Bald schon sind jedes Ding und jeder Mensch irgendwie mit dem Internet verbunden. Das generiert immer mehr Daten. Doch was soll mit all diesen Daten gemacht werden? Wie soll daraus etwas entstehen, das echten Nutzen bietet?<\/p>\n\n\n\n
Hier kommt der Data Scientist oder die Datenwissenschaftlerin ins Spiel. Er oder sie verarbeitet, sortiert und visualisiert die Daten. Daraus ziehen sie R\u00fcckschl\u00fcsse auf Verhalten, Motive oder Verkaufszahlen.<\/p>\n\n\n\n
Um das zu lernen, habe ich das CAS Big Data Analytics<\/strong><\/a> der Hochschule Luzern \u2013 Informatik besucht. Es gibt den Teilnehmenden in einem kompakten Lehrgang grundlegende Kenntnisse zur Verarbeitung von Daten mit. Wie das vor sich geht? Lesen Sie weiter: Ich biete Ihnen hier einen Blick hinter die Kulissen.<\/p>\n\n\n\n Ein \u00dcberblick \u00fcber die Technologien bildet die Grundlage<\/strong><\/p>\n\n\n\n Wer sich neu mit dem Thema Big Data Analytics befasst, kann sich in der enormen Vielzahl von Programmen, Werkzeugen, Technologien und Anbietern schnell verirren. Ohne Grundkenntnisse verliert man rasch den \u00dcberblick. Darum behandeln die Dozierenden im Kurs zuerst die Grundlagen der verschiedenen Technologien.<\/p>\n\n\n\n So habe ich gelernt, warum Cloudtechnologien die Verarbeitung von enormen Datenmassen erst m\u00f6glich gemacht haben. Ich erfuhr, welche Tools wo eingesetzt werden k\u00f6nnen. Oder wie es m\u00f6glich ist, sich in ein paar Minuten in einem Server irgendwo auf der Welt einzumieten. Mit dem neuen Wissen dar\u00fcber, welche Werkzeuge man nutzt, geht\u2019s dann los mit dem Bearbeiten der verschiedenen Daten.<\/p>\n\n\n\n Sind die Daten so aufbereitet, dass man mit ihnen arbeiten kann, lernt man, wie diese mit verschiedenen Methoden visualisiert werden, damit man sie besser versteht. Die Visualisierungen erm\u00f6glichen es, die gew\u00fcnschten Analysen zu erstellen oder Muster aus den Daten zu erkennen. Diese einzelnen Techniken f\u00fcgen sich dann nach und nach zu einer ganzen Big-Data-Plattform zusammen. Damit lassen sich die verschiedenen Arten von Daten aus unterschiedlichen Quellen verarbeiten.<\/p>\n\n\n\n F\u00fcr ein hilfreiches, methodisches Vorgehen haben wir im CAS die CRISP-Methode<\/a> kennen gelernt: Mit ihr l\u00e4sst sich die Herangehensweise an ein Big-Data-Projekt in verschiedene Phasen und Schwergewichte gliedern. Das sieht man in der nachfolgenden Darstellung.<\/p>\n\n\n\n Gut gef\u00fcllter Rucksack mit Tools<\/strong><\/p>\n\n\n\n Diese Grundkenntnisse bilden die Basis, um sich mit einer Big-Data-Plattform zu befassen. Die Dozierenden k\u00f6nnen indes nicht jeden einzelnen Aspekt davon behandeln. Sie sind daher im CAS nicht auf grundlegende Kenntnisse in Mathematik, Statistik oder Algorithmen eingegangen. Auch erfordert jeder individuelle Anwendungsfall eine eigene Analyse: Data-Analystinnen und -Analysten m\u00fcssen die daf\u00fcr ben\u00f6tigten Tools jeweils neu evaluieren. Der Kurs lieferte mir das R\u00fcstzeug dazu. Ich habe nun einen gut gef\u00fcllten Rucksack an neuem Wissen und kann beim Entwurf und bei der Auswahl der Tools mitreden.<\/p>\n\n\n\n Selbststudium w\u00e4hrend und nach dem Lehrgang<\/strong><\/p>\n\n\n\n Nach dem CAS ist vor dem CAS: Die Dozierenden vermitteln den Teilnehmenden einen guten \u00dcberblick, der ihnen hilft, sich im Big-Data-Dschungel zurechtzufinden. Wer sich in ein Thema vertiefen m\u00f6chte, sollte eine Programmiersprache wie Python<\/a>, R<\/a>, SQL<\/a> oder Scala<\/a> erlenen.<\/p>\n\n\n\n Der Kurs vermittelt einen guten \u00dcberblick, der einem hilft, sich im Big-Data-Dschungel zurechtzufinden.<\/p>\n<\/blockquote>\n\n\n\n Eine gute M\u00f6glichkeit dazu bieten Online-Lernplattformen wie zum Beispiel Udemy<\/a>. Dort bekommt man gegen eine kleine Geb\u00fchr Zugriff auf ein komplettes Selbststudium mit Videoanleitung, Codebeispielen, Software, weiterf\u00fchrenden Links und Support. Die Kurse sind so aufgebaut, dass man die Theorie danach gleich in der Praxis ausprobiert. Sie f\u00fchren Schritt f\u00fcr Schritt durch die Codebeispiele und vermitteln ein besseres Verst\u00e4ndnis f\u00fcr die Thematik. Ich habe mir auf diese Weise zum Beispiel vertiefte Kenntnisse in Machine Learning<\/a>, Python<\/a> und R-Studio <\/a>erarbeitet.<\/p>\n\n\n\n Immer am Ball bleiben und lebenslang lernen<\/strong><\/p>\n\n\n\n Das CAS Big Data Analysis gibt den Teilnehmenden einen guten Einblick in die Themengebiete und die komplexen Architekturen, die f\u00fcr die Arbeit mit Big Data ben\u00f6tigt werden. Es ist hilfreich, wenn die Teilnehmenden ein gewisses technisches Verst\u00e4ndnis daf\u00fcr mitbringen. Auch ist es n\u00fctzlich, wenn sie die Basistechniken von Programmiertools und Programmiersprachen beherrschen. Ausserdem sind eine gewisse Neugierde und wenig Ber\u00fchrungs\u00e4ngste vor Technologie und Analytik von Vorteil.<\/p>\n\n\n\n Eine gewisse Neugierde und wenig Ber\u00fchrungs\u00e4ngste vor Technologie und Analytik sind von Vorteil.<\/p>\n<\/blockquote>\n\n\n\n In der schnelllebigen Welt der Datenverarbeitung hat man aber nie ausgelernt. Es gilt, immer am Ball zu bleiben und fortlaufend dazuzulernen. Dazu hilft es, regelm\u00e4ssig die g\u00e4ngigen Newsportale zu konsultieren. Ich informiere mich beispielsweise gerne bei KDnuggets<\/a> und halte mich so auf dem Laufenden.<\/p>\n\n\n\n An unsere Leserinnen und Leser:<\/em><\/strong> Wie halten Sie sich beruflich auf dem Laufenden? Bilden Sie sich online weiter, und was empfehlen sie dabei? <\/em><\/p>\n\n\n\n Ver\u00f6ffentlicht am 25.1.2021<\/p>\n\n\n Blickt hinter die Kulissen<\/strong>: Ueli Schweizer<\/a> ist Productmanager Digital Products bei der Thermoplan AG<\/a> in Weggis. Mit seinem Team verbindet er weltweit Kaffeemaschinen mit der Cloud. Das Know-how, das er sich an der Hochschule Luzern im CAS Big Data Analytics<\/a> erworben hat, hilft ihm bei seiner Arbeit, Daten effizienter zu verarbeiten, besser zu verstehen und zu nutzen. Er hat das CAS 2020 besucht und bloggte damals f\u00fcr unseren Weiterbildungs-Blog<\/a> aus dem Unterricht heraus.<\/p>\n Weiterkommen mit Weiterbildung: <\/strong>Das CAS Big Data Analytics<\/a> vermittelt Ihnen praxisbezogen die wesentlichen Aspekte von Big Data und Analytics. Lernen Sie, wie Sie nahezu in Erkenntnisse aus strukturierten und unstrukturierten, internen und externen Datenbest\u00e4nden gewinnen und die richtigen Schl\u00fcsse ziehen.<\/p>\n Im Fachkurs Big Data im Gesundheitswesen<\/a> lernen Sie, mit Big-Data-Technologien historische Daten als Entscheidungsgrundlagen zu analysieren und Tarife objektiv festzulegen<\/p>\n N\u00e4chste Info-Veranstaltung<\/strong>: Die n\u00e4chste Online-Information<\/a> \u00fcber die Weiterbildungsangebote des Informatikdepartements der Hochschule Luzern findet am 3. Februar um 18 Uhr statt. Dabei erhalten Sie auch weitere Informationen zum CAS Big Data Analytics <\/strong><\/a>.<\/strong><\/p>\n Gef\u00e4llt Ihnen unser Informatik-Blog?<\/strong> Hier erhalten Sie Tipps und lesen \u00fcber Trends aus der Welt der Informatik. Wir bieten Einsichten in unser Departement und Portr\u00e4ts von IT-Vordenkerinnen, Vision\u00e4ren und spannenden Menschen: Abonnieren Sie jetzt unseren Blog<\/a>!<\/p>\n Im Weiterbildungs-Blog st\u00f6bern<\/strong>: Was lernen unsere CAS-Teilnehmenden? Was machen sie beruflich? In unserem Weiterbildungs-Blo<\/a>g erfahren Sie mehr. Hier bloggen aktuelle CAS-Teilnehmende aus ihren Weiterbildungsprogrammen heraus. Wir unterst\u00fctzen und f\u00f6rdern<\/a> die Bloggenden aktiv in diesem Qualifikationsschritt.<\/p>\n\t\t<\/div>\n\t<\/div>\n<\/div>\n","protected":false},"excerpt":{"rendered":" Werfen Sie einen Blick hinter die Kulissen des CAS Big Data Analytics: Ein Teilnehmer berichtet, wie ihm der Kurs einen optimalen Einstieg in die Datenwissenschaft bot. <\/p>\n","protected":false},"author":21,"featured_media":11185,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"_relevanssi_hide_post":"","_relevanssi_hide_content":"","_relevanssi_pin_for_all":"","_relevanssi_pin_keywords":"","_relevanssi_unpin_keywords":"","_relevanssi_related_keywords":"","_relevanssi_related_include_ids":"","_relevanssi_related_exclude_ids":"","_relevanssi_related_no_append":"","_relevanssi_related_not_related":"","_relevanssi_related_posts":"26450,26275,26420,26236,26222,25888","_relevanssi_noindex_reason":"","footnotes":"","_links_to":"","_links_to_target":""},"categories":[392490,134],"tags":[395766,393028,653433],"class_list":["post-11183","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-science","category-weiterbildung","tag-cloud","tag-data-science","tag-lebenslanges-lernen"],"acf":[],"yoast_head":"\n![\"\"](\"https:\/\/hub.hslu.ch\/informatik\/wp-content\/blogs.dir\/632\/files\/sites\/3\/Bild1.png\")
<\/a>![\"\"](\"https:\/\/hub.hslu.ch\/informatik\/wp-content\/blogs.dir\/632\/files\/sites\/3\/bild2.png\")
<\/a>
<\/figcaption><\/figure>\n\n\n\n\n
![\"\"](\"https:\/\/hub.hslu.ch\/informatik\/wp-content\/blogs.dir\/632\/files\/sites\/3\/Online.png\")
<\/a>\n
![\"\"](\"https:\/\/hub.hslu.ch\/informatik\/wp-content\/blogs.dir\/632\/files\/sites\/3\/Ueli-Schweizer_small-150x150.jpeg\")
<\/a>