Datenanalyst:in (HfWU Akademie)
Das Zertifikat Datenanalyst:in (HfWU Akademie) erlangst Du bereits nach der Belegung eines einzelnen Moduls – dem Modul Data Modelling for AI.
Inhaltlich verbindet das Modul Python Programming und Advanced Statistics: Du programmierst datengetriebene Anwendungen mit Python, arbeitest mit Libraries wie pandas, NumPy und scikit-learn und wendest fortgeschrittene statistische Methoden von der Regressions- bis zur Zeitreihenanalyse an.
Für Einzelkurse gelten keine formalen Zulassungsvoraussetzungen. Die Kurse belegst Du gemeinsam mit Studierenden des systemakkreditierten M. Sc. AI & Data Science.
Nächster Start
Die Termine erscheinen voraussichtlich im Mai 2027.
Qualifikationsziele des Kurses
- Fähigkeit, Datenstrukturen, Algorithmen und objektorientierte Konzepte zur Modellierung von Daten zu nutzen
- Anwendung von Python für die Vorverarbeitung, Analyse und Visualisierung von Daten im Kontext von KI- und ML-Anwendungen
- Fähigkeit, fortgeschrittene statistische Konzepte und Methoden in der Datenanalyse und im Kontext von KI-Modellen anzuwenden
- Verständnis und Anwendung multivariater Verfahren zur Beschreibung, Modellierung und Prognose komplexer Datenbeziehungen
- Kompetenz, Unsicherheiten zu quantifizieren und statistische Aussagen valide zu interpretieren
- Entwicklung eines fundierten Verständnisses für die statistische Fundierung von Machine-Learning-Methoden
6 ECTS · 150 Stunden Workload · Deutsch
Prüfungsleistung: Studienarbeit (100 %)
Kursinhalte
Python Programming
- Einführung in Python (IDEs, Syntax, Datentypen)
- Kontrollstrukturen, Funktionen, Listen, Dictionaries, Sets
- File I/O, reguläre Ausdrücke, JSON, APIs
- Objektorientiertes Programmieren in Python
- Einführung in NumPy und Pandas für Datenmanipulation
- Nutzung von Scikit-learn für erste Modellversuche (Regression, Klassifikation)
- Integration in ML/AI-Pipelines
- Best Practices: Coding Style, Reproduzierbarkeit, Dokumentation
- Datenvisualisierung (z. B. mit plotly dash)
Advanced Statistics
- Statistik mit Python (Basics, Libraries, Frameworks)
- Inferenzstatistik: Punkt- und Intervallschätzung, statistische Hypothesentests
- Lineare Regressionsanalyse: einfache und multiple Regression, logistische Regression, Diagnostik
- Zeitreihenanalyse: Visualisierung, Komponentenmodelle, Stationarität, ARIMA
- Validierung und Modellbewertung
- Prognose
Tools & Frameworks
NumPy, SciPy, statsmodels, Scikit-learn
Dozenten
Professor für betriebliche Informationssysteme & Digitalisierung
- Promotion im Bereich KI (Predictive Maintenance)
- Projekterfahrung im Bereich Softwareentwicklung, Data Science und KI
Professor für Quantitative Methoden in der Betriebswirtschaft
- Experte für Big Data und Predictive Analytics
- Langjährige Consultingerfahrung im Bereich CRM und Marketing Analytics
Kosten & Bedingungen
Ein Einzelzertifikat umfasst ein Kursmodul und dauert ein Semester. Du entscheidest selbst, ob Du mit oder ohne Prüfung teilnimmst.
Tippe auf eine Karte, dann siehst Du alle Details.
- Teilnahme am Kursmodul mit Abschlussprüfung
- Zertifikat mit Abschlusstitel nach bestandener Prüfung
- Bestandene Module lassen sich zu einem Diploma oder dem MBA aufbauen
Dauer
1 Semester
- Teilnahme am Kursmodul ohne Abschlussprüfung
- Du bekommst eine Teilnahmebescheinigung, aber kein Zertifikat mit Abschlusstitel
- Aufbau zu einem Diploma oder dem MBA nur mit bestandener Prüfung
Dauer
1 Semester
Online-Infoveranstaltungen
Live Session (Direktbeitritt)Wir bieten regelmäßig Online-Infoveranstaltungen an, bei denen wir detaillierte Informationen über unsere Masterstudiengänge & Weiterbildungen präsentieren. Dabei geht unser Studienprogrammleiter Prof. Dr. Stefan Detscher auch gerne auf Deine individuellen Fragen ein.
Nächste Termine: Kostenfreie AnmeldungDas sagen Studierende der Digital Business School
Stimmen aus den Bewertungen auf StudyCheck.
-
Der Praxisbezug im Studium ist wirklich stark – die Inhalte lassen sich direkt mit dem Berufsalltag verknüpfen, was das Lernen deutlich greifbarer macht. Besonders positiv fällt die Betreuung auf: Die Dozierenden haben selbst studiert und wissen genau, wovon sie sprechen. Der Umgang ist sehr persönlich, man ist keine Nummer unter vielen.
Kea Bewertung auf StudyCheck -
Ein praxisnaher Studiengang mit spannenden KI-Projekten und hoher Relevanz für die digitale Arbeitswelt. Das flexible Studiendesign ermöglicht es, individuelle Schwerpunkte zu setzen und sich gezielt in den Themen weiterzuentwickeln, die einen wirklich interessieren.
Julia Bewertung auf StudyCheck -
Ich habe an der Business School bereits mehrere Studiengänge beziehungsweise Vorlesungen besucht und bin rundum begeistert. Besonders hervorheben möchte ich die Dozentinnen und Dozenten, die die Inhalte nicht nur fachlich kompetent, sondern auch verständlich, praxisnah und engagiert vermitteln. Auch die Organisation ist hervorragend. Die Abläufe sind klar strukturiert, die Inhalte gut aufbereitet und es gibt jederzeit die Möglichkeit, Feedback zu geben. Besonders wertvoll finde ich den starken Praxisbezug...
Bastian Bewertung auf StudyCheck -
Das Programm bietet die Möglichkeit, Inhalte individuell auf die eigenen Interessen zuzuschneiden. Dank der Flexibilität lässt sich das Studium auch bei paralleler Berufstätigkeit optimal integrieren. Ein weiterer Vorteil ist der hohe Praxisbezug, da man aktuelle berufliche Themen direkt in die Vorlesung einfließen lassen kann.
Philipp Bewertung auf StudyCheck -
Weitere Bewertungen auf StudyCheck
Zu den Bewertungen
Trage dich in das Kontaktformular ein, um Infomaterial per E-Mail zu erhalten.
AnsprechpartnerInnen




