der Unterschied zwischen Business Intelligence und DataScience?

– Wie kann DataScience sinnvoll angewandt werden?

– Bin ich als DataScientist nun IT-Experte oder Statistiker?

Oder aber auch technische Fragen wie z.B.:

– Wie funktioniert die Modellierung von Daten?

– Was benötige ich wenn ich Daten in Systeme integrieren möchte?

– Wie analysiere und visualisiere ich Daten richtig?

– Und was habe ich bezüglich Gesetze und Vorschriften dabei zu beachten?

Dieses Seminar wird in Zusammenarbeit solvistas Academy GmbH und mit der ADV-Austrian Digital Value veranstaltet. Aus diesem Grund gibt es auch eine Ermäßigung für Mitglieder der ADV – bitte geben Sie bei Ihrer Bestellung Ihre ADV Mitgliedsnummer an.

– Entwickler*innen

– Datenbankadministrator*innen

– Systemengineers

– Statistiker*innen

– BI-Spezialist*innen

– Business-Analyst*innen

Dieser Basislehrgang gliedert sich oline in 8 Module zu je 1/2 Tag oder vor Ort in 4 Tage:

Darum DataScience

– Die Grundlagen von DataScience

– Der Mehrwert beim Einsatz von DataScience

– Data Science Rollen

– Das Berufsbild Data Scientist

– Die Unterschiede zu DataLake, DataEngineering, DataMining, Digitalisierung und BigData, u.a.

– Unterschied und Klärung der Begriffe IoT und Cloud Computing

– Data Science Projektablauf

– Wert der Daten verstehen

Be a Data Artist

– Grundlagen und Vorteile von Visualisierungen

– Allgemeine Designrichtlinien

– Regressions- und Klassifizierungsmodelle

– UX-Design Richtlinien

– Reports und Dashboard Designs

– Analyse von Reports

Datenarchitektur

– Überblick über das Thema Datenarchitektur (Big Picture Data Architecture)

– Klassische DWH-Architektur

– Herausforderungen und Lösungsansätze im Big Data Bereich

– Unterschiede zwischen Data Lakes, Data Hubs, Data Meshes und Data Fabrics

– Vorteile des Cloud Computing

– Die Schritte von der Vision bis zur Umsetzung (Checkliste zum Projekt Setup)

Datenmodellierung und -aufbereitung

– DWH Modellierungsgrundlagen Inmon, Kimball, Linstedt

– Was ist der Unterschied zw. ETL und ELT?

– Wie historisiert man Daten?

– Welche Arten der Datenbereinigung gibt es, um die Qualität zu steigern?

– Was ist CDC und welche Implementierungsarten gibt es?

Datenintegration

– NoSQL

– Datenintegration mit NoSQL

– Datenintegration im Big Data Umfeld und in Cloud Umgebungen

– ETL-Strecken bauen und worauf dabei zu achten ist

– Die Qualität der Datenintegration innerhalb der ETL-Strecke

– Scheduling Möglichkeiten

Analytics in Theory

– Grundlagen von Machine Learning und Artificial Intelligence

– Arten an Zielsetzungen und Aufgaben von Data Analytics

– Methoden und Algorithmen

– Einsatz von Methoden aus dem Machine Learning und deren Einsatz

Analytics in Action

– Überblick über Tools für Datenanalyse

– Einsatz von ML-Algorithmen

– Einfaches Anwenden von Algorithmen in Python

– Tuning – wie können bessere Ergebnisse erzielt werden?

– Ablauf einer Datenanalyse

Trend und Use Cases

– aktuelle/ neue Schlagwörter aus der Welt des Data Science

– Wichtigkeit der Datenstrategie

– Aktuelle Anwendungsfälle von Data Science

– neue Arbeitsformen durch DataScience

1.965,00

Kategorien