Die neu erlernten Techniken bieten Ihnen viele weitere Möglichkeiten für Ihren persönlichen Nutzen:

• Data Science mit der Analyse eigener Algorithmen,
• Datenvisualisierung mittels selbst programmierter Statistiken,
• Predictive Modelling
• oder eben Spiele.

Python wird zum Instrument Ihrer Kreativität.

Meistern Sie spielerisch das nächste Level dieser universellen und modernen High-Level-Programmiersprache.

• Sie beherrschen die Grundlagen der objektorientierten Programmierung mit Python.
• Sie schreiben eigene Programme im objektorientierten Stil.
• Sie kennen die Bibliothek Pygame zur Spieleprogrammierung.
• Sie nutzen die Module zum Abspielen und Steuern von Grafik und Sound und können damit einfach 2D-Spiele selbst programmieren.

• Seminar Python Basis oder gleichwertige Kenntnisse.
• Bitte bringen Sie Ihr eigenes Notebook mit.

Haben Sie gewusst? Auch bei Google hat alles mit dieser Programmiersprache begonnen. Und auch bei Plattformen wie Instagram, Spotify und Netflix wurde teilweise Python  eingesetzt.

Python ist vielseitig einsetzbar und für alle gängigen Betriebssysteme frei verfügbar. Das macht diese Programmsprache immer beliebter und wichtiger.

• Sie kennen die wichtigsten Programmiergrundlagen.
• Sie sind in der Lage, kleinere Programme in Python zu schreiben.

• Sie benötigen keine Grundkenntnisse.
• Bitte bringen Sie Ihr eigenes Notebook mit.

Dieses Seminar eignet sich für Anfänger*innen, die erste Erfahrungen mit der Programmiersprache Python machen möchten.

• Fundierte Einführung in die Objektorientierte-Programmierung (OOP)
• Verschiedene Programmiersprachen im Vergleich, Einsatzgebiete
• Objekte und Klassen
• Klassendefinitionen
• Objektinteraktion
• Objektsammlungen
• Bibliotheksklassen nutzen
• Klassenentwurf
• Fehler vermeiden
• Struktur durch Vererbung
• Installation und Bedienung der Entwicklungsumgebung Eclipse
• Einsatz der JAVA-Virtual-Machine (JVM), Java-Runtime (JRE) vs. Java- Developer-Kit (JDK)
• Arbeiten mit Java Datentypen
• Operatoren, bedingte Anweisungen und Verzweigungen verwenden
• Arrays anlegen und verwenden
• Schleifen verwenden
• Arbeiten mit Methoden und Datenkapselung
• Ableitung von Klassen (Vererbung)
• Fehlerbehandlung (Exception Handling)

• Sie verstehen den objektorientierten Ansatz in der Programmierung
• Sie können die wichtigsten Java-Sprachkonstrukte in konkreten und praxisnahen Problemstellungen anwenden
• Sie kennen typische Aufgabenstellungen im Software-Engineering und erkennen die Vorteile guter Entwurfsentscheide
• Sie können grössere und komplexere Software-Entwicklungsprojekte konzeptionell sowie in der Umsetzung mittragen
• Ihr Wissen im Rahmen der Zertifikatsvorbereitung zu verfeinern und zu professionalisieren

• Erste Erfahrungen mit einer beliebigen Programmiersprache vereinfachen Ihnen den Einstieg in diesen Studiengang enorm
• Eigenes, gängiges Office-Notebook für den Unterricht vor Ort. Die benötigte Entwicklungsumgebung wird im Unterricht installiert und eingerichtet

Sind Sie eine Informatik-Fachperson mit analytischem Denkvermögen und möchten Sie neue Aufgaben und Verantwortung als Data Scientist übernehmen? Dann ist die Ausbildung Data Science NDK HF ideal für Sie. Sie lernen die Data-Science-Methoden korrekt anzuwenden und wie die Funktionen, Tools und Programmiersprachen für Big-Data-Experten optimal einzusetzen sind. Weitere Lernziele sind das Aufbereiten, die Bereinigung, die Analyse und die Visualisierung von Daten sowie die Auswahl, Anbindung und Kombinierung von Datenquellen. All dies sollten Sie unter Berücksichtigung der Datenschutzrichtlinien erledigen können.

• Einführung (Data Science Grundlagen, Datenschutz)
• Datenanalyse und -visualisierung mit Excel (Datenmodell und DAX, Imports, Measures, Power BI)
• SQL (JOINs, SET, APPLY, Funktionen, Datenmodifizierung, Programmierung, Error Handling und Transaktionen)
• Fundament zur Datenanalyse (Wahrscheinlichkeit und Statistik, Stichproben- und Konfidenzintervalle, Simulation und Hypothesentests, Datenbereinigung und -manipulation)
• Ethische und rechtliche Fragen bei der Datenanalyse
• Programmierung mit R (Datentypen, Kontrollstrukturen, Funktionale Programmierung)
• Einführung in Data Science mit R (Explorative Datenanalyse und Datentransformationen mit tidyverse, Visualisierung mit ggplot2, statistische Modellierung, Machine Learning)
• Die Prinzipien von «Machine Learning» (Klassifizierung, Regression, Modelle verbessern, nichtlineare Modellierung, Clustering)
• Anwendung «Machine Learning» (Zeitreihen und Prognosen, räumliche Datenanalyse, Textanalyse, Bildanalyse)
• Transferarbeiten und Fallstudie

Der Nachdiplomkurs in Data Science ist berufsbegleitend möglich und ohne fachspezifische Grundausbildung zu absolvieren. Allerdings sind ein Flair für Informatik sowie grundlegende Kenntnisse von Datenbanken und IT-Systemen wichtig. Basiswissen in Mathematik (Algebra und Statistik; wir empfehlen als Vorkurs den Mathematik Grundlagen Crash-Kurs), grundlegende Excel-Kenntnisse sowie Englisch-Kenntnisse, Programmiererfahrung sind ebenfalls Voraussetzung. Zudem sollte man logisches und analytisches Denkvermögen mitbringen.

Haben Sie Zweifel, ob diese Ausbildung für Sie richtig ist? Nehmen Sie an einer unserer «Infoveranstaltungen höhere Berufsbildung» an den diversen Standorten des IBAW in der Schweiz teil, um mehr über unseren Nachdiplomkurs in Data Science zu erfahren.

• Sie können die Grundlagen von Algebra (wieder) anwenden.
• Sie können einfache mathematische Funktionen grafisch darstellen und die Grafiken interpretieren.
• Sie verstehen die Grundlagen der Statistik und könne diese anwenden.

• Einfache Algebra («Rechnen mit Buchstaben»)
• Gleichungen aufstellen und lösen, linear und quadratisch
• Potenzen und Logarithmen
• Funktionen mit Kurvendiskussion; Optimierung bzw. Extremalrechnung
• Lineares und exponentielles Wachstum
• Grundlagen der Statistik

Alle, die an einer Auffrischung ihrer Mathematik-Grundkenntnisse interessiert sind.

Basiswissen der Mathematik aus der Sekundarstufe

Nach dem Seminar sollten Sie in der Lage sein, bestehende Datenmodelle zu verstehen und neue Modelle einzuführen. Entsprechend lauten die Lernziele: Sie interpretieren ein vorgegebenes Datenmodell, stimmen sich mit den Nutzer*innen ab, passen Modelle an, implementieren und testen Datenmodelle und dokumentieren die Prozesse rund um die Datenmodellierung. Anforderungen von Kund*innen für Informationen und Informationsbestände nehmen Sie auf und Sie analysieren diese. Sie spezifizieren die Datenhaltung und entwickeln, implementieren und testen ein Datenmodell.

• Bezug zwischen Nutzer*innenbedürfnissen und daraus abgeleiteter Lösung aufzeigen
• Datenmodell anpassen und implementieren
• Daten- und Zugriffsschutz bei der Implementierung berücksichtigen
• Formulare für Datenmanipulation und Datenpräsentation erstellen
• Datenmodell auf korrekte Umsetzung der Benutzerbedürfnisse überprüfen
• Datenmodell dokumentieren und dabei auf Wartbarkeit und Nachvollziehbarkeit achten
• Informationsbedürfnisse und Anforderungen an die Datenhaltung zusammen mit den Kund*innen aufnehmen, analysieren, sowie Schutz- und Sicherheitsbedürfnisse der Daten definieren und dokumentieren
• ER-Diagramme erstellen und fehlende Informationen ermitteln bzw. Redundanzen klären
• Datenmodell vervollständigen
• Datenmodell zusammen mit den Kund*innen überprüfen und allfällige Anpassungen vornehmen
• Für das Datenmodell das erforderliche Datenbankschema erarbeiten, dokumentieren und in einer Testumgebung implementieren
• Testdaten erzeugen und Datenbank testen

Data Science NDK HF