Inhalt:

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.

Dozenten:

Prof. Dr. Mischa Seiter, Professor für Wertschöpfungs- und Netzwerkmanagement im Institut für Business Analytics
Fabian Fritzsche, Akademischer Mitarbeiter im Institut für Business Analytics

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.

Teilnahmeentgelt: 720 €

Weitere Informationen zum Modul

Die Anmeldung erfolgt ausschließlich über die Universität Ulm. Bitte nutzen Sie für Ihre Anmeldung nur den oben aufgeführten Link zum Modul und nicht das untenstehende Formular.

Der Beitrag Ab 01.04.2023 | UUlm | Technologieakzeptanz im Zeitalter der Digitalisierung erschien zuerst auf dataakademie.de.

Inhalt:

• Strategieentwicklung: Analyse der Situation des Unternehmens, Erarbeitung von Strategieoptionen, Auswahl der geeigneten Strategie aus den erarbeiteten Optionen. Behandelte Instrumente: Instrumente zur internen Analyse, Instrumente zur externen Analyse, SWOT-Analyse, Instrumente zur Erarbeitung von Strategieoptionen, qualitative und quantitative Bewertungsverfahren.
• Strategieimplementierung: Ableitung strategischer Ziele, Operationalisierung strategischer Ziele, Ableitung von Maßnahmen/Budgets, Kommunikation der Strategie. Behandelte Instrumente: Wertschöpfungsmodelle, Kennzahlen und deren Qualitätskriterien, Balanced Scorecard, Kommunikationsinstrumente.
• Stretegiereview: Prüfung der Prämissen, Prüfung des Implementierungsgrads, Weiterentwicklung der Strategie. Behandelte Instrumente: Prämissenanalyse, Typologie von Implementierungsbarrieren.

Lernsetting:

Das Online-Studium findet im Selbststudium und in Form von Gruppenarbeit statt. Für das Selbststudium stehen Video-Vorlesungen, die Ihnen die Modulinhalte anschaulich darlegen, und ein ausführliches Skript bereit. Das Skript ist nach dem didaktischen Konzept der Universität Ulm für berufsbegleitend Studierende aufbereitet: es enthält beispielsweise Lernstopps, Multiple und Single Choice Fragen, Quizzes, Übungen, etc.

Ihr Mentor wird Ihnen in regelmäßigen Abständen Online-Sprechstunden in Form von Seminaren anbieten, die Sie bei der Bearbeitung des Lernstoffs unterstützen. Außerdem steht ein weiteres Forum für den Austausch der Studierenden untereinander bereit.

Dozent:

Prof. Dr. Mischa Seiter, Professor für Wertschöpfungs- und Netzwerkmanagement im Institut für Business Analytics

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.

Teilnahmeentgelt: 1.410 €

Weitere Informationen zum Modul

Die Anmeldung erfolgt ausschließlich über die Universität Ulm. Bitte nutzen Sie für Ihre Anmeldung nur den oben aufgeführten Link zum Modul und nicht das untenstehende Formular.

Der Beitrag Ab 01.04.2023 | UUlm | Strategisches Management erschien zuerst auf dataakademie.de.

Dies sind gängige Probleme, die oftmals im Firmenalltag von erfahrenen Planern von Hand gelöst werden. Die Komplexität dieser Probleme steigt jedoch gewöhnlich exponentiell, so dass die händische Planung langwierig wird und nur suboptimale Lösungen liefert. Hier setzt mathematische Optimierung an. Sie lernen in diesem Kurs, welche Möglichkeiten es gibt, Produktionsprozesse und Ressourceneinteilungen mathematisch zu modellieren, und welche Algorithmen geeignet sind, diese zu optimieren. Anhand realitätsnaher Beispiele werden Sie unter Einsatz von Python üben, die Theorie in Praxis umzusetzen.

Inhalt:

• Einführung in Operations Research
• Modellierung
• Algorithmische Strategien und Komplexität
• Projekt Planung und Scheduling
• Job shop scheduling
• Vehicle routing
• Lager- und Produktionsplanung
• Programmieraufgaben zur Umsetzung der Verfahren

Lernsetting:

Das Online-Studium findet im Selbststudium und in Form von Gruppenarbeit statt. Für das Selbststudium stehen Video-Vorlesungen, die Ihnen die Modulinhalte anschaulich darlegen, und ein ausführliches Skript bereit. Das lesefreundliche Skript ist nach dem didaktischen Konzept der Universität Ulm für berufsbegleitend Studierende aufbereitet: es enthält beispielsweise Lernstopps, Multiple und Single Choice Fragen, Quizzes, Übungen, etc.

Ihr Mentor wird Ihnen in regelmäßigen Abständen Online-Sprechstunden in Form von Seminaren anbieten, die Sie bei der Bearbeitung des Lernstoffs unterstützen. Außerdem steht ein weiteres Forum für den Austausch der Studierenden untereinander bereit.

Dozenten:

• Prof. Dr. Henning Bruhn-Fujimoto, Professor im Institut für Optimierung und Operations Research
• Prof. Dr. Dieter Rautenbach, Direktor des Instituts für Optimierung und Operations Research

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.

Teilnahmeentgelt: 1.900 €

Weitere Informationen zum Modul

Die Anmeldung erfolgt ausschließlich über die Universität Ulm. Bitte nutzen Sie für Ihre Anmeldung nur den oben aufgeführten Link zum Modul und nicht das untenstehende Formular.

Der Beitrag Ab 01.04.2023 | UUlm | Mathematische Optimierung betrieblicher Prozesse erschien zuerst auf dataakademie.de.

Eine solche Veränderung stellt für Unternehmen ohne plattformbasierte Geschäftsmodelle eine Bedrohung ihrer Wertschöpfung und ihrer Wettbewerbsfähigkeit dar. Der Aufbau und die Nutzung digitaler Plattformen ist folglich eine Top-Priorität von einer Vielzahl von Unternehmen in so unterschiedlichen Branchen wie Maschinenbau, Handel, Automobilbau und dem Finanzsektor.

Die grundlegende, aber nicht triviale Frage, lautet bei diesen Überlegungen: Aufbau einer eigenen digitalen Plattform oder Nutzung einer bestehenden? Je nach Antwort stellen sich dem Management spezifische weiterführende Fragen, nach Skalierungsstrategien, Pricing-Varianten oder Lock-In-Effekten.

Inhalt:

• Arten und Charakteristika digitaler Plattformen:
  In diesem ersten Abschnitt widmen wir uns der Frage, welche Arten von digitalen Plattformen existieren. Schwerpunkte sind Handelsplattformen, wie Amazon Marketplace, WUCATO und AirBnB, sowie IoT-Plattformen, wie Mindsphere und AXOOM. Dazu erarbeiten wir uns ein fundiertes Begriffsverständnis zu den wesentlichen Charakteristika (u.a. Ökosystem, Akteursgruppen, Netzwerkeffekte und Feedback-Systeme). Darüber hinaus widmen wir uns der fundamentalen Frage: Plattform aufbauen oder eine bestehende Plattform nutzen?
• Managementaspekte aus Perspektive eines Plattform-Betreibers:
  In diesem zweiten Abschnitt lernen wir Managementaspekte, die relevant sind, wenn eine digitale Plattform aufgebaut werden soll. Hierzu zählen Skalierungsstrategien, die unterschiedlichen Formen des Pricings, das notwendige Performance Measurement sowie die Steuerung der Akteure auf der Plattform durch verschiedene Regelsysteme. Anhand von Fallstudien lernen wir reale Fragestellungen kennen und vertiefen diese.
• Managementaspekte aus Perspektive eines Plattform-Nutzers:
  In diesem dritten Abschnitt lernen wir Managementaspekte, die relevant sind, wenn eine digitale Plattform nicht selbst gegründet werden soll, sondern wir eine bestehende Plattform nutzen möchte. Im Zentrum steht dabei die Analyse der Nutzen verschiedener Plattformen. Ein zweiter Schwerpunkt ist die Analyse der Einschränkungen, die sich durch einen Plattformeintritt ergeben. Im Mittelpunkt steht die Frage: Welchen Regeln der Plattform unterwerfen wir uns und inwiefern können wir die Plattform auch wieder verlassen (Austrittshürden)?
• Praxisfallstudien zu unterschiedlichen Aspekten des Plattformmanagements

Lernsetting:

Das Online-Studium findet im Selbststudium und in Form von Gruppenarbeit im Rahmen von Präsenzphasen statt.

Für das Selbststudium stehen Video-Vorlesungen, die Ihnen die Modulinhalte anschaulich darlegen, und ein ausführliches Skript bereit. Das lesefreundliche Skript ist nach dem didaktischen Konzept der Universität Ulm für berufsbegleitend Studierende aufbereitet: es enthält beispielsweise Lernstopps, Multiple Choice Fragen, Übungen, etc.

Ihr Mentor wird Ihnen in regelmäßigen Abständen Online-Sprechstunden anbieten, die Sie bei der Bearbeitung des Lernstoffs unterstützen. Außerdem steht ein weiteres Forum für den Austausch der Studierenden untereinander bereit.

Dozent:

Prof. Dr. Mischa Seiter, Professor für Wertschöpfungs- und Netzwerkmanagement im Institut für Business Analytics

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.

Teilnahmeentgelt: 1.410 €

Weitere Informationen zum Modul

Die Anmeldung erfolgt ausschließlich über die Universität Ulm. Bitte nutzen Sie für Ihre Anmeldung nur den oben aufgeführten Link zum Modul und nicht das untenstehende Formular.

Der Beitrag Ab 01.04.2023 | UUlm | Management digitaler Plattformen erschien zuerst auf dataakademie.de.

Inhalt:

• Entity-Relationship-Modell und verschiedene Darstellungen
• Beziehungen von Entitäten und deren Realisierung
• Relationenalgebra
• SQL Abfrageprimitive
• SQL Schemaprimitive
• Einfluss von Indexen
• Anomalien und Normalformen von Datenbankschemata
• NoSQL Datenbanken

Lernsetting:

Das Online-Studium findet im Selbststudium statt. Für das Selbststudium stehen zum einen Video-Vorlesungen bereit, die Ihnen die Modulinhalte anschaulich darlegen. Als schriftliches Material empfehlen wir das Grundlagenbuch von Kemper und Eickler mit dem Titel Datenbanksysteme, eine Einführung. In den Videos und in Begleitung durch ein E-Learning-System werden die Studierenden auf entsprechende Abschnitte des Buchs verwiesen. Der Stoff wurde in Lernabschnitte unterteilt, die durch Multiple- und Single-Choice-Fragen, Quizzes und Übungsaufgaben begleitet werden. An den Präsenzterminen werden Übungsaufgaben teilweise auch in Gruppenarbeit gelöst.

Ihr Mentor wird Ihnen in regelmäßigen Abständen Online-Sprechstunden in Form von Seminaren anbieten, die Sie bei der Bearbeitung des Lernstoffs unterstützen. Außerdem steht ein Forum für den Austausch der Studierenden untereinander bereit.

Das Modul wird in deutscher Sprache gehalten. Die Video-Vorlesungen sind jedoch in Englisch.

Dozent:

Prof. Dr. Manfred Reichert, Direktor des Instituts für Datenbanken und Informationssysteme

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.

Teilnahmeentgelt: 1.410 €

Weitere Informationen zum Modul

Die Anmeldung erfolgt ausschließlich über die Universität Ulm. Bitte nutzen Sie für Ihre Anmeldung nur den oben aufgeführten Link zum Modul und nicht das untenstehende Formular.

Der Beitrag Ab 01.04.2023 | UUlm | Grundlagen von Datenbanksystemen erschien zuerst auf dataakademie.de.

Das Modul beinhaltet einen festen wöchentlichen Online-Termin am Dienstagabend, jeweils von 19:00 – 20:30 Uhr.

Inhalt:

Zunächst werden generelle Konzepte vorgestellt wie unterschiedliche Lernansätze ((Un-)Supervised, Reinforcement), Umgang mit verschiedenartigen Daten (Skalenniveaus), Problemlösungsvorgehen nach CRISP-DM, Trainings- und Testdaten, Loss-Functions oder Qualitätsmaße.

Die folgenden Inhalte werden mit umfangreichem Übungsanteil auf Basis realer Daten (etwa von der Kaggle-Website) hauptsächlich mit Hilfe der Python ML-Bibliothek scikit-learn unter Bezug auf die generellen Konzepte vermittelt:

– Unüberwachte Verfahren:
+ Clustering
+ Hauptkomponentenanalyse
+ Assoziationsanalyse
– Überwachte Verfahren
+ Regression
+ Klassfikation: Entscheidungsbäume, Naive Bayes, k-Nearest Neighbors
+ Ensemble Methoden: Random Forest, AdaBoost
– Einfache Neuronale Netze

Den Abschluss bildet ein Projekt, bei dem zur Lösung einer konkreten Aufgabenstellung verschiedene der zuvor erlerneten Konzepte und Methoden anhand des CRISP-DM-Prozesses zum Einsatz kommen sollen

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.

Dozent:

Prof. Dr. Reinhold von Schwerin, Technische Hochschule Ulm

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.

Teilnahmeentgelt: 720 €

Weitere Informationen zum Modul

Die Anmeldung erfolgt ausschließlich über die Universität Ulm. Bitte nutzen Sie für Ihre Anmeldung nur den oben aufgeführten Link zum Modul und nicht das untenstehende Formular.

Der Beitrag Ab 01.04.2023 | THU | Grundlagen des maschinellen Lernens mit Python erschien zuerst auf dataakademie.de.

Inhalt:

• Business Szenarien für das Data und Process Mining
• Extraktion von Daten aus Informationssystemen (ETL-Prozesse)
• Data Warehousing Systeme (Multidimensionale Daten)
• Knowledge Discovery Process
• Methoden und Verfahren des Data Mining: Klassifikation, Regression, Cluster-
  Analyse, Assoziationsanalyse
• Methoden und Verfahren des Process Mining: Process Discovery Algorithmen,
  Conformance Checking, Log Analyse
• Datenvisualisierung
• Process Performance Measurement, Business Process Intelligence

Lernsetting:

Das Online-Studium findet im Selbststudium und in Form von Gruppenarbeit statt. Für das Selbststudium steht ein ausführliches Skript zur Verfügung. Die zentralen Inhalte und zugehörige Beispiele werden zudem in kurzen Videos erläutert. Das lesefreundliche Skript ist nach dem didaktischen Konzept der Universität Ulm für berufsbegleitende Studierende aufbereitet.

Um die vermittelten Inhalte zu festigen, werden in regelmäßigen Abständen Übungsblätter veröffentlicht, deren Lösungen von den Studierenden und dem Mentor gemeinsam zu den Präsenzterminen vorgestellt werden.

Der Mentor des Moduls wird in regelmäßigen Abständen Online-Sprechstunden anbieten, die die Studierenden bei der Bearbeitung des Lernstoffs unterstützen. Außerdem steht ein weiteres Forum für den Austausch der Studierenden untereinander bereit.

Dozent:

Prof. Dr. Manfred Reichert, Direktor des Instituts für Datenbanken und Informationssysteme

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.

Teilnahmeentgelt: 1.410 €

Weitere Informationen zum Modul

Die Anmeldung erfolgt ausschließlich über die Universität Ulm. Bitte nutzen Sie für Ihre Anmeldung nur den oben aufgeführten Link zum Modul und nicht das untenstehende Formular.

Der Beitrag Ab 01.04.2023 | UUlm | Data & Process Mining erschien zuerst auf dataakademie.de.

Inhalt:

• Einführung: Big (Social) Data Analytics als hoch relevantes Thema
• Methoden und Anwendungen der Big Data Analytics am Beispiel Social Media Analytics
• Social Media Analytics - Methoden und Anwendungen:
  • Soziale Netzwerkanalyse (z. B. Identifizierung einflussreicher Nutzer mithilfe von Vernetzungsmaßen, Community Detection)
  • Text Mining (z.B. Klassifikation von Texten mit Machine Learning Methoden, Sentimentanalyse)
• Zusammenfassung und kritische Würdigung

Lernsetting:

Das Online-Studium findet im Selbststudium statt. Für das Selbststudium stehen zum einen Video-Vorlesungen bereit, die Ihnen die Modulinhalte anschaulich darlegen. Als schriftliches Material empfehlen wir das Grundlagenbuch von Kemper und Eickler mit dem Titel Datenbanksysteme, eine Einführung. In den Videos und in Begleitung durch ein E-Learning-System werden die Studierenden auf entsprechende Abschnitte des Buchs verwiesen. Der Stoff wurde in Lernabschnitte unterteilt, die durch Multiple- und Single-Choice-Fragen, Quizzes und Übungsaufgaben begleitet werden. An den Präsenzterminen werden Übungsaufgaben teilweise auch in Gruppenarbeit gelöst.

Ihr Mentor wird Ihnen in regelmäßigen Abständen Online-Sprechstunden in Form von Seminaren anbieten, die Sie bei der Bearbeitung des Lernstoffs unterstützen. Außerdem steht ein Forum für den Austausch der Studierenden untereinander bereit.

Dozent:

Prof. Dr. Mathias Klier, Professor im Institut für Business Analytics

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.

Teilnahmeentgelt: 1.900 €

Weitere Informationen zum Modul

Die Anmeldung erfolgt ausschließlich über die Universität Ulm. Bitte nutzen Sie für Ihre Anmeldung nur den oben aufgeführten Link zum Modul und nicht das untenstehende Formular.

Der Beitrag Ab 01.04.2023 | UUlm | Big (Social) Data Analytics – Methoden und Anwendungen erschien zuerst auf dataakademie.de.

Ein Online-Kurs der Universität Mannheim

Termine:
KW 45 (7. – 11. November), 4 mal 3 Stunden

Format:
Online Kurs mit praktischen Übungen

Voraussetzungen:

• Python Grundlagen (z.B. Kurs „Einführung in Python mit Fokus auf die Anwendung im Bereich Data Science“)
• Statistik/Wahrscheinlichkeitstheorie Grundlagen (Abiturniveau)

Inhalte:

Der Kurs ermöglicht den Teilnehmern, welche bereits ein hinreichendes Basiswissen in Python und in der Statistik/Wahrscheinlichkeitstheorie aufweisen, einen breiten Einblick und erste Erfahrungen im Bereich Zeitreihenanalyse zu gewinnen. Es werden grundlegende Konzepte und Methodiken eingeführt, die in anschließenden, praktischen Lektionen auf echte Daten angewandt werden können. Ziel dieses Programms ist es, den Teilnehmern das nötige Werkzeug und eine erste Intuition zu vermitteln, um eine Zeitreihe aufzubereiten, zu analysieren und verschiedene Modelle darauf anwenden zu können. Zusätzlich zu den technischen Inhalten werden Ausblicke und Möglichkeiten zu eigenständigem Weiterlernen vermittelt.

Themen:

• Allgemeine Definition und Einführung von/in Zeitreihen
• Vorstellung grundlegender Modelle für Prognosen
• Allgemeine Einführung in den Prozess des Machine-Learning (Preprocessing, Train/Test Split, Over/Underfitting, Evaluation Metrics, Hyperparameter)
• Zeitreihen-Verarbeitung
• Zeitreihen-Visualisierung
• Einführung in Referenzmethoden
• Einführung in statistische Zeitreihenmethoden
• Einführung in Maching-Learning-Methoden zur Prognose

Methoden:

• Live-Coding
• Projektarbeit
• Aufgaben zur selbstständigen Bearbeitung
• Präsentation

Kosten: 280,- Euro (Studierende 150,- Euro). Für beide Online-Kurse betragen die Kosten zusammen 430,- Euro bzw. für Studierende 280,- Euro.

Zielgruppe: Alle, die Entwicklungen im Unternehmen besser verstehen oder vorhersagen wollen.

Weitere Informationen: https://www.studiumgenerale.uni-mannheim.de/index.php/data-science-und-kuenstliche-intelligenz/

Bitte nutzen Sie den folgenden Link für die Anmeldung und nicht das Anmeldeformular darunter:

https://studiumgenerale.kurso.de/student_portal/course_enrollments/new?course=K3OMsqyj8Z-3vftj9Wzhw1ioNPjReubGkN_0HOTJNb4

Der Beitrag 07. bis 11.11.2022 | UMA | Zeitreihenanalyse in Python mit Fokus auf die Anwendung im Unternehmen erschien zuerst auf dataakademie.de.

Ein Online-Kurs der Universität Mannheim

Termine:
KW 44 (30. Oktober  – 4. November), 4 mal 3 Stunden

Format:
Online Kurs mit praktischen Übungen

Inhalte:

Der Kurs ist eine Einführung in die Grundlagen der Programmiersprache Python, um den Teilnehmer die Arbeit im Bereich Data Science mit Python zu ermöglichen. Es werden keine Kenntnisse, bis auf ein generelles Verständnis von Computern und ein Interesse an der Materie, vorausgesetzt. Der Kurs wird die Grundlagen der Programmiersprache, wie Variablen, Datentypen, for-schleifen und if-Bedingungen, einführen. Danach werden die Library’s Numpy, Pandas und Matplotlib vorgestellt. Am Ende des Kurses ist der Teilnehmer in der Lage einen Datensatz in Python hochzuladen, zu bearbeiten und zu visualisieren. Zusätzlich zu den technischen Inhalten werden Ausblicke und Möglichkeiten zum eigenständigen Weiterlernen gegeben.

Themen:

• Variablen mit Datentypen
• Listen, Arrays etc.
• Logik (if-else Bedingungen etc.)
• Schleifen
• Funktionen
• Packages allgemein
• Numpy
• Pandas
• Matplotlib

 Methoden:

• Live Coding
• Projektarbeit
• Aufgaben zur selbstständigen Bearbeitung
• Präsentation
• Sprechstunde

Kosten: 280,- Euro (Studierende 160,- Euro). Für beide Online-Kurse betragen die Kosten zusammen 430,- Euro bzw. für Studierende 280,- Euro.

Zielgruppe: Alle, die in der Lage sein wollen, sich selbst einen Überblick über Ihre Daten zu verschaffen.

Weitere Informationen: https://www.studiumgenerale.uni-mannheim.de/index.php/data-science-und-kuenstliche-intelligenz/

Bitte nutzen Sie den folgenden Link für die Anmeldung und nicht das Anmeldeformular darunter:

https://studiumgenerale.kurso.de/student_portal/course_enrollments/new?course=K3OMsqyj8Z-3vftj9Wzhw2S2pyLyj_aibF2qLarBqEY

Der Beitrag 30.10. bis 04.11.2022 | UMA | Einführung in Python mit Fokus auf die Anwendung im Bereich Data Science erschien zuerst auf dataakademie.de.