Grundlagen moderner Datennutzung - Data Literacy
Maschinelles Lernen, Big Data und künstliche Intelligenz sind in der medialen Berichterstattung allgegenwärtig. Für fachfremde und nicht-Experten wird es zunehmend schwerer, aktuelle Trends, Technologien und Methoden im Kontext der Digitalisierung einzuordnen und realistisch einzuschätzen, um jüngste Entwicklungen gewinnbringend in ihrem Unternehmen einzusetzen. Als Führungskraft oder Fachexperte ohne Programmierkenntnisse lernen Sie in diesem Seminar die wichtigsten Begriffe und Konzepte moderner Datennutzung und die sich bietenden Möglichkeiten kennen, um Ihre Kolleg:Innen ideal auf aktuelle Entwicklungen vorzubereiten. Darüber hinaus verstehen Sie die zentralen Voraussetzungen, um in der Umsetzung erfolgreich zu sein. Sie profitieren von der umfangreichen Projekterfahrung unserer Dozenten und können auf Wunsch eigene Projektideen diskutieren.
Zielgruppe:
Führungskräfte und Experten aus den Business-Fachabteilungen
Voraussetzung:
Keine technischen Voraussetzungen, z.B. Programmierkenntnisse, erforderlich. Interesse, die neuen Entwicklungen rund um Big Data und künstliche Intelligenz zu verstehen
Ziele/Nutzen des Seminars:
- Sie kennen die wichtigsten Konzepte und Begriffe aus den Bereichen Machine Learning, Big Data und Künstliche Intelligenz.
- Sie können Ankündigungen und Diskussionen zu neuen Technologien fundiert und zielorientiert einordnen.
- Ihnen sind die Voraussetzungen klar, um im eigenen Bereich von den Techniken der modernen Datennutzung zu profitieren.
- Sie durchschauen, welche Voraussetzungen zur modernen Datennutzung durch Digitalisierungsinitiativen geschaffen werden müssen.
- Sie haben das Rüstzeug, um erfolgversprechende Einstiegsprojekte zu identifizieren und die häufigsten Klippen bei deren Umsetzung zu umschiffen.
Inhalte:
- Begriffe zu maschinellem Lernen, künstlicher Intelligenz und Daten
- Überblick über die Rollen und Aufgaben in der modernen Datennutzung
- Mögliche Anwendungen maschinellen Lernens in verschiedenen Gebieten
- Projektlebenszyklus in der Datenwissenschaft
- Voraussetzungen für maschinelles Lernen und Datenwissenschaft
- Übungen