CAS Datenanalyse

Academy
Zürcher Hochschule für Angewandte Wissenschaften ZHAW
Kurzbeschreibung
Das CAS Datenanalyse vermittelt einen Einstieg in das statistische Denken sowie in klassische und neue Konzepte der Datenanalyse. Die Studie... mehr...
Das CAS Datenanalyse vermittelt einen Einstieg in das statistische Denken sowie in klassische und neue Konzepte der Datenanalyse. Die Studierenden lernen in Abhängigkeit der fachlichen Fragestellung (business understanding) und der Art der Daten (Datentyp) Vorgehensweisen und Methoden kennen, um nützliche Erkenntnisse aus den Daten zu extrahieren. Folgende Fragestellungen stehen im Zentrum des CAS Datenanalyse: Wie können Daten beschrieben und dargestellt werden? Welche Informationen sind in den Daten enthalten, wie werden diese sichtbar gemacht und welche Schlüsse können daraus gezogen werden? Wie und welche Daten sollen erhoben werden? Das CAS Datenanalyse ist Bestandteil des DAS Data Science und des MAS Data Science. Interesse? Besuchen Sie unsere Infoveranstaltung ­ weniger
Kursort
Winterthur
Kursart
Certificate of Advanced Studies
Fachbereiche

Informatik, Data Science, Business Intelligence

Dieser Kurs ist neu hier. 0 User folgen diesem Kurs und erhalten Bescheid, wenn es Neues gibt - Kurs jetzt folgen.

Du hast den Kurs besucht? Kurs jetzt bewerten.

Hier kannst du der Eggheads Community deine Fragen zu diesem Kurs stellen. Auch Kursleiter können mitdiskutieren.


Frage stellen

Du must angemeldet sein um zu antworten

Kursinhalt

Modul A "Statistische Grundlagen der Datenanalyse"

Lernziele

  • Sie können Daten geeignet beschreiben und grafisch darstellen (mit R)
  • Sie erkennen missbräuchliche Anwendungen von grafischen Darstellungen.
  • Sie können mit einfachen statistischen Modellen umgehen.
  • Sie kennen die statistischen Konzepte der Schätzung, des Hypothesentests sowie des Vertrauensintervalls und können sie in der Praxis anwenden (mit R)
  • Sie sind vertraut mit dem Simpson-Paradoxon.

Inhalte

  • Einführung in das zu verwendende Statistikprogram (R mit R-Studio)
  • Datentypen, Verteilung und Kennzahlen
  • Datenvisualisierung
  • Do’s and dont’s der grafischen Darstellung von Daten
  • Statistisches Modell versus Daten
  • Zufallsvariable
  • Schliessende Statistik (Schätzen, Vertrauensintervall, Testen) bei Zähldaten (Poisson- und Binomial-Modell) und bei metrischen Daten (Normalverteilung)
  • zentraler Grenzwertsatz.

Modul B "Multiple Regression und Prognose"

Lernziele

  • Sie können das multiple lineare Regressionsmodell zur Analyse von metrischen Daten (z.B. Messdaten) und zur Prognose einsetzen.
  • Sie können beurteilen, ob das Regressionsmodell zu den Daten passt (Residuen-Analyse).
  • Sie können ein Regressionsmodell Daten gestützt entwickeln.
  • Sie kennen die Eigenheiten von Zeitreihen.
  • Sie können Zeitreihen in ihre Bestandteile zerlegen.
  • Sie können exponentielle Glätter für die Prognose einsetzen und Prognoseunsicherheiten bestimmen.

Inhalte

  • Multiple lineare Regression
  • Modellvielfalt
  • Schätzung der Parameter, Hypothesentest und Vertrauensintervalle
  • Prognose und Prognose-Bereiche, Residuen-Analyse, Variablenselektion, Kreuzvalidierung und Modellbaustrategien
  • Interpretation, Transformationen
  • Was sind Zeitreihen?
  • STL-Zerlegung
  • Autokorrelation
  • Zeitliche Prognosen mit exponentieller Glättung
  • AR-Prozess

Modul C "Clustering und Klassifikation"

Lernziele

  • Sie können gängige Methoden zur Strukturentdeckung in Daten anwenden
  • Sie können einem Objekt mit einer Auswahl von Klassifikationsverfahren Daten gestützt seine Klassenzugehörigkeit ermitteln
  • Sie können die Performance bei einem gegebenen Datensatz ermitteln

Inhalte

  • Hierarchische Cluster-Verfahren
  • Heatmap
  • Klassifikationsbaum
  • Bootstrapping
  • Random Forest
  • Beurteilung eines Klassifikators (Fehlerrate, Sensitivität, Spezifität, etc.)
Kursziele

Die Absolventinnen und Absolventen des CAS Datenanalyse

  • können Daten geeignet beschreiben und grafisch darstellen,
  • kennen die statistischen Konzepte der Schätzung, des Hypothesentests sowie Vertrauensintervalls,
  • können statistische Modelle zur Analyse von Daten einsetzen (unter anderem das Poisson-Modell für Zähldaten und das multiple lineare Regressionsmodell für kontinuierliche Daten),
  • können beurteilen, ob Daten zu einem statistischen Modell passen (Residuen-Analyse),
  • können multiple lineare Regressionsmodelle und exponentielle Glätter für die Prognose einsetzen und Prognoseunsicherheiten bestimmen,
  • kennen Methoden zur Strukturentdeckung in Daten, Kriterien zur Klassifizierung und Klassifikationsverfahren.
Zielpublikum

Das CAS Datenanalyse richtet sich an Personen, die

  • Unternehmensdaten oder öffentliche Daten bearbeiten (z.B. AnalytikerInnen),
  • datengestützte Entscheidungsgrundlagen (Erstellen von Berichten und/oder statistischen Modellen) liefern müssen,
  • Produktions- oder Betriebsprozesse überwachen und regeln,
  • Kundendaten auswerten.
Anforderungen

Die Zulassung zu einem CAS setzt grundsätzlich einen Hochschulabschluss (Fachhochschule, HTL, HWV, Uni, ETH) voraus. Es können aber auch Praktikerinnen und Praktiker mit vergleichbarer beruflicher Kompetenz zugelassen werden, wenn sich die Befähigung zur Teilnahme aus einem anderen Nachweis ergibt.

Grundkenntnisse der Programmierung in einer beliebigen Programmiersprache und Affinität zu Datenbanken und zur Datenanalyse sind von Vorteil.

Methodik

Vorlesungen, praxisorientierte Übungen und Fallbeispiele, Gruppenarbeiten und Selbststudium (Vor- und Nachbereitung)

Kurssprache
Deutsch
ECTS-Punkte
15
Kursgebühr
Fr. 5'900.00

Du bietest diesen Kurs an? Dann beanspruche ihn.