Präsenztermine (jeweils von 14.45 – 18.00 Uhr):

• 30.11.2021
• 07.12.2021
• 14.12.2021
• 21.12.2021
• 11.01.2022
• 18.01.2022

Lernsetting:
Das Modul ist eine Kombination aus fachlichem Input (Kick-Off, Block 1 und Block 2) und einer Projektarbeit (Prüfungsleistung). Darüber hinaus bietet die Hochschule Biberach den Teilnehmenden ein individuelles Coaching in Form von wöchentlichen „Sprechstunden“.

Modulverantwortlicher:
Prof. Dr.-Ing. Martin Becker

Der Beitrag 30.11., 07.12., 14.12., 21.12.2021 und 11.01., 18.01.2022 | HBC | Grundlagen des Monitorings erschien zuerst auf dataakademie.de.

Termine:

• 18.11.2021
• 19.11.2021
• 10.12.2021

Lernsetting:

Das Studium findet im Selbststudium und in Form von Gruppenarbeiten im Rahmen der Präsenzphasen statt. Das lesefreundliche Skript ist nach dem didaktischen Konzept der Universität Ulm für berufsbegleitend Studierende aufbereitet: es enthält beispielsweise Wiederholungsfragen, Vertiefungsfragen, Übungen, etc. Außerdem steht ein weiteres Forum für den Austausch der Studierenden untereinander bereit.

Modulverantwortlicher:

Fabian Fritzsche, Wissenschaftlicher Mitarbeiter am Institut für Business Analytics

Beschreibung:

Die fortschreitende Digitalisierung und die damit einhergehenden technologischen Neuerungen verändern die verschiedensten Bereiche unserer Gesellschaft, einschließlich der Wirtschaft und der Wissenschaft. Dieser Trend fordert eine Adaption bzw. eine Erweiterung des Produkt- und Dienstleistungsangebots von Unternehmen, um weiterhin konkurrenzfähig zu bleiben. Dabei eröffnet die digitale Transformation den Unternehmen neue digitale Geschäftsmodelle. Denn neue technologische Trends ermöglichen Potenziale zur schlankeren Gestaltung von Prozess- und Wertschöpfungsketten. Neben der Effizienzsteigerung bieten sich auch neue Umsatzmöglichkeiten. Beispielsweise können neue Märkte erschlossen werden oder gänzlich neue Produkte und Dienstleistungen angeboten werden. Die Entstehung der digitalen Geschäftsmodelle wirft Fragen bezüglich des Managements dieser Geschäftsmodelle auf: Was muss bei der Implementierung beachtet werden? Welche Besonderheiten gibt es bei der Wertgenerierung? Wie kann die Performance gemessen werden? Antworten auf diese und viele weitere Fragen erhalten Sie in unserem Modul „Digitale Geschäftsmodelle“. Die Inhalte werden anhand von Praxisbeispielen verdeutlicht und durch die Bearbeitung von Fallstudien können Sie das gelernte Wissen direkt in Ihrem Unternehmen umsetzen.

Leistungsumfang:

Bei erfolgreichem Abschluss des Moduls erhalten Sie ein Zertifikat sowie ein Supplement, das die Inhalte des Moduls als Übersicht auflistet. Im Supplement bestätigt Ihnen der Modulverantwortliche das Äquivalent von 6 Leistungspunkten nach ECTS.

Der Beitrag 18.11., 19.11. und 10.12.2021 | UUlm | Modul „Digitale Geschäftsmodelle“ erschien zuerst auf dataakademie.de.

Mit Online-Meetings, ausführlichen Studienbriefen und Lernvideos am Institut für wissenschaftliche Weiterbildung der Hochschule Albstadt-Sigmaringen bequem von zu Hause aus

Kompetenzen

Die Teilnehmer

• lernen Visualisierungstechniken anhand praktischer Beispiele in Tableau, Python, R und Grafana kennen
• lernen die gängigen Visualisierungsbibliotheken und Tools kennen
• lernen Visualisierungssysteme für IoT-Systeme mit Grafana kennen
• lernen Machine-Learning anhand einfacher praktischer Beispiele und deren Ergebnisvisualisierung kennen
• lernen die Erstellung von Dashboardsystemen kennen

Kenntnisse

Es sind keine Vorkenntnisse erforderlich.

Inhalt
Techniken zur Visualisierung grosser Datenmengen zur Trendvorhersage im Bereich des maschinellen Lernens, für IoT-Systeme (Internet of Things) oder Dashboarding gewinnen immer grössere Bedeutung.

Im Kurs lernen Sie Visualisierungstechniken mit dem marktführenden System Tableau kennen und erstellen selbständig Auswertungen für grosse Datenmengen. Sie erlernen Visualisierungstechniken in R und Python. Dabei greifen Sie auf grosse Datenbestände und Datenbanken über Cloud-Systeme zu.

Im praktischen Teil werden in Übungen Kaggle-Competitions  bearbeitet und Auswertungen zur aktuellen Coronalage erstellt. Ausserdem führen Sie Experimente zu Machine-Learning in Python und Kubeflow durch. Bei Kubeflow handelt es sich um ein gängiges ML-DevOps-System, das den gesamten Lebenszyklus eines Machine-Learning-Systems abbildet.

Im Bereich IoT erstellen Sie Auswertungen mit Grafana, einem Visualisierungstool, das speziell für IoT-Systeme entwickelt wurde.

Methoden
In Online-Meetings und Studienmaterialien in Form von ausführlichen Studienbriefen lernen Sie die Grundlagen kennen. Mit Lernvideos werden die praktische Umsetzung und die eingesetzten Tools geübt. In Übungen wird anhand von Use Cases das Gelernte umgesetzt. Alle praktischen Übungen können bequem von zu Hause aus durch Zugriff auf Cloud-Systeme bearbeitet werden.

Ablauf:

In fünf Onlinemeetings werden die Tools, die Use Cases und deren Umsetzung vorgestellt.

Die Systemerstellung, basierend auf den Use Cases, erfolgt bequem von zu Hause aus. Es ist nur ein Laptop und eine Internetverbindung erforderlich.

Als Meetingplattform wird MS Teams verwendet. Alle Unterlagen und Systeme werden über die Lernplattform Ilias zur Verfügung gestellt.

Onlinemeetings

• 22.06.2021 von 19 Uhr bis 20.30 Uhr
• 29.06.2021 von 19 Uhr bis 20.30 Uhr
• 06.07.2021 von 19 Uhr bis 20.30 Uhr
• 13.07.2021 von 19 Uhr bis 20.30 Uhr
• 20.07.2021 von 19 Uhr bis 20.30 Uhr

Zielgruppe
Personen, die erfahren wollen, wie die Digitalisierung optimal genutzt werden kann, um gerade in Pandemiezeiten ohne physischen Vorortzugriff die Kontrolle über Geräte und andere Systeme nicht zu verlieren und stets den Überblick zu behalten.

Zertifikat

Die Teilnehmer erhalten ein Teilnahmezertifikat DQR Level 6 mit 5 ECTS Punkten

Kontakt und Anmeldung:

Institut für wissenschaftliche Weiterbildung der Hochschule Albstadt-Sigmaringen

https://www.hs-albsig.de/studienangebot/masterstudiengaenge/data-science/zertifikatsprogramm-data-science

oder unter der Mailadresse datascience@hs-albsig.de

oder hier im Anmeldeformular:

Der Beitrag 22.06. bis 20.07.2021 | HSAS | Visualisierung und Machine Learning DevOps erschien zuerst auf dataakademie.de.

Zeitraum/Termine:
16.03.21 – 20.07.2021

Modulverantwortlicher:
Prof. Dr. Reinhold von Schwerin

Leistungsumfang:
Bei erfolgreichem Abschluss des Moduls erhalten Sie ein Zertifikat sowie ein Supplement, das die Inhalte des Moduls als Übersicht auflistet. Im Supplement bestätigt Ihnen der Modulverantwortliche das Äquivalent von 3 Leistungspunkten nach ECTS.

Lernziele:
Nach Abschluss dieses Moduls sind Sie in der Lage eigene Anwendungsprobleme mit Hilfe von geeigneten maschinellen Lernverfahren zu lösen. Dabei entwerfen, implementieren und testen Sie Ihre Ansätze nicht nur, sondern können auch die Qualität der verwendeten Modelle anhand nachvollziehbarer Kriterien beurteilen. Als methodische Vorgehensweise lernen Sie den CRISP-DM Prozess kennen und erfahren insbesondere, wie die adäquate Aufbereitung von Daten für das gewählte ML-Verfahren erfolgt.

Lernsetting:
Das Online-Studium findet im Selbststudium in der Form eines „Flipped Classroom“ statt. Für das Selbststudium stehen Video-Vorlesungen, ausführliche und sauber dokumentierte Codebeispiele als Jupyter-Notebooks und praktische Übungen bereit. In wöchentlichen Online-Sprechstunden werden Sie bei der Bearbeitung des Lernstoffs zusätzlich unterstützt.

Voraussetzungen:
Grundkenntnisse in Python für Data Science wünschenswert (in der ersten Lerneinheit findet ein Crashkurs statt)

Kosten:
Im Rahmen des DLDS-Projektes (SS 2021) kostenfrei

Der Beitrag 16.3. – 20.07.2021 | THU | Grundlagen des maschinellen Lernens mit Python erschien zuerst auf dataakademie.de.

Termine

18.03. – 22.07.2021

Inhalt

Machine Learning (maschinelles Lernen) ist das in der praktischen Anwendung zurzeit wohl am weitesten verbreitete Teilgebiet der Künstlichen Intelligenz. Es geht dabei um die Frage, wie Daten genutzt werden können, um computerbasierte Modelle oder Entscheidungen (durch Lernen) stetig zu verbessern.  Dies ermöglicht es beispielweise, bei einem Herstellungsprozess, den optimalen Zeitpunkt für den Austausch verschleißanfälliger Komponenten in einer Maschine immer genauer zu bestimmen (predictive maintenance).

Methode
In wöchentlichen Online-Meetings und anhand von Videos lernen die Teilnehmenden die Grundlagen von Machine Learning und deren Einsatz anhand von Industrie 4.0 Beispielen kennen. Sie lernen, mit Machine-Learning-Algorithmen umzugehen, und wenden diese auf verschiedene Industrie 4.0 Einsatzbereiche an. Nach Vermittlung der Grundlagen und der ersten praktischen Anwendungen können die Teilnehmenden einschätzen, an welcher Stelle in ihrem eigenen Unternehmen Machine Learning sinnvoll eingesetzt werden kann. In den folgenden mehrwöchigen Vertiefungs- und Umsetzungsphasen werden die Teilnehmenden bei der Anwendung von Machine Learning in ihrem Unternehmen individuell unterstützt und präsentieren und diskutieren im abschließenden Online-Workshop die Ergebnisse ihrer Praxisprojekte.

Zielgruppe

Personen, die fundierte Kenntnisse zu „Machine Learning“ aufbauen wollen, Einsatzmöglichkeiten in Ihrem Unternehmen entdecken wollen und unter der Anleitung von Experten erste Umsetzungsschritte vornehmen wollen.

Modulverantwortliche

Prof. Dr. Christoph Reich, Matthias Lermer, M.Sc.

Weitere Informationen und Online-Anmeldung

Online-Zertifikatskurs Machine Learning für KMU auf der Portal der HFU Akademie (www.hfu-akademie.de)

Der Beitrag 18.03. – 22.07.2021 | HFU | Online-Zertifikatskurs Machine Learning für KMU erschien zuerst auf dataakademie.de.

Studienmodul auf Masterniveau im Umfang von 5 Leistungspunkten (ECTS), welches mit einem Hochschulzertifikat abgeschlossen wird.
Das Modul wird als reines online Modul mit 14-tägigen Online-Seminaren, ergänzenden Online-Sprechstunden sowie Selbstlernphasen angeboten und mit einer Studienarbeit mit anschließendem Kolloquium abgeschlossen.

Zeitraum:
17.03.2021-23.06.2021 sowie ein Termin für das Kolloquium
Online-Seminar: mittwochs 17.30 Uhr

Modulverantwortlicher:
Prof. Dipl.-Phys. Andreas Gerber

Zielgruppe:
Mitarbeitende in kleinen und mittelständischen Unternehmen der Baubranche

Voraussetzungen:
Abgeschlossenes fachrelevantes Studium (Bachelor, Staatsexamen, o.ä.)

Kosten:
In der Erprobungsphase (SS 2021) kostenfrei

Weitere Informationen zum Modul finden Sie im Flyer.

Der Beitrag 17.03. – 23.06.2021 | HBC | Analyse und Visualisierung erschien zuerst auf dataakademie.de.

Studienmodul auf Masterniveau im Umfang von 3 Leistungspunkten (ECTS), welches mit einem Hochschulzertifikat abgeschlossen wird. Das Modul setzt sich aus Online-Seminaren, Selbstlernphasen sowie einer Blockveranstaltung in Präsenz zusammen und wird mit einer Studienarbeit mit anschließendem Kolloquium abgeschlossen.

Zeitraum/Termine:
März bis Juni 2021
Konkrete Termine auf Anfrage

Modulverantwortlicher:
Prof. Dr. Martin Becker

Zielgruppe:
Mitarbeitende in kleinen und mittelständischen Unternehmen der Baubranche

Voraussetzungen:
Abgeschlossenes fachrelevantes Studium (Bachelor, Staatsexamen, o.ä.)

Kosten:
In der Erprobungsphase (SS 2021) kostenfrei

Weitere Informationen zum Modul finden Sie im Flyer.

Der Beitrag März – Juni 2021 | HBC | Grundlagen des Monitoring erschien zuerst auf dataakademie.de.

Termine:

• 6. Mai 2021
• 7. Mai 2021

Lernsetting:
Das Studium findet im Selbststudium und in Form von Gruppenarbeiten im Rahmen der Präsenzphasen statt. Das lesefreundliche Skript ist nach dem didaktischen Konzept der Universität Ulm für berufsbegleitend Studierende aufbereitet: es enthält beispielsweise Wiederholungsfragen, Vertiefungsfragen, Übungen, etc. Außerdem steht ein weiteres Forum für den Austausch der Studierenden untereinander bereit.

Modulverantwortlicher:
Fabian Fritzsche, Wissenschaftlicher Mitarbeiter am Institut für Business Analytics

Beschreibung:
Die fortschreitende Digitalisierung und die damit einhergehenden technologischen Neuerungen verändern die verschiedensten Bereiche unserer Gesellschaft, einschließlich der Wirtschaft und der Wissenschaft. Die relevanten Technologien im Zeitalter der Digitalisierung reichen von sehr abstrakten Technologien (wie bspw. fortschrittliche Algorithmen) bis hin zu sehr konkreten Anwendungen (wie bspw. physische Assistenzsysteme). Das Themengebiet der Technologieakzeptanz adressiert das Phänomen, dass die Instrumente und Konzepte von Data Science nicht flächendeckend angewendet werden. Dies ist auf die Aversion gegen Algorithmen oder Technologien zurückzuführen. Die Aversion gegenüber Technologien und Algorithmen wirft Fragen bezüglich des Umgangs mit dieser auf: Was sind Einflussfaktoren auf die Technologieakzeptanz? Was sind Maßnahmen zur Steigerung der Technologieakzeptanz? Antworten auf diese und viele weitere Fragen erhalten Sie in unserem Modul „Technologieakzeptanz im Zeitalter der Digitalisierung“. Die Inhalte werden anhand von Praxisbeispielen verdeutlicht und durch die Bearbeitung von Fallstudien können Sie das gelernte Wissen direkt in Ihrem Unternehmen umsetzen.

Leistungsumfang:
Bei erfolgreichem Abschluss des Moduls erhalten Sie ein Zertifikat sowie ein Supplement, das die Inhalte des Moduls als Übersicht auflistet. Im Supplement bestätigt Ihnen der Modulverantwortliche das Äquivalent von 3 Leistungspunkten nach ECTS.

Der Kurs ist ausgebucht, eine Anmeldung für die Warteliste ist noch möglich.

Der Beitrag 06.05. und 07.05.2021 | UUlm | Modul „Technologieakzeptanz im Zeitalter der Digitalisierung“ erschien zuerst auf dataakademie.de.

Self-Service Business Intelligence, Modul Data Preparation

Was haben gutes Weizenbier und Daten gemeinsam?
Beide müssen einen Prozess durchlaufen, damit etwas Perfektes herauskommt.

Bierbrauen überlassen wir anderen Experten.

WIR KÖNNEN DATEN – HOCHSCHULE DER MEDIEN

• Sie möchten Ihre digitalen Kompetenzen im Bereich Self-Service BI ausbauen?
• Reports durch Einbindung externer Daten aufwerten?
• Ideen kurzfristig und autonom umsetzen?
• Einen Wissensvorsprung gewinnen?

Data Preparation – unsere virtuelle Seminarreihe zum Thema Self-Service Business Intelligence, wurde speziell für Fach- und Führungskräfte aus Bereichen wie Vertrieb, Marketing, Controlling und Produktmanagement konzipiert.

Teilnehmer können auf Wunsch einen ECTS-Punkt erwerben, wenn

• alle drei virtuellen Seminare besucht werden
• der Seminarinhalt in selbständigen Aufgaben vertieft wird (insgesamt 30 Stunden)

Damit kann diese Seminarreihe die Basis sein, um in einem universitären Masterprogramm ein anerkanntes Zertifikat zu erwerben.

III. Meet the other Expert
Fr. 04.12.2020, 15 – 17 Uhr

• Tauschen Sie sich mit unserem Special Guest aus
• Stellen Sie Fragen
• Lassen Sie sich zu neuen Ideen inspirieren

Rückfragen gerne an Elke Kasper, kaspere@hdm-stuttgart.de

Alle Bildungsbausteine der Seminarreihe Data Preparation sind kostenfrei und individuell buchbar.

Der Beitrag 04.12.2020 | HdM | Self-Service Business Intelligence, Modul Data Preparation, III. Meet the other Expert erschien zuerst auf dataakademie.de.

Self-Service Business Intelligence, Modul Data Preparation

Was haben gutes Weizenbier und Daten gemeinsam?
Beide müssen einen Prozess durchlaufen, damit etwas Perfektes herauskommt.

Bierbrauen überlassen wir anderen Experten.

WIR KÖNNEN DATEN – HOCHSCHULE DER MEDIEN

• Sie möchten Ihre digitalen Kompetenzen im Bereich Self-Service BI ausbauen?
• Reports durch Einbindung externer Daten aufwerten?
• Ideen kurzfristig und autonom umsetzen?
• Einen Wissensvorsprung gewinnen?

Data Preparation – unsere virtuelle Seminarreihe zum Thema Self-Service Business Intelligence, wurde speziell für Fach- und Führungskräfte aus Bereichen wie Vertrieb, Marketing, Controlling und Produktmanagement konzipiert.

Teilnehmer können auf Wunsch einen ECTS-Punkt erwerben, wenn

• alle drei virtuellen Seminare besucht werden
• der Seminarinhalt in selbständigen Aufgaben vertieft wird (insgesamt 30 Stunden)

Damit kann diese Seminarreihe die Basis sein, um in einem universitären Masterprogramm ein anerkanntes Zertifikat zu erwerben.

II. Interaktiver Workshop
Fr. 27.11.2020, 15 – 17 Uhr

• Use Cases
• Hands-on
• Wissen einsetzen

Rückfragen gerne an Elke Kasper, kaspere@hdm-stuttgart.de

Alle Bildungsbausteine der Seminarreihe Data Preparation sind kostenfrei und individuell buchbar.

Der Beitrag 27.11.2020 | HdM | Self-Service Business Intelligence, Modul Data Preparation, II. Interaktiver Workshop erschien zuerst auf dataakademie.de.