Data Science
| Sprache: | Englisch |
| Ort: | Garching bei München, Remote |
| Dauer: | 6 Tage in 4 Wochen |
| Start: | 21.06.2024 |
| Kosten: | 3.500 € |
Angesichts des explosionsartigen Wachstums digitaler Daten weltweit ist die Fähigkeit, aus diesen Daten Erkenntnisse zu gewinnen und strategische Entscheidungen zu treffen, für Unternehmen und Organisationen von entscheidender Bedeutung. Während 2018 das Volumen weltweit erzeugter digitaler Daten noch 33 Zettabyte betrug, lag die Zahl 2023 schon bei 126* und soll bis 2027 auf 284* Zettabyte ansteigen. Gut ausgebildete Data Scientists spielen dabei eine zentrale Rolle.
Unser Zertifikatsprogramm bietet eine einzigartige Gelegenheit, sich in moderne computergestützte Methoden zur Analyse, Vorhersage und Visualisierung von Daten einzuarbeiten. Entwickelt in enger Zusammenarbeit mit renommierten Professor:innen der Fakultät für Mathematik der TUM und Expertinnen aus der Praxis, bietet unser Programm ein umfassendes Curriculum, das theoretisches Wissen mit praktischer Anwendung verbindet. Mit einem starken Fokus auf aktuelle Forschungsergebnisse und praxisnahe Herausforderungen sind unsere Lernziele darauf ausgerichtet, Ihnen die notwendigen Kompetenzen zu vermitteln, um in der schnelllebigen Welt der Datenanalyse erfolgreich zu sein.
*Quelle: Statista 2024/IDC: https://t1p.de/cun7
Wichtige Infos
Vorteile
-
Aufbau wettbewerbsrelevanter Kernkompetenzen
Unser Programm stattet Sie mit wettbewerbsrelevanter Kernkompetenzen für datengetriebene Branchen aus – von der Entwicklung fundierter Methodenkompetenzen bis hin zu einem umfangreichen Verständnis statistischer Grundlagen.
-
Kooperation mit Fachexpert:innen
Das Programm wurde in enger Zusammenarbeit mit Professor:innen der Fakultät für Mathematik der TUM entwickelt, einem der europaweit führenden Institute an der Schnittstelle von Mathematik und ihren Anwendungen. Sie lernen von erstklassigen Fachexpert:innen.
-
Blended Learning Format
In einer hybriden Lernumgebung können Sie sich vor Ort branchenübergreifend austauschen und vernetzen und haben außerdem die Vorteile von Online-Sessions wie Flexibilität.
Programmüberblick
Finden Sie hier alle wichtigen Informationen zu dem Zertifikatsprogramm. Welche Ziele das Programm verfolgt, die genauen Details zum Ablauf, was Sie lernen und welche Dozent:innen Ihnen die Inhalte vermitteln werden, erfahren Sie nachfolgend.
Ziele des Zertifikatskurses
Das Zertifikatsprogramm “Data Science” ist darauf ausgerichtet, Ihnen ein fundiertes Verständnis moderner computergestützter Methoden zur Analyse, Vorhersage und Visualisierung von Daten zu vermitteln. Durch eine Kombination aus theoretischen Konzepten und praktischer Anwendung erlernen Sie grundlegende statistische Prinzipien, breit einsetzbare statistische Methoden, moderne Vorhersagemethoden aus dem maschinellen Lernen sowie Optimierungs- und Randomisierungswerkzeuge. Das Programm zielt darauf ab, Ihnen die Fähigkeiten zu vermitteln, große datenanalytische Probleme zu lösen und fundierte Entscheidungen auf der Grundlage von Daten zu treffen.
Details
| Programm: | Data Science |
| Abschluss: | Nach erfolgreicher Abschlussprüfung erhalten die Teilnehmenden ein Zertifikat der Technischen Universität München. |
| Akademische Verantwortung: | Prof. Dr. Matthias Scherer, Chair of Risk and Insurance, TUM Prof. Dr. Mathias Drton, Chair of Mathematical Statistics, TUM |
| Zielgruppe: | Fachexpert:innen, die ihr Fachwissen im Bereich Data Science ausbauen oder vertiefen möchten, z. B. weil sie derzeit eine Position als Data Scientist/Analyst in der Beratung, im Finanz-, Versicherungs- oder Technologiesektor innehaben oder anstreben. |
| Teilnahmegebühren: | 3.500 Euro* |
| Sprache: | Englisch |
| Rabatte: | 10% Rabatt für TUM Alumni. Für Mathematik-Promovierende an der TUM gelten andere Bedingungen. |
| Termine: | 21.-22.06.2024 + 05.-06.07.2024 + 19.-20.07.2024 |
| Studienort: | München bei Garching & Online |
| Format & Zeitplanung: | Berufsbegleitend, Präsenz & digital, 6 Tage in 4 Wochen |
| Zugangsvoraussetzungen: | Teilnehmende sollten über eine fundierte Ausbildung in Mathematik, Informatik oder einem eng verwandten Bereich verfügen. |
* Unserer Erfahrung nach helfen Steuervergünstigungen in Deutschland vielen unserer Programmteilnehmenden, ihre Ausbildung zu finanzieren, da diese bis zu 50% der Studiengebühren und programmbezogenen Reisekosten in der Steuererklärung angeben können. Bitte sprechen Sie mit Ihrer Steuerberatung für eine Einschätzung Ihrer Situation. Für Teilnehmende unserer Programme, die ihren Wohnsitz außerhalb Deutschlands haben, kann dies ebenfalls zutreffen, bitte klären Sie die Situation mit den lokalen Steuerbehörden.
Dozierende
| Prof. Ph.D. Claudia Czado, Chair of Applied Mathematical Statistics/ MDSI, TUM | Prof. Dr. Mathias Drton, Chair of Mathematical Statistics/ MDSI, TUM |
| Dr. Stephan Haug, Chair of Mathematical Statistics, TUM | Prof. Dr. Blanka Horvath, Chair of Mathematical Finance/ MDSI, TUM |
| Prof. Dr. Oliver Junge, Chair of Numerics of Complex Systems, TUM | Prof. Dr. Felix Krahmer, Chair of Applied Numerical Analysis/ MDSI, TUM |
| Prof. Dr. Christina Kuttler, Chair of Mathematics in Life Sciences, TUM | Cláudio Mayrink Verdun, Chair of Applied Numerical Analysis, TUM |
| Prof. Dr. Matthias Scherer, Chair of Risk and Insurance, TUM | Prof. Dr. Elisabeth Ullmann, Chair of Scientific Computing and Uncertainty Quantification, TUM |
| Prof. Dr. Michael M. Wolf, Chair of Mathematical Physics, TUM |
Aufbau
Modul 1: Computing with Data
- An introduction to R, R Studio, and tidyverse
- Data management
- Data visualization
- Creating reports with markdown toolsR interfaces with other languages (julia, python)
Modul 2: Statistical Foundations of Data Science
- Designing experiments and modeling data
- Linear regression
- Likelihood and Bayesian inference
- High-dimensional regression
Modul 3: Teil I: Basics of Supervised Learning
- Generative and discriminative approaches to classification and regression
- Logistic regression
- Generalized linear models
- Classification with logistic regression and discriminant analysis
Modul 3: Teil II: Basics of Unsupervised Learning
- Unsupervised Learning
- Clustering with k-means/k-medians, mixture models, stochastic block/ball models
- Dimension reduction with PCA/SVD
- Manifold Learning
- Autoencoders
Modul 4, Teil I: Predictive Approaches in ML
Kernel methods:
- support vector machines,
- Gaussian processes
- Decision trees
Ensemble methods:
- boosting and random forests
Modul 4, Teil II: Predictive Approaches in ML
Neural networks and deep learning:
- Training neural nets
- Approximation theory
- Network architectures
Reinforcement learning:
- Markov decision processes
- deep RL
Modul 5: Optimization and Randomization for Large-Scale Data Analysis
- Non-linear optimization
- Convex optimization
- Stochastic gradient methods
- Randomization and sketching
Modul 6: Case Studies & Final Exam
Presentation of case studies that exemplify applications in selected areas:
- Financial and Actuarial Math
- Examples from TUM Data Innovation Lab
- BioTech.
Assessment of your participation in the program in a pass/fail exam
Partner
Das Programm wurde in Zusammenarbeit mit der Fakultät für Mathematik der Technischen Universität München erstellt.
Ihre Ansprechperson
Anja Branković
Program Manager
Telefon: +49 (89) 289 – 28479
E-Mail: datascience@lll.tum.de
Weitere Programme, die sie auch interessieren könnten
Master in Vocational Education and Innovation
Der berufsbegleitende Master-Studiengang “Vocational Education and Innovation” (M.Sc.) ist ein Blended-Learning-Studiengang für internationale Fachkräfte im Bereich der beruflichen Bildung (VET). Nach erfolgreichem Studienabschluss sind Sie bestens für ein breites Aufgabenspektrum bei der Gestaltung von Veränderungen und der Einführung von Innovationen gerüstet.
Mehr lesen
Responsible Leadership in the Age of Disruptive Technologies
Sie erwerben ein grundlegendes technisches Verständnis und lernen, technologische Innovationen und deren Auswirkungen auf Geschäftsmodelle einzuordnen sowie über Governance und Ethik – Komponenten des Social Leaderships – nachzudenken. Das Zertifikatsprogramm bietet Ihnen dafür Einblicke in eine Vielzahl neuer Technologien wie Künstliche Intelligenz, Space Economy und Quantencomputing.
Mehr lesen
Lernen objekt-orientierter Programmierung
urch praxisnahe Übungen und interaktive Lernmethoden werden Sie in die Grundlagen objektorientierter Programmierung und einfacher Algorithmen eingeführt. Unter anderem lernen Sie, wie man kleine Programme in der Programmiersprache Java schreibt.
Mehr lesen
