🚀 Bist Du bereit für eine Karriere im Bereich Data? Finde es in nur 60 Sekunden heraus!
🚀 Bist Du bereit für eine Karriere im Bereich Data? Finde es in nur 60 Sekunden heraus!
Data Science ist englisch und bedeutet auf Deutsch übersetzt “Datenwissenschaft”. Es ist ein interdisziplinäres Wissenschaftsfeld.
Damit kann ein Unternehmen anhand Rohdaten von Transformatoren wertvolle Informationen erforschen und analysieren, um Probleme des Unternehmens zu lösen. Die Idee ist es, Methoden zur Aufzeichnung, Speicherung und Analyse von Daten zu schaffen, damit diese als wissenschaftliche Informationsquelle für das Unternehmen genutzt werden können.
Data Science kommt aus dem Englischen und bedeutet auf Deutsch übersetzt “Datenwissenschaft”. Es ist ein interdisziplinäres Wissenschaftsfeld. Damit kann ein Unternehmen anhand Rohdaten von Transformatoren wertvolle Informationen erforschen und analysieren, um Probleme des Unternehmens zu lösen. Die Idee ist es, Methoden zur Aufzeichnung, Speicherung und Analyse von Daten zu schaffen, damit diese als wissenschaftliche Informationsquelle für das Unternehmen genutzt werden können.
Erstens muss man das Problem begrenzen. Dafür muss man sich manchmal mit Bereichen befassen, die von der Datenwissenschaft weit entfernt sind. Du musst neugierig sein und Dir die richtigen Fragen stellen, um Dich so gut wie möglich mit der Problematik vertraut zu machen. Dann brauchst Du Ausdauer. Nimm Dir die Zeit, die Du für die Aufbereitung der Daten benötigst und finde das richtige Team, das kompetent und proaktiv ist. Du musst schnell sein, um das beste Modell in der vorgegebenen Zeit zu liefern und in der Lage zu sein, es auszunutzen. Das Wichtigste, um eine Data-Challenge zu gewinnen, lässt sich in zwei Worten zusammenfassen: Ausdauer und Geduld. Nimm Dir die Zeit für die Vorbereitung der Daten und vergiss die Bereiche außerhalb der Datenwissenschaft nicht, um das Problem besser zu verstehen. Finde ein gutes, kompetentes und proaktives Team. Du wirst auch Schnelligkeit und Tricks brauchen, um in der vorgegebenen Zeit das beste Vorhersagemodell zu entwickeln. Um sich diese bewährten Methoden anzueignen, gibt es nichts Besseres, als unsere Data-Tech-Watch auf LinkedIn, oder uns direkt auf unserem Blog zu folgen! Manchmal ist der einzige Trick: think out of the box!
Um Data Scientist zu werden, brauchst Du bestimmte Voraussetzungen.
Da Datenwissenschaftlerinnen und Datenwissenschaftler mit Zahlen und großen Informationsmengen arbeiten, sollten sie über sehr gute analytische Fähigkeiten verfügen. Kenntnisse in Mathematik, Statistik und Informatik sollten vorhanden sein. Diese können beispielsweise durch einen Bachelor- oder Masterabschluss in einem dieser Bereiche nachgewiesen werden, ist jedoch keinesfalls eine verpflichtende Voraussetzung für einen unserer Kurse. Wissen in Python, SQL und Machine Learning, das unter anderem als Data Scientist notwendig ist, bringen wir in unseren Kursen von Null auf bei. Scheue Dich also nicht, mit uns in Kontakt zu treten.
Mit diesen Grundvoraussetzungen können Data Scientists einen technischen Ansatz entwickeln, um Big Data besser zu verstehen, zu begreifen und zu verwalten.
Um Data Scientist zu werden, gibt es verschiedene Studiengänge an Wirtschafts- oder Ingenieurschulen. Du kannst Dich auch selbstständig mit einer Online- oder hybriden Weiterbildung wie DataScientest, dem B2B-Marktführer für die Ausbildung in Data Science, weiterbilden. Mit DataScientest profitierst Du von einer sicheren, leicht einsetzbaren Full-SaaS-Online-Plattform, die einzigartige Inhalte für Weiterbildungen in Data Science und ein Notebook-Format bietet, das auf eine aktive Pädagogik und „Learning by doing” ausgerichtet ist.
Um als Data Scientist arbeiten zu können, muss man Kenntnisse in den Sprachen Python und SQL besitzen. Aber warum muss man genau diese beiden Sprachen erlernen?
Python ist die am schnellsten wachsende Programmiersprache und verfügt über eine Vielzahl nützlicher Bibliotheken für Machine Learning, Datenanalyse, Datavizing, API-Integrationen, usw. Außerdem ist sie eine der am leichtesten zu erlernenden Computersprachen.
Mit SQL kannst Du die von Deinem Unternehmen gesammelten Daten besser verstehen, erforschen und nutzen. Außerdem ist es die Referenzsprache für die Verwaltung von Datenbanken, sowohl in Bezug auf ihre Beliebtheit als auch auf ihre Effizienz.
Aus diesem Grund konzentrieren sich unsere Weiterbildungen auf das praktische Lernen und die Verbesserung der Kenntnisse über diese beiden Werkzeuge. Das Erlernen von R ist ebenfalls möglich.
Um Data Scientist zu werden, solltest Du bestimmte Voraussetzungen erfüllen. Da ein Data Scientist mit Zahlen und großen Informationsmengen arbeitet, sollte er über sehr gute analytische Fähigkeiten verfügen. Kenntnisse in Mathematik, Statistik und Informatik sind für diesen Bereich notwendig. Diese Grundvoraussetzungen ermöglichen es dem Data Scientist, einen technischen Ansatz zu entwickeln, um Big Data zu verstehen, zu begreifen und zu verwalten.
Seit einigen Jahren gibt es universitäre Ausbildungen, wie beispielsweise einen Bachelorabschluss. Da es in vielen Branchen immer wichtiger wird, sich weiterzuentwickeln, bieten Weiterbildungen auf Plattformen wie DataScientest die Möglichkeit an, sich die wichtigsten Fähigkeiten anzueignen. Wenn Du also bereits arbeitest und Dich nebenbei weiterbilden möchtest, oder einfach keine drei Jahre Zeit für ein Studium und zu viel Theorie und zu wenig Praxis hast, dann kannst Du mit einer 3- oder 9-monatigen Weiterbildung zum Data Scientist werden.
Sowohl im Hinblick auf ihr Verständnis als auch auf ihre Nutzung und Verarbeitung durch das Unternehmen sind Datenkompetenz mittlerweile in allen Arten von Branchen und für sehr unterschiedliche Aufgaben gefragt.
Data Scientists können in großen Konzernen arbeiten, z. B. im Banken-, Versicherungs- und Finanzsektor, in Wirtschaftsprüfungs- und Beratungsdiensten, über große konventionelle Industriekonzerne oder im Verteidigungssektor, um z. B. das Verhalten von Terroristen vorherzusagen.
Sie sind auch sehr bei Start-Ups oder, wenn es um neue Softwares zur Datenverarbeitung geht, gefragt.
Rechenzentren, Internetdienstleister, Hosting-Unternehmen oder Hersteller und Herstellerinnen von Infrastrukturen sind allesamt potenzielle Arbeitgeber und Arbeitgeberinnen nach einer Weiterbildung in Datenwissenschaft.
Das Gehalt eines Data Scientists variiert je nach Branche, Unternehmen und Erfahrung. Sicher ist jedoch, dass der Bereich der Data Science immer mehr wächst und Data Scientists immer gefragter sind. Laut Glassdoor liegt das Gehalt eines Data Scientists bei durchschnittlich 62.000 € pro Jahr. Der Job bietet also auch gehaltstechnisch sehr gute Karrierechancen.
Wie die Datenwissenschaft entwickeln sich auch die damit verbundenen Berufe ständig und mit zunehmender Geschwindigkeit weiter. Derzeit scheint es jedoch, dass die möglichen Karriereentwicklungen in diesem Beruf hauptsächlich darin bestehen, ForscherIn oder StatistikingenieurIn zu werden. Dennoch können sich Data Scientists auch zum Business Analyst, Software Engineer usw. weiterentwickeln.
Data Scientists verfügen über vielseitige Kompetenzen. Ihre Hauptaufgabe besteht darin, nützliche Informationen (Insights) aus Rohdaten zu extrahieren. Data Scientists arbeiten neben Data Analysts und Data Engineers. Darüber hinaus verfügen sie über kaufmännische Kenntnisse über den Bereich, in dem sie tätig sind. Softwareentwickler und Softwareentwicklerinnen können daher leichter Data Scientists werden, benötigen dennoch eine spezialisierte Weiterbildung.
Die Weiterbildungsdauer beträgt 280 Stunden ohne Projekt bzw. 400 Stunden mit Deinem Projekt.
Die Weiterbildung erfolgt in Form von 80 % E-Learning (Selbststudium) auf unserer Plattform und 20 % in Coaching-Sitzungen, die zwischen 2 und 3,5 Stunden dauern und nach jedem Sprint, d. h. nach jeder Lerneinheit stattfinden. Diese von unseren Data Scientists geleiteten Sitzungen finden also ungefähr alle 30 Stunden des Trainings statt.
Daher ist es sinnvoll, zwei Formate zu unterscheiden: Bootcamp (Intensivtraining) und durchgehende Weiterbildung.
Bootcamp-Format: Die Weiterbildung dauert 11 Wochen und beansprucht ungefähr 35 – 40 Stunden pro Woche.
Format der durchgehenden Weiterbildung: Die Weiterbildung dauert 9 Monate. In diesem Format solltest Du 10 – 12 Stunden pro Woche Zeit für diese haben.
Um erfolgreich zu werden, brauchen Data Analysts spezifische Kompetenzen, insbesondere im Bereich der Computertechnik. Um die Rohdaten eines Unternehmens auszuwerten, müssen sie spezielle Datenverarbeitungswerkzeuge wie Hadoop oder Spark beherrschen. Die Beherrschung der Computersprache ist entscheidend, um die Daten zum Sprechen zu bringen und sie in Insights zu verwandeln.
Data Analysts verwenden auch verschiedene statistische Werkzeuge und Methoden, um Trends zu erkennen, die für strategische Empfehlungen relevant sein können.
Soft Skills wie freies Sprechen, gute Präsentier- und Teamfähigkeit sind ebenfalls hilfreich, um Daten verständlich aufzubereiten und Entscheidungsträger in Unternehmen in diesem Bereich beraten zu können.
Genauigkeit ist wichtig, um die große Menge an verfügbaren Daten richtig verarbeiten zu können.
Der Beruf des Data Analyst entwickelt sich natürlich ständig und schnell mit der Data Science. Die Explosion der Digitalisierung erzeugt immer mehr Daten, die von den Unternehmen verarbeitet werden müssen. Hierfür müssen diese dafür sorgen, dass dieser Informationsfluss ordnungsgemäß verwaltet und für ihre Geschäftstätigkeit genutzt wird.
Die Datenanalyse bietet Berufsmöglichkeiten in einer Reihe von Branchen und es werden jeden Tag mehr Stellen angeboten. Große Unternehmen aus den Bereichen Finanzen, Handel, Marketing, Industrie und Medizin sind nur einige Beispiele.
Das Gehalt eines Data Analysts variiert je nach Branche, Unternehmen und Erfahrung. Sicher ist jedoch, dass der Bereich der Data Science immer mehr wächst und Data Analysts immer gefragter sind. Laut Glassdoor liegt das Gehalt eines Data Analysts bei durchschnittlich 55.000 € pro Jahr. Der Job bietet also auch gehaltstechnisch sehr gute Karrierechancen.
Die Weiterbildung zum Data Analyst dauert insgesamt 300 Stunden (bzw. 220 Stunden ohne das persönliche Lernprojekt) und kann ebenfalls in zwei Formaten absolviert werden:
Bootcamp-Format: 11 Wochen je 35 – 40 Stunden pro Woche
Format der durchgehenden Weiterbildung: 6 Monate je 10 – 12 Stunden pro Woche
Die beiden Tätigkeiten ergänzen sich. Data Engineers sind Systemdesigners. Sie sind diejenigen, die Datenarchitekturen entwickeln, testen und implementiern. Sie erstellen Datenbanken und organisieren das „Kanalisieren”, d. h. den Datenfluss zwischen Quellen und Speicherdatenbanken. Data Engineers bereiten die Aufgaben für Data Scientists vor, indem sie Datenarchitekturen implementieren, die den Bedürfnissen des Unternehmens so gut wie möglich entsprechen. Die Rolle der Data Scientists besteht darin, die Daten auszuwerten, etwas aus ihnen zu machen, daraus zu lernen und auf ihrer Grundlage Entscheidungen zu treffen. Ihre Aufgabe? Daten zum Sprechen bringen. Sie wandeln Rohdaten in nützliche Informationen um. Dazu nutzen sie Techniken des Machine Learning. Sie erkennen Muster und bauen Datenmodelle auf.
Data Engineers entwerfen Systeme, mit denen riesige Datenmengen verarbeitet und von Data Analysts und Data Scientists ausgewertet werden können. Sie müssen sicherstellen, dass die eingesetzten Datenpipelines sicher und klar genug sind, um von Data Analysts analysiert und dann von Data Scientists umgewandelt zu werden, und die Algorithmen auf Daten anwenden.
Die bevorzugten Tätigkeitsbereiche von Data Engineers sind die gleichen wie die von Data Scientists. Es sind große Industriekonzerne (Banken, Versicherungen usw.), Datenzentren, Startups oder Softwarehersteller für die Datenverarbeitung.
Um diese Frage zu beantworten, haben wir eine eigene Umfrage unter rund vierzig Partnerunternehmen durchgeführt. In diesem Artikel findest Du die Details der Umfrage sowie die Vergütung von Jobs in der Data Science!
Laut Glassdoor beläuft sich das durchschnittliche Jahresgehalt eines Data Engineers auf 65.000 €. Natürlich kann dieses Gehalt je nach Branche, Unternehmen und Erfahrung auch deutlich höher ausfallen. Der Beruf des Data Engineers bietet also auch gehaltstechnisch sehr gute Karrierechancen.
Die Weiterbildung zum Data Engineer dauert insgesamt 400 Stunden – davon 120 Stunden für Dein persönliches Lernprojekt. Sie erfolgt in Form von 80 % E-Learning (Selbststudium) auf unserer Plattform und 20 % in Coaching-Sitzungen, die zwischen 1,5 und 2 Stunden dauern und nach jedem Sprint, d.h. nach jeder Lerneinheit stattfinden. Diese von unseren Data Engineers geleiteten Sitzungen finden also regelmäßig statt und geben Dir außerdem die Möglichkeit, Fragen zu stellen, sodass Du optimal betreut wirst.
DataScientest bietet die Weiterbildung in zwei unterschiedlichen Formaten an: Bootcamp (Intensivtraining) und durchgehende Weiterbildung.
Bootcamp-Format: 9 Wochen je 35-40 Stunden die Woche.
Durchgehende Weiterbildung: 6 Monate je 10 bis 15 Stunden pro Woche.
Das hängt davon ab, ob Du unser Bootcamp-Format oder unsere durchgehende Weiterbildung wählst. Für unsere Weiterbildungen solltest Du ein gutes Verständnis von Mathematik und Statistik haben. In unseren Data Scientist und Data Analyst Kursen bringen wir Dir jedoch alles Weitere, was Du im Bereich der Data Science wissen musst, bei. Ob Du also die Inhalte intensiv in wenigen Wochen oder über ein paar Monate lernst – wir machen Dich fit für Data Science. Der einzige Unterschied besteht darin, wie viele Stunden pro Woche Du in das Thema Data Science investierst.
Die DataScientest Bootcamps finden ausschließlich online statt. Dies ermöglicht es Dir, von überall aus teilzunehmen. 80 % der Zeit wirst Du im Selbststudium über unsere eigene Online-Plattform die Data Science Themen erlernen und Übungen bearbeiten. Die restlichen 20 % finden die sogenannten Masterclasses mit einem unserer Dozenten statt. Diese finden ebenfalls online als Videokonferenz statt. Hier hast Du die Möglichkeit, Fragen zu stellen und Probleme zu besprechen.
Die Voraussetzungen sind je nach gewählter Weiterbildung unterschiedlich:
Wenn Du Dir unsicher bist, ob eine Weiterbildung zu Deinem bisherigen Lebenslauf passt, kontaktiere uns gern.
Unsere Weiterbildungen sind für zahlreiche Profile geeignet: Für Personen mit Grundkenntnissen in Mathematik, Statistik oder Informatik, die sich umschulen lassen möchten, oder für Entwickler und Entwicklerinnen, die ihre Kompetenzen im Bereich Data Science ausbauen möchten. Darüber hinaus können etablierte Data-Spezialisten ihre Kompetenzen in Bezug auf bestimmte Begriffe dank unseren personalisierten Angeboten erweitern.
Es gibt drei Bootcamps: Data Analyst, Data Scientist und Data Engineer.
Sehr gern kannst Du dies mit unserem Team per E-Mail an contact@datascientest.com oder direkt bei den Coaching-Sitzungen besprechen.
Unsere Bootcamp-Weiterbildungen sind in mehrere Lerneinheiten aufgeteilt, die mithilfe einer zertifizierenden Prüfung bewertet werden. So wird jede Lerneinheit individuell zertifiziert.
Am Ende Deiner DataScientest-Weiterbildung zum Data Analyst, Data Scientist und Data Engineer bekommst Du ein Zertifikat der französischen Universität Paris 1 Panthéon Sorbonne.
Das persönliche Praxisprojekt ist nicht vorgeschrieben, es wird von den Teilnehmer:innen ausgewählt und durchgeführt. Dadurch wird Intra- oder Entrepreneurship, je nach Kontext, gefördert. Die Projekte werden dann nach bestimmten Kriterien ausgewählt, um ihre wissenschaftliche Tragfähigkeit, den Zugang zu Daten und das Interesse der anderen Teilnehmer:innen und Sponsor:innen an der gewählten Problematik zu berücksichtigen. Denn ein interessantes und gut durchgeführtes Projekt kann durchaus schon am Ende Deiner Weiterbildung in Produktion gehen.
Wenn Teilnehmer und Teilnehmerinnen bereits mit Konzepten vertraut sind, die in ihrer Weiterbildung enthalten sind, können sie über das Support-Team oder ihre Dozierende eine Änderung ihrer Ausbildung beantragen. Die Anfrage wird dann von unserem Data Scientist-Team geprüft. Das Ziel: Hauptziele des gemeinsamen Lehrgangs beibehalten.
Während der gesamten Weiterbildung (Bootcamp oder durchgehende Weiterbildung) steht Dir an jedem Werktag von 9:00 bis 17:00 Uhr ein Live-Chat-Support zur Verfügung. Unsere Data Scientists stehen Dir zur Verfügung, um Deine technischen oder pädagogischen Fragen zu beantworten.
Der Weiterbildungsmanager:innen und das Daniel-Team sind die ersten, die mögliche Schwierigkeiten erkennen: Sie überprüfen, ob sich die Teilnehmer:innen einloggen, und identifizieren mögliche Lernschwierigkeiten. Wenn Teilnehmer:innen Schwierigkeiten haben, leitet der Weiterbildung-Manager den Abhilfeprozess ein, an dem das gesamte Betreuungsteam beteiligt ist.
Der Abhilfeprozess besteht aus vier Phasen:
In einem Gespräch mit Betreuer:innen werden den Lernenden je nach Problem verschiedene Lösungen vorgeschlagen. Betreuer:innen werden alles tun, um den Lernenden zu helfen, ihre Situation zu verbessern und ihnen zu ermöglichen, sich auf ihre Weiterbildung zu konzentrieren.
Wenn Lernende eine Motivationsschwäche haben, die weder auf Lernschwierigkeiten noch auf eine besondere persönliche Situation zurückzuführen ist, wird ein Gespräch mit dem oder der Career Manager:in vorgeschlagen. In diesem Gespräch wird der oder die Career Manager:in die Gründe für den Motivationsverlust ermitteln und versuchen, die Lernenden neu zu motivieren, indem sie sich auf die Beschäftigungsaussichten nach Abschluss der Weiterbildung konzentrieren. Nach der Umsetzung einer Lösung misst das Follow-up-Team zwei Wochen später die Ergebnisse ihrer Unterstützung nach der Motivationsschwäche.
Unser Team, das sich mit der Erstellung von Inhalten und der Korrektur von Prüfungen befasst, kennt alle Hintergründe der Weiterbildung und kann Deine Fragen so genau wie möglich beantworten.
Die Coaching-Sitzungen, die nach jedem Sprint stattfinden, sind ebenfalls eine gute Möglichkeit, den Verlauf der Weiterbildung zu besprechen. Dein:e Betreuer:in steht Dir zur Verfügung, um alle Deine Fragen zu beantworten und eine möglichst persönliche Betreuung zu gewährleisten.
Schließlich sorgt der Weiterbildungsbetrieb für eine ähnliche Stimmung wie die in einem Klassenzimmer: Es ist sehr wichtig, dass Benutzer:innen jeder Session im Laufe der Weiterbildung gemeinsam Fortschritte machen.
Diese verschiedenen Bausteine sorgen dafür, dass wir heute eine durchschnittliche Abschlussquote von 95 % haben.
Bevor wir dieses Thema behandeln, sollten wir zwei Arten der Anerkennung erläutern. Informell werden die DataScientest-Weiterbildungen und -Zertifizierungen von den einflussreichen Unternehmen der Datenwelt, zumindest in Frankreich, weitgehend anerkannt. Die dreißig Großunternehmen, die von unseren Weiterbildungen profitiert haben, sind fast alle führende französische Aktiengesellschaften und die Expertise unserer Inhalte ist heute bekannt.
Zum anderen sind unsere Abschlüsse von der französischer Universität Panthéon Sorbonne anerkannt. Nach einem umfassenden Audit unserer Inhalte, Tests und Zertifizierungsverfahren hat die renommierte Universität DataScientest als geeignet für ihre Zertifizierung gehalten.
Schließlich haben wir einen Antrag beim französischen Bildungsministerium und bei France Competence gestellt, um unsere Abschlüsse in Frankreich staatlich anerkennen zu lassen (damit sie in Frankreich auch förderfähig sind). Angesichts des Einschlusses und der jüngsten Bildungsreform haben sich die Fristen erheblich verlängert, aber wir sind zuversichtlich, dass wir die Anerkennung noch vor Ende 2020 erhalten werden.
Unsere Weiterbildungen können auf unterschiedliche Art und Weisen finanziert werden.
Diese Möglichkeiten sind die Folgenden:
Bildungsgutschein: Für die Finanzierung Deiner Weiterbildung zum Data Analyst, Data Scientist, Data Engineer, Machine Learning Engineer, DevOps Engineer und MLOps Engineer kannst Du zwischen mehreren Optionen wählen. Wenn Du arbeitslos, arbeitssuchend oder von Arbeitslosigkeit bedroht bist, hast Du gute Chancen auf den Erhalt des Bildungsgutscheins. Dadurch werden die gesamten Weiterbildungskosten für Dich von der Agentur für Arbeit bzw. dem Jobcenter übernommen.
Ratenzahlung: Alternativ kannst Du die Kosten der Weiterbildung aber auch selbst tragen. Falls Du den gesamten Betrag nicht auf einmal stemmen kannst, besteht für Dich ebenfalls die Möglichkeit der Ratenzahlung. Dadurch kannst Du bereits ab 375 € pro Monat mit Deiner Data-Weiterbildung beginnen.
Zahlung durch Arbeitgeber: Wenn Du Arbeitnehmer:in bist und Deine Kompetenzen in Deiner derzeitigen Position ausbauen oder in einen anderen Unternehmensbereich wechseln möchtest, solltest Du mit Deinem Arbeitgeber klären, ob die Möglichkeit der Kostenübernahme Deiner Weiterbildung besteht. Von dem neu erworbenen Wissen profitierst schließlich nicht nur Du, sondern ebenfalls das Unternehmen, für das Du arbeitest!
Um Dir die Möglichkeit zu geben, die Weiterbildungskosten so zu bezahlen, wie es Dir am besten passt, ist es selbstverständlich möglich, die Kosten in Raten zu begleichen. Die Kurse können in 3, 4, 6, 8, 10 oder 12 Monatsraten bezahlt werden. Lass Dich hierzu gern von einem unseren Mitarbeiter:innen beraten.
Egal ob Weiterbildung neben dem Job oder Arbeitssuchender. Bei uns gelten für alle grundsätzlich dieselben Finanzierungsmöglichkeiten. Wenn Du jedoch als arbeitssuchend gemeldet bist, ist vermutlich die Finanzierung einer Weiterbildung durch den Bildungsgutschein für Dich von Interesse. Wenn Du Anspruch auf den Bildungsgutschein hast, kannst Du bei uns einen Kurs absolvieren und bekommst diesen zu 100 % finanziert. Sprich gern mit Deinem Arbeitsamt bzw. Jobcenter über diese Möglichkeit der Finanzierung.
Im Jahr 2017 haben wir festgestellt, dass es an einer B2B-Lösung für die Weiterbildung im Bereich Data Science mangelt: Wir haben DataScientest gegründet.
Sehr schnell haben wir uns für ein neues Format des hybriden Lehrens und Lernens entschieden: 80 % Selbststudium und 20 % Online-Live-Sessions, sogenannte Masterclasses.
Die Weiterbildung findet auf einer sicheren Plattform statt und wird durch Online-Support, Präsenzcoaching und ein persönliches Big-Data-Projekt ergänzt.
Viele Online-Weiterbildungen sind eher eine Kombination aus Videokonferenzen und Multiple-Choice-Fragen. Das pädagogische Prinzip von DataScientest beruht auf dem Gegenteil dieser Methode.
Unsere aktive Pädagogik dreht sich um unsere Plattform, die den Lernenden eine „ready to code”-Umgebung bietet, die keine Installation erfordert.
Diese Technologie wird durch das Hosting unserer GPU-CPUs und Cluster auf AWS-Servern ermöglicht. Damit können wir Learning-by-Doing-Lernprogramme anbieten, bei denen die Theorie mit den Übungen, die die Lernenden lösen müssen, verbunden wird.
Die Kurse sind in Sprints unterteilt, die wiederum aus Lerneinheiten bestehen. Nach jedem Sprint findet eine Masterclass mit den Dozent:innen und den anderen Mitglieder:innen Deiner Kohorte statt.
Jeder Sprint wird mit einer Prüfung abgeschlossen. Die Prüfung wird freigeschaltet, nachdem alle Lerneinheiten des Sprints bestanden wurden. Die Prüfung wird direkt auf der Plattform durchgeführt und zeitlich gesteuert. Die Korrektur wird von unseren Data Scientists persönlich durchgeführt. Weit entfernt von einer automatisierten und unpersönlichen Korrektur werden sie die Qualität der Argumentation, die dem Code hinzugefügten Kommentare und das Zeitmanagement berücksichtigen (alle 5 Minuten wird eine historische Kopie erstellt).
Das Big-Data-Lernprojekt ist für unsere Lern-Philosophie Learning-by-Doing sehr wichtig und ist daher in allen Weiterbildungen Teil des Lehrplans. Das Projekt wird in Zwei- oder Dreierteam durchgeführt und wird in einer speziellen Coaching-Sitzung besprochen. Das Projekt soll nach Abschluss der Weiterbildung in Produktion gehen und wird mit Unternehmensdaten durchgeführt, auf die wir natürlich keinen Zugriff haben. Das Projekt hat also einen doppelten Vorteil: Es liefert dem Unternehmen nicht nur ein echtes Proof of Concept, sondern ist auch die beste Motivation für die Lernenden, da sie die auf der Plattform erlernten theoretischen Konzepte sofort anwenden können.
Das persönliche Praxisprojekt ist nicht vorgeschrieben, es wird von den Teilnehmer:innen ausgewählt und durchgeführt. Dadurch wird Intra- oder Entrepreneurship, je nach Kontext, gefördert. Die Projekte werden dann nach bestimmten Kriterien ausgewählt, um ihre wissenschaftliche Tragfähigkeit, den Zugang zu Daten und das Interesse der anderen Teilnehmer:innen und Sponsoren an der gewählten Problematik zu berücksichtigen. Denn ein interessantes und gut durchgeführtes Projekt kann durchaus schon am Ende Deiner Weiterbildung in Produktion gehen.
Während der gesamten Weiterbildung besteht ein ständiger Kontakt zwischen den Teilnehmer:innen und dem Support-Team. Falls die Teilnehmer:innen während der Weiterbildung zurückbleiben, werden sie durch eine Slack-Nachricht oder eine E-Mail von DataScientest benachrichtigt. Im Falle einer fehlenden Antwort oder eines Fortschritts versucht das Support-Team, die Teilnehmer:innen telefonisch zu kontaktieren, um gemeinsam eine Bilanz zu ziehen. Wenn wir nach 10 Tagen noch nichts von dem Teilnehmer oder der Teilnehmerin gehört haben, kann eine E-Mail an den Betreuer oder die Betreuer geschickt werden. Diese persönliche Betreuung sorgt unter anderem dafür, dass alle unsere Kurse eine durchschnittliche Abschlussquote von 95 % haben.
Dank unserer Partnerschaft mit der Universität Sorbonne Paris haben wir das Glück, unseren Lernenden nach erfolgreichem Abschluss der Weiterbildung neben unserem DataScientest Zertifikat auch ein offizielles Zertifikat der Sorbonne zu überreichen. Wir sind der einzige Anbieter für Data Science-Kurse auf dem Markt, der keine Universität ist, aber dennoch ein akademisches Zertifikat anbieten kann. Auf diese Zusammenarbeit sind wir sehr stolz.
Für unsere Weiterbildungen zum Data Scientist und Data Analyst empfehlen wir ein gutes Verständnis von Mathematik, Statistik und Informatik. Alle anderen Kenntnisse wie Python oder SQL bringen wir Dir von Grund auf bei.
Für unsere Data Engineer-Weiterbildung sind sehr gute Mathematikkenntnisse sowie bereits Grundkenntnisse in Python und SQL erforderlich.
Das hängt von dem gewählten Weiterbildungsformat ab. Das Bootcamp beansprucht 35-40 Stunden pro Woche. Für die durchgehende Weiterbildung, wenn Du diese beispielsweise neben Deinem Beruf machst, solltest Du 10 bis 12 Stunden pro Woche aufwenden.
Erstens bieten wir einen geschäftsorientierten Inhalt mit einem theoretischen Kompetenzaufbau, der mit praktischen Business Use Cases verbunden ist. Während DataCamp eine Plattform ist, die für Studierende konzipiert und dann für die Wirtschaft angepasst wurde, wurde die DataScientest-Plattform für Unternehmen konzipiert und gestaltet, um die Kompetenzen der Mitarbeiter:innen im Bereich Data Science zu erhöhen. Darüber hinaus ähnelt unsere Architektur den Architekturen eines Data Labs.
Was unsere Plattform betrifft, so sind unsere Inhalte sowohl auf Englisch als auch auf Französisch verfügbar.
Wir bieten einen Live-Chat-Support (Werktage und -stunden), der von den Dozierenden, die unsere Kurse erstellt haben, betreut wird. Dank dieses Support-Teams können wir heute eine 100 %ige Vollständigkeit unserer Kurse gewährleisten!
Um die Teilnehmer und Teilnehmerinnen zu bewerten, werden zertifizierende Prüfungen durchgeführt. Diese Zertifizierungen werden von der französischen Universität Paris La Sorbonne ausgestellt. Die Prüfungen haben einen echten Marktwert, da unsere Plattform von großen Konzernen wie Allianz oder BCG als Rekrutierungsinstrument genutzt wird.
Wenn während Deiner Schulung ein technisches Problem auftritt, kontaktiere bitte help@datascientest.com, die versuchen wird, Deine Fragen so schnell wie möglich zu beantworten.
Wenn Du während Deiner Weiterbildung eine Frage hast, kannst Du Dich über Slack an unser Support-Team wenden, das sich bemühen wird, Dich zu leiten und alle Deine Fragen zu beantworten.
