Lehrangebote für Hochschulen

Als Dozent für Seminare für Unternehmensmitarbeiter und für Module an deutschen Hochschulen habe ich Erfahrung in der Lehre.

Folgende Module biete ich Hochschulen und Unternehmen 2019 / 2020 an:

A) Business Intelligence Systeme und Data Warehousing 

Die Studierenden lernen BI-Tools kennen, verstehen die Grundlagen des Data Warehousing und gängige Datenmodelle (z. B. Star Schema, Data Vault). Die Studierenden lernen den Umgang mit SQL und mit BI-Tools wie QlikSense. In einem Praxisteil des Moduls, bauen die Studierenden ein eigenes Management Dashboard.

Lernziele: Datenmodelle, Datenverarbeitung, Datenvisualisierung

Zielgruppe: Vorzugsweise Studenten des Wirtschaftsingenieurwesens oder der Wirtschaftsinformatik im Bachelor oder Master.
 

B) Process Mining 

Die Studierenden lernen die Einsatzmöglichkeiten und die zugehörige Theorie des Process Mining im Kontext des Lean Managements oder der Revision kennen. Die Studierenden lernen, Prozessspuren in IT-Systemen zu identifizieren und die Ist-Prozesse eines Unternehmens daraus zu rekonstruieren. In einem Praxis-Projekt werden den Studenten echte SAP-Daten aus einer Unternehmensdatenbank zur Verfügung gestellt, um die das Erlernte praxisnah zu erproben.

Lernziele: Datengetriebene Prozessanalyse, SAP-Daten, Prozess-Datenvisualisierung

Zielgruppe: Vorzugsweise Studenten des Wirtschaftsingenieurwesens oder der Wirtschaftsinformatik im Bachelor oder Master.
 

C) Data Science & Machine Learning 

Die Studierenden lernen die statistische Datenanalyse und Datenvisualisierung mit Python sowie die Theorie des maschinellen Lernens sowie mit ihr verbundene Einsatzmöglichkeiten in der Praxis. Neben deskriptiver und induktiver Statistik, werden Machine Learning Verfahren wie k-Means, k-nearest-Neighbour, Decision Trees und der Naive-Bayes-Classifier vorgestellt, mathematisch nachvollzogen und selbst implementiert.

Lernziele: Statistik-Grundlagen, Machine Learning (Regression, Clustering, Klassifikation), Python-Programmierung

Zielgruppe: Vorzugsweise Studenten der angewandten Informatik, Medieninformatik, Wirtschaftsinformatik.

D) Deep Learning & Künstliche Intelligenz

Die Studierenden lernen die Prinzipien und Mathematik des Deep Learning, einer speziellen Form des maschinellen Lernens mit künstlichen neuronalen Netzen. Die Studierenden lernen den Umgang mit den Bibliotheken Keras, TensorFlow und Scikit-Learn sowie auch die eigenständige Implementierung künstlicher neuronaler Netze zur Bewältigung komplexer Probleme wie etwa die Klassifikation von Texten oder Bildern.

Lernziele: Deep Learning im Kontext von KI, Machine Learning, Statistik, Python-Prgrammierung

Zielgruppe: Vorzugsweise Studenten der angewandten Informatik, Medieninformatik, Wirtschaftsinformatik.