Data Science und Machine Learning
Data Science und Machine Learning
Daten praxisorientiert analysieren
Ob bei Kreditrisiken, Investitionen oder Marktprognosen – in vielen Bereichen wird inzwischen Maschinelles Lernen eingesetzt. Es basiert auf der Analyse großer Datenmengen, die zum Beispiel bei Versicherungen und Banken anfallen. Maschinelles Lernen ist ein Teilgebiet der Disziplin Data Science. Diese beschäftigt sich an der Schnittstelle von Informatik, Mathematik und Statistik damit, wie sich Daten verwalten, speichern, aufbereiten und analysieren lassen. In unserem praxisorienten Modul lernen Sie verschiedene Methoden des Maschinellen Lernens kennen, sowohl konzeptionell als auch softwaregestützt. Sie können simulierte oder reale Datensätze mit Modellen wie Regression, Klassifikation und Clustering analysieren und die Güte von Vorhersagen bestimmen. Aspekte einer vertrauenswürdigen Künstlichen Intelligenz werden ebenso berücksichtigt wie Anforderungen an Datenethik und sichere Datenspeicherung.
Ihr Kompetenzgewinn
Das Modul vermittelt Know-how und Kompetenzen, um ...
Anforderungen an Methoden des maschinellen Lernens zu benennen
die Ideen hinter den Modellen Regression, Klassifikation und Clustering zu verstehen
Modelle des Maschinellen Lernens in R zu trainieren
potentielle Gefahren Maschinellen Lernens zu erkennen
ein trainiertes Modell des Maschinellen Lernens fair und objektiv zu bewerten
Ergebnisse eines Lernmodells sowie dessen Vorhersagen sinnvoll zu interpretieren
Zielgruppe
Angesprochen sind alle, die mit großen Datenmengen arbeiten und diese analysieren möchten, um Vorhersagen über mögliche Trends zu machen oder fundierte Entscheidungen zu treffen.
Das Modul kann als zertifizierte Weiterbildung oder im berufsbegleitenden Studiengang Risikomanagement und Finanzanalyse belegt werden. Das universitäre Zertifikat wird für das Studium voll angerechnet. So können Sie ohne Immatrikulation ins Studium starten!
Data Science und Machine Learning auf einen Blick
Certificate of Advanced Studies (CAS)
25. September 2023 bis 03. März 2024
Berufsbegleitend, internetgestützt. Ein bis zwei kompakte Praxisworkshops am Wochenende
5-8 Stunden pro Woche, 6 Kreditpunkte
Keine
900 EUR plus 120 EUR Gasthörgebühr
Lehrender
Dr. Tino Werner
Deutsches Zentrum für Luft- und Raumfahrt e.V. (DLR),
Carl von Ossietzky Universität Oldenburg
Profil und Arbeitsschwerpunkte
Bleiben Sie gut informiert!
Folgen Sie uns auf LinkedIn, erweitern Sie Ihr Netzwerk und diskutieren Sie mit uns rund um das Thema Risikomanagement:
KI in Versicherungen und Banken nutzen
Ob bei Regionaltarifen in der Kfz-Versicherung, der Kundensegmentierung bei Banken oder der Priorisierung in der Innenrevision – generative Künstliche Intelligenz (KI) und Maschinelles Lernen kommen auch beim finanziellen Risikomanagement verstärkt zum Einsatz. Anhand dieser Beispiele erläutern die Statistik-Experten Prof. Dr. Peter Ruckdeschel und Dr. Tino Werner im Webinar, wie sich Analysen großer Datenmengen nutzen lassen.