Das DAS „Methods and Architectures“ richtet sich an Fachkräfte mit BWL- und /oder IT-Hintergrund, die einen tieferen Einblick in die Planung, den Aufbau und die Anwendung einer Data Science Architektur erhalten möchten. Teilnehmende erlernen im Rahmen des DAS die notwendigen methodischen und technischen Grundlagen, um komplexe organisatorische, methodische und technische Fragestellungen selbständig bearbeiten, bzw. die Umsetzung durch Data-Science-Spezialisten unterstützen, beurteilen und nutzen zu können.

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

Voraussetzung für die Teilnahme an den Modulen „Data-Warehouse-Workshop“ und „Python for Data Science“ sind die Kenntnisse aus den Modulen“ Introduction to Business Analytics“, „Introduction to Data Science“ und „Applied Statistics“.

Von Vorteil ist darüber hinaus etwas Erfahrung im Umgang mit einem Business-Intelligence-Werkzeug, aber nicht Voraussetzung

• Jedes DAS besteht aus fünf Weiterbildungsmodulen mit einem Umfang von je 2-3 Monaten (6 ECTS pro Modul).
• Jedes Modul ist nach dem Blended-Learning-Konzept aufgebaut und umfasst 2-3 Präsenztage sowie eine mehrwöchige Projektarbeitsphase. Diese finden über das Jahr verteilt freitags und/oder samstags ganztägig auf dem Campus der Hochschule in Stuttgart-Vaihingen statt.
• Während der Projektarbeitsphase nutzen Sie die Lernplattform Moodle.
• Jedes Modul schließt nach den 2-3 Monaten mit einer Prüfungsleistung ab.

• Im Modul Introduction to Business Analytics eignen Sie sich zunächst Kenntnisse über die Architektur von Data-Warehouse-Systemen sowie den Extraktions-, Transformations- und Lade-Prozessen im Data Warehouse an. Danach erstellen wir auf einer Business-Analytics-Plattform ein durchgängiges, betriebswirtschaftliches Anwendungsszenario, das einen Datenfluss vom Quellsystem über das Data Warehouse bis zum Endanwender abbildet.
• Das Modul Introduction to Data Science basiert auf dem Knowledge-Discovery-Prozess im Data Science, der vom Business Understanding über die Datenmodellierung bis hin zur konkreten Anwendung der erzeugten Methoden der Künstlichen Intelligenz führt. Daher ist ein Verständnis für die Unterschiede zwischen einem Business-Analytics-Prozess und einem Data-Science-Prozess zwingend notwendig. Aus einer gängigen Data-Science-Software werden Methoden des Maschinellen Lernens anhand von praktischen Beispielen vermittelt.
• Im Modul Applied Statistics bekommen Sie anhand praxisrelevanter Fallstudien moderne statistische Methoden für die Aufbereitung, Analyse, Visualisierung und Modellierung komplexer Daten vermittelt. Inhaltliche Schwerpunkte sind neben der Regression und Klassifikation die explorative Datenanalyse, das Feature Engineering sowie die systematische Feature-Auswahl. Die Implementierung der Methoden erfolgt mit Hilfe der Programmiersprache Python und den populären Data Science-Bibliotheken Scikit-learn, Pandas und Seaborn, deren Grundlagen ebenfalls in diesem Modul behandelt werden.
• Das Modul Data-Warehouse-Workshop vertieft die Grundlagen aus dem Modul „Introduction to Business Analytics“. Anhand von praktischen Case Studies bauen Sie schrittweise ein Data Warehouse auf. Wir nutzen als Plattform die SAP Data Warehouse Cloud und SAP Analytics Cloud, da sowohl Systemarchitektur, Modellierungsaspekte und Reportingstrategien sehr anschaulich vermittelt werden können. Zudem ist die SAP-Plattform sehr weit verbreitet und ein wichtiger Baustein in unternehmensweiten Systemarchitekturen.
• Das Modul Python for Data Science behandelt die Konzepte und Funktionsweisen der Programmiersprache Python. Dabei stehen Pythonmodule im Vordergrund, die im Data Science ihre Anwendung finden. Moderne Skriptsprachen dienen nicht nur zur Extraktion und Transformation von Daten durch Fachanwender, sondern beinhalten mächtige Software-Pakete zur Visualisierung und Analyse von Daten. Methoden der Künstlichen Intelligence können einfach genutzt und in Self-Service Anwendungen integriert werden.

• Sie haben die Möglichkeit, Ihren Einstieg flexibel zu gestalten und sich Ihre Weiterbildungsdauer zeitlich individuell zu gestalten. Sie können mit jedem der drei definierten Module starten und die Module nacheinander oder parallel belegen.
• Die Buchung, Zulassung und Bezahlung erfolgt pro Modul über die jeweilige Modulseite und ist unterjährig möglich. Die Platzvergabe richtet sich nach dem Eingang der Buchung. Bitte bewerben Sie sich online mit allen erforderlichen Unterlagen (Kontaktdaten, Nachweis erstes Hochschulstudium).
• Nach erfolgreicher Zulassung erhalten Sie pro Modul einen Zulassungs- und Gebührenbescheid an die angegebene Adresse. Die Gebühren sind modulweise vor Start zu begleichen.
• Die Module werden regelmäßig angeboten, die Termine finden Sie auf dieser Seite. Gerne können Sie sich auch für nächste Termine unverbindlich vormerken und wir informieren Sie, sobald die Modultermine feststehen und das Bewerbungsportal geöffnet ist.

Bei erfolgreichem Abschluss aller Modul mit einer Prüfungsleistung erhalten Sie pro Modul ein Zertifikat sowie eine Leistungsübersicht, die Ihnen die im Modul erworbenen Kompetenzen und den Erwerb von jeweils 6 ECTS bescheinigen. Die Hochschule der Medien stellt Ihnen auf Anfrage das DAS im jeweiligen Themengebiet (30 ECTS) aus. Eine zusätzliche Prüfungsleistung ist dafür nicht mehr zu absolvieren. Bitte kommen Sie nach Abschluss aller Module unter Vorlage der drei Modulzertifikate auf das Weiterbildungszentrum zu.

Die erworbenen Kompetenzen können bei Vorliegen der hochschulrechtlichen Voraussetzungen im Umfang von 30 ECTS auf unser berufsbegleitendes Masterstudium Data Science an der HdM Stuttgart anerkannt werden.

Unsere Masterstudiengänge:

• Data Science mit Vertiefung Advanced Business Analytics (M. Sc.)
• Data Science mit Vertiefung Methods and Technology (M. Sc.)

Für eine Anrechnung auf Studienangebote anderer Hochschule gelten die Regelungen der jeweiligen Hochschule.