Lernziele

Am Anfang des Curriculums stehen solide Grundlagen im Bereich Wahrscheinlichkeitsrechnung und Statistik sowie wichtige Grundprinzipien der Datenanalyse. Darauf aufbauend folgen Methoden und Techniken zur Datenaufbereitung und Extraktion, um aus unstrukturierten Rohdaten und unterschiedlichen Datenquellen handlungsleitende Erkenntnisse gewinnen zu können. Durch ergänzende Lektionen zur Visualisierung von Daten werden die Studierenden in die Lage versetzt, ihre Auswertungen überzeugend präsentieren zu können. Und natürlich darf Machine Learning als vielseitiges Werkzeug nicht fehlen, wenn es darum geht, Strukturen und Muster in Datensätzen zu erkennen und sinnvolle Vorhersagen abzuleiten.
Durch die wiederholte Anwendung der theoretischen Kenntnisse im Rahmen von Praxisprojekten werden die Studierenden in die Lage versetzt, sich eine umfassende Expertise und Praxiserfahrung aufzubauen und ihre Fähigkeit zu demonstrieren, komplexe Herausforderungen erfolgreich zu bewältigen.