Im Modul werden folgende Inhalte vermittelt:

• Zugriff auf strukturierte und unstrukturierte Daten aus Dateien, Datenbanken und Internetquellen
• Datenselektion, -filterung und -bereinigung mit Pandas
• statistischen Verfahren für die Bewertung und Auswahl von Merkmalen, z.B. Entropie, Informationsgewinn, Korrelation, F-Measure, usw.
• Textpreprocessing- und Annotationsverfahren wie Tokenisation, Stemming, Lemmatisierung, PoS­ Tagging in Python
• Unüberwachte Lernverfahren: Clusteringverfahren, Autoencoder, Annomalieerkennung
• überwachten Lernverfahren: Ensemble Learner (Random Forests, Gradient Boosting), SVMs, Neuronale Netze
• Tiefe Neuronale Netze: Architektur, Anwendung für Objekterkennung, Textklassifikation und semantische Analyse.
• Verfahren zur Modellevaluation, wie z.B. Kreuzvalidierung und Metaparameteroptimierung

Nach Abschluss des Moduls können die Teilnehmenden:

• die einzelnen Schritte des Data Mining Prozesses verstehen,
• den Zugang zu verschiedenen Datenquellen (Dateien, Webquellen, Datenbanken) programmieren,
• Verfahren zur Datenbereinigung und Filterung implementieren,
• Verfahren zur Merkmalsselektion und Merkmalsextraktion verstehen, bewerten und in Anwendungen einbinden,
• Machine Learning Verfahren einordnen, verstehen und in Anwendungen einbinden.
• Verfahren für die Evaluation und Metaparameteroptimierung implementieren und anwenden.
• Verfahren für die Visualisierung von Daten und Ergebnissen implementieren und anwenden.
• Grundlegende Konzepte und Algorithmen des Deeplearnings verstehen und im Kontext des Data Minings anwenden.

Für die Teilnahme mit Prüfung (Zertifikat) ist zudem ein abgeschlossenes Hochschulstudium Voraussetzung, das Sie über Ihr Hochschulzeugnis bei der Anmeldung (Upload) nachweisen. Zusätzlich empfehlen wir für einen gewinnbringenden Wissenstransfer auf Ihre berufliche Praxis eine mindestens einjährige Berufserfahrung.

Das Modul kann aber auch als Weiterbildung mit Teilnahmebescheinigung (ohne Prüfung) besucht werden.

Der Workload für dieses Modul beträgt insgesamt 180 Stunden, die sich aus Präsenztagen, Online-Phase und Bearbeitung der Prüfungsleistung zusammesetzt.

Dies entspricht sechs ECTS.

Die Gebühr für das Modul beträgt 1540 Euro und 100 Euro Prüfungsgebühr (optionale Anmeldung nach Modulbeginn).
Verpflegung und Seminarunterlagen sind in den Teilnahmegebühren eingeschlossen. Persönliche Aufenthalts- und Reisekosten sind von den Teilnehmenden selbst zu tragen.

Kosten für Weiterbildung (Entgelte, Reise, Unterkunft) können steuerrechtlich geltend gemacht werden. Weiterhin besteht die Möglichkeit, Bildungsurlaub zu beantragen.

Bei erfolgreichem Abschluss des Moduls mit einer Prüfungsleistung erhalten Sie ein Zertifikat der Hochschule der Medien, das Ihre erworbenen Kompetenzen und ECTS-Punkte bestätigt.

Die erworbenen Kompetenzen können im berufsbegleitenden Masterangebot Data Science (M.Sc.) angerechnet werden. Bei Rückfragen hierzu stehen wir Ihnen gerne unter weiterbildung@hdm-stuttgart.de zur Verfügung.

Weiterhin besteht die Möglichkeit, das Modul als Weiterbildung zu absolvieren und es mit einer Teilnahmebescheinigung (ohne Prüfung und ECTS-Punkte) abzuschließen.