DATA SCIENCE: WAS? WO? WIE?

Data Science = Datenwissenschaft. 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 Datenwissenschaftler und Datenwissenschaftlerinnen mit Zahlen und großen Informationsmengen arbeiten, müssen sie über ausgezeichnete analytische Fähigkeiten und solide Grundlagen in Statistik verfügen. Wer über einen Masterabschluss oder Doktortitel in Mathematik, Statistik oder Informatik verfügt, wird sich in diesem Bereich am ehesten profilieren können.

Wichtig ist auch die Beherrschung von analytischen Werkzeugen wie SAS, R-Software oder Python.

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 sich richtig ausbilden zu können, müssen angehende Data Scientists über gute Kenntnisse in Python und SQL verfügen. Aber warum genau diese beiden Sprachen?

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.

JOB UND DATA SCIENCE

DATA SCIENTIST​

Die zukünftigen Data Scientists brauchen bestimmte Voraussetzungen.

Da Data Scientists mit Zahlen und großen Mengen an Informationen arbeiten, müssen sie über ausgezeichnete analytische Fähigkeiten und solide Grundlagen in Statistik verfügen. Wer einen Masterabschluss oder Doktortitel in Mathematik, Statistik oder Informatik hat, wird sich in diesem Bereich am ehesten profilieren.

Wichtig ist auch, dass Du analytische Werkzeug wie SAS, R-Software oder Python beherrschst.

Dafür gibt es seit einigen Jahren akademische Fortbildungen. Dadurch, dass es in vielen Wirtschaftsbranchen immer wichtiger wird, seine Kompetenzen zu erweitern, kannst Du Dir auf Plattformen wie DataScientest die wichtigsten Kompetenzen aneignen.

Diese Grundvoraussetzungen ermöglichen es Data Scientists, einen technischen Ansatz zu entwickeln, um Big Data besser zu verstehen, zu begreifen und zu verwalten.

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 von Start-ups oder neuer Software zur Datenverarbeitung gefragt.

Rechenzentren, Internetdienstleister, Hosting-Unternehmen oder Hersteller und Herstellerinnen von Infrastrukturen sind allesamt potenzielle Arbeitgeber und Arbeitgeberinnen nach einer Weiterbildung in Datenwissenschaft.

Laut Glassdoor verdient ein/e Data Scientist im Jahr 2020 ein Jahresgehalt von über 44.000 €. Dieses Gehalt variiert stark je nach Erfahrung. Nach längeren Berufserfahrungen liegt es bei etwa 55.000 €.

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 Bereich, in dem sie tätig sind. Softwareentwickler und Softwareentwicklerinnen können daher leichter Data Scientists werden, benötigen dennoch eine spezialisierte Weiterbildung.

  1. Python data science handbook
  2. R for data science
  3. Think Python
  4. Introduction to statistical learning
  5. Understanding Machine Learning: From Theory to Algorithms

Die Weiterbildungsdauer beträgt 280 Stunden ohne Projekt bzw. 400 Stunden mit Deinem Projekt.

Die Weiterbildung erfolgt in Form von 85 % E-Learning (Selbststudium) auf unserer Plattform und 15 % 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 2 Tagen à 37 Stunden pro Woche.

Format der „durchgehenden Weiterbildung”: Weiterbildung dauert 9 Monate à 6 Std. pro Woche. Zusätzlich brauchst Du noch Zeit für dein eigenes Lernprojekt.

DATA ANALYST

Um erfolgreich zu werden brauchen Datenanalysts 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. Kompetenzen im Bereich Marketing sind erforderlich, damit sie Unternehmensleiter bzw. -leiterin in diesem Bereich beraten können. Genauigkeit ist wichtig, um die große Menge an verfügbaren Daten richtig verarbeiten zu können.

Der Beruf des/r 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. Dafür 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.

Laut Glassdoor verdienen Data Analysts im Jahr 2020 ein Jahresgehalt von über 40.000 €. Dieses Gehalt variiert stark je nach Erfahrung. Nach einer längeren Berufserfahrung liegt es bei etwa 49.000 €.

Die Weiterbildung zum/r Data Analyst dauert insgesamt 290 Stunden (bzw. 220 Stunden ohne das persönliche Lernprojekt) und kann ebenfalls in zwei Formate absolviert werden:

Bootcamp-Format: 11 Wochen und 2 Tage à 25 Stunden pro Woche.

Die durchgehende Weiterbildung dauert über 6 Monate à 6 Stunden pro Woche.

DATA ENGINEER

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 brauchen ein ausgeprägtes Fachwissen, damit sie ihre Aufgabe, nämlich die Entwicklung von Datenströmen, erfolgreich erledigen. Sie sind Spezialisten für strukturierte Sprachen wie Javascript, Scala und Python. Sie haben auch Kenntnisse im Design von Datenbanken, die sie mithilfe von SQL und NoSQL erstellen. Der Output der Data Engineers muss lesbar und später leicht zu verwenden sein.

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 Industriekonzernen (Banken, Versicherungen usw.), Datenzentren, Startups oder Softwareherstellern für die Datenverarbeitung.

Laut Glassdoor verdienen Data Engineer im Jahr 2020 ein Jahresgehalt von über 43.000 €. Dieses Gehalt variiert stark je nach Erfahrung. Nach ein paar Erfahrungsjahren liegt es bei 50.000 €.

 

Die Weiterbildung zum/r Data Analyst dauert insgesamt 280 Stunden (bzw. 400 Stunden mit dem persönlichen Lernprojekt). Sie erfolgt in Form von 85 % E-Learning (Selbststudium) auf unserer Plattform und 15 % 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 2 Tagen à 37 Stunden pro Woche.

Format der „durchgehenden Weiterbildung”: Weiterbildung dauert 9 Monate à 6 Std. pro Woche. Dazu brauchst Du noch Zeit für dein eigenes Lernprojekt.




WEITERBILDUNGEN MIT DATASCIENTEST

Wenn Du einen Bachelorabschluss in Mathematik oder einen Masterabschluss in Naturwissenschaften hast, brauchst Du eine dreimonatige Intensivweiterbildung (Bootcamp) mit DataScientest, damit Du alle notwendigen Kenntnisse bekommst, um Data Scientist zu werden.

Die Bootcamps von DataScientest finden größtenteils online auf unserer Weiterbildungsplattform statt und werden durch Coaching-Sitzungen in unseren Räumlichkeiten in Asnières-sur-Seine (Paris) oder in den Räumlichkeiten Deines Unternehmens ergänzt.

Die Bootcamp-Weiterbildung zum/r Data Analyst und zum/r Data Scientist findet 90% online und 10% in Präsenzform statt. Die Bootcamp-Weiterbildung zum/r Data Engineer findet 85% online und 15% in Präsenzform statt.

Die Voraussetzungen sind je nach gewählter Weiterbildungen unterschiedlich:

-Data Analyst: In der Regel ist ein Bachelorabschluss in Mathematik oder Informatik erforderlich.

– Data Scientist: Ein Masterabschluss in Mathematik und/oder Statistik und Programmierkenntnisse sind in der Regel empfehlenswert.

– Data Engineer: Ein Masterabschluss in Informatik und ein Bachelorabschluss in Statistik sind in der Regel erforderlich.

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/r Data Analyst, Data Scientist und Data Engineer bekommst Du ein Zertifikat der französischen Universität Paris 1 Panthéon Sorbonne

Unsere Lernplattform ist auf Französisch und Englisch verfügbar ; auch unsere Coaching-Sitzungen finden in diesen beiden Sprachen statt.

Am besten bewirbst Du Dich mindestens drei Wochen vor Beginn der Weiterbildung, damit wir Deine Weiterbildung so gut wie möglich planen können. Dennoch kannst Du uns auch spontan kontaktieren und wir werden versuchen, Dir den Zugang zu der für Dich passenden Weiterbildung zu ermöglichen.

Das persönliche Lernprojekt ist nicht vorgeschrieben, es wird von den Teilnehmern und Teilnehmerinnen 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 und Teilnehmerinnen 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.

Neben den auf unserer Website bekannt gegebenen Weiterbildungsterminen starten regelmäßig innerbetriebliche Fortbildungen. Um so eine Fortbildung zu starten, ist eine Mindestteilnehmerzahl von 10 Personen erforderlich. Das zugehörige Pricing wird von Fall zu Fall auf Anfrage geprüft.

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 19:00 Uhr ein Live-Chat-Support zur Verfügung. Unsere Data Scientists stehen Dir zur Verfügung, um Deine technischen oder pädagogischen Fragen zu beantworten.

Der Weiterbildung-Manager und das Daniel-Team sind die ersten, die mögliche Schwierigkeiten erkennen: Sie überprüfen, ob Teilnehmer und Teilnehmerinnen sich einloggen, und identifizieren mögliche Lernschwierigkeiten. Wenn Teilnehmer und Teilnehmerinnen Schwierigkeiten haben, leitet der Weiterbildung-Manager den Abhilfeprozess ein, an dem das gesamte Betreuungsteam beteiligt ist.

Der Abhilfeprozess besteht aus drei Phasen:

  • Identifizierung der Schwierigkeit
  • Geplante Lösung, um die Schwierigkeit zu beheben.
  • Einsetzung der Hilfe
  • Ergebnis

In einem Gespräch mit Betreuern bzw. Betreuerinnen werden den Lernenden je nach Problem verschiedene Lösungen vorgeschlagen. Betreuer und Betreuerinnen werden alles tun, um den Lernenden zu helfen, ihre Situation zu verbessern und ihnen zu ermöglichen, sich auf ihre Ausbildung 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 vorgeschlagen. In diesem Gespräch wird der oder die Career Manager 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 Betreuer oder Deine Betreuerin 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 und Benutzerinnen jeder Session im Laufe der Weiterbildung gemeinsam Fortschritte machen.

Diese verschiedenen Bausteine sorgen dafür, dass wir heute eine durchschnittliche Abschlussquote von 100 % 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.




FINANZIERUNG DER WEITERBILDUNGEN

Je nach Deiner beruflichen Situation gibt es verschiedene Möglichkeiten.

Um Dir den Überblick zu erleichtern, haben wir die verschiedenen Möglichkeiten in diesem Artikel aufgelistet. 

Um jedem und jeder die Möglichkeit zu geben, die Weiterbildungskosten so zu bezahlen, wie es ihm oder ihr am besten passt, ist es möglich, sie wie folgt in Raten zu zahlen: 500 € Bearbeitungsgebühr bei der Anmeldung, unabhängig von der Weiterbildung; der Restbetrag (der je nach gewählter Weiterbildung variiert) wird in drei gleiche Anzahlungen aufgeteilt, die zu Beginn der ersten drei Monate der Weiterbildung fällig werden. 

Wenn Du arbeitslos bist, kannst Du Dich bei Deinem Berater oder Deiner Beraterin informieren. 

UNSERE METHODE BEI DATASCIENTEST

Vor 4 Jahren haben wir festgestellt, dass es an einer B2B-Lösung für die Fortbildung im Bereich Data Science mangelt: wir haben DataScientest gegründet. 

Sehr schnell haben wir uns für ein hybrides Format entschieden: 90% Fernunterricht und 10% Präsenzunterricht.

Die Weiterbildung findet auf einer sicheren Plattform statt und wird durch Online-Support, Präsenzcoaching und ein persönliches Big-Data-Projekt ergänzt.

Die meisten Online-Weiterbildungen sind eher eine Kombination aus Videokonferenzen und Quizfragen ; hat DataScientest beruht hingegen auf ein System, das das Gegenteil dieser Methode ist.

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 Studiengänge sind in Sprints unterteilt, die wiederum aus Lerneinheiten bestehen. Zum Beispiel besteht der Python-Lehrgang aus den folgenden vier Lerneinheiten: „Einführung in die Sprache Python”, „Numpy für Data Science”// „Pandas für Data Science” // „Einführung in Scikit Learn”.
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 in unseren Weiterbildungen sehr wichtig und wird in Studiengängen durchgeführt, die länger als sechs Monate dauern. 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 Lernprojekt ist nicht vorgeschrieben, es wird von den Benutzern und Benutzerinnen 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 und Teilnehmerinnen 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 Teilnehmern und dem Support-Team. Falls die Teilnehmer während der Weiterbildung zurückbleiben, werden sie durch eine Slack-Nachricht oder eine E-Mail an DataScientest benachrichtigt. Im Falle einer fehlenden Antwort oder eines Fortschritts versucht das Support-Team, den Teilnehmer oder die Teilnehmerin telefonisch zu kontaktieren, um mit ihm oder ihr 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 dafür, dass alle unsere Kurse zu 100 % abgeschlossen werden.

Der Teilnehmer oder die Teilnehmerin müssen das Support-Team benachrichtigen, wenn er oder sie länger als sieben Arbeitstage abwesend ist. Wenn diese Abwesenheit zu einer Verzögerung führt, kann der Zeitplan des Teilnehmers oder der Teilnehmerin neu angepasst werden.

  • Jede Woche werden umfassende Berichte mit allen Arten von quantitativen Indikatoren (Stunden, Übungen, Zertifizierungen) an die Personal- und pädagogische Abteilung gesendet.
  • Alle 5 bis 6 Wochen tritt der Betreuer oder die Betreuerin von DataScientest mit den Teilnehmer und Teilnehmerinnen in Kontakt, um ihnen individuelle Nachverfolgungsinformationen sowie den Fortschritt jedes einzelnen Gruppenprojekts zu übermitteln.

Bei DataScientest gelten die strengsten Standards und Einschränkungen. Unsere HTTPS-Plattform, die auf speziellen Servern gehostet wird, garantiert ein Höchstmaß an Sicherheit. 

Durch unsere Partnerschaft mit der Sorbonne werden unsere Weiterbildungen zertifiziert. Nach einem Audit der Plattform und des Inhalts unserer Lerninhalte hat die renommierte Universität beschlossen, uns eine Zertifizierung zu gewähren. Konkret bedeutet dies, dass Zertifizierung zum/r Data Scientist an die Universität geschickt werden. Gegen eine Gebühr, die unabhängig von der Anzahl der Zertifizierungen pro Person unverändert bleibt, stellt die Universität ein Papier-Diplom aus.
Die Lehrgänge werden in Zusammenarbeit mit den Gruppen erstellt. Sie hängen von einer Vielzahl von Kriterien ab, wie z.B. den Bedürfnissen der Gruppe, den Lernergebnissen der Lernenden oder den strategischen Entscheidungen der Gruppe (Sprache, Bibliotheken, etc.).
Die Voraussetzungen hängen natürlich von der Weiterbildung und den gewählten Lerneinheiten ab. Im Allgemeinen gehen wir davon aus, dass ein Bachelor in Mathematik oder Informatik erforderlich ist, zumindest für die ersten Lerneinheiten zur Einführung in die Sprachen.

Das hängt wieder einmal von der Weiterbildung und dem gewählten Format ab. Im Allgemeinen sind mindestens 4-5 Stunden pro Woche während der durchgehenden Weiterbildung erforderlich, um sie erfolgreich und unter den besten Bedingungen zu absolvieren.

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 und Mitarbeiterinnen 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.

E-LEARNING

Die Online-Weiterbildungen werden auf unserer sicheren Full-Saas-Plattform durchgeführt. Das gewählte Format ist das Jupyter-Notebook, was bedeutet, dass die Weiterbildung keine vorherige Installation erfordert. Du kannst also sofort nach Erhalt Deiner Zugangsdaten und Deines Passworts mit dem Codieren beginnen. Falls Du Fragen hast, steht Dir ein Live-Chat-Support über Slack zur Verfügung, um alle Deine Fragen zur Weiterbildung zu beantworten.

Wenn während Deine 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 Ausbildung 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.