Seminarreihe Data Science & (Public) Management, Teil 1 : Campus Wien Academy

Wenn Sie Interesse haben, schreiben Sie uns bitte eine E-Mail an academy[at]fh-campuswien.ac.at. Wir setzen Sie sehr gerne auf unsere Interessent*innenliste. Sobald neue Termine feststehen, werden Sie informiert.

Data Science, Big Data und Digitalisierung sind die Themen der Stunde. Wie können moderne Technologien (Artificial Intelligence, Machine Learning, Data Science und Robotic Process Automation) die Welt des (Public) Managements revolutionieren? Welche Möglichkeiten können konkret eingesetzt werden? Welcher Voraussetzungen bedarf es, was gilt es zu beachten und wo liegen die Grenzen?

In diesem Seminarprogramm, bestehend aus zwei Modulen, werden die Teilnehmer*innen so geschult, dass sie nach erfolgreichem Abschluss das gesamte Vokabular der modernen Data Science beherrschen. Sie verstehen sowohl die Möglichkeiten als auch die Schwierigkeiten bei der Integration von AI (Artificial Intelligence) Modellen im Unternehmen bzw. der Organisation und können so als wesentliches Bindeglied zwischen Führungsebene und der operativen IT bzw. Data Science Ebene fungieren.

Informieren Sie sich über mögliche Förderungen beim waff/Digi-Winner!

Zum Teil 2 der Seminarreihe.

Seminarinhalte, Teil 1

Im Seminar 1 werden die Grundlagen von Data Science sowie der Artificial Intelligence im Kontext einer optimalen Entscheidungsfindung bzw. einer erfolgreichen Unternehmens- /Organisationssteuerung erarbeitet.

Tag 1

Eine anwendungsorientierte Einführung in die Welt der Künstlichen Intelligenz / Artificial Intelligence im Kontext der Datenvielfalt

Tag 2

Analyse von Big Data: von der klassischen Statistik zum modernen Machine Learning

Tag 3

Eine systematische Klassifikation der Methoden des modernen Machine Learnings sowie der (statistischen) AI (Artificial Intelligence) / Predictive Modeling & Supervised Learning
Das Vokabular der Data Scientists

Tag 4

Data Discovery Modeling / Unsupervised Learning:
Gruppierung und Komprimierung von Daten
Ausreißer- und Anomalie-Erkennung
Transaktions-basierte Modelle für Recommender-Systeme sowie deren vielfältigen Anwendungsmöglichkeiten.

Ihre Vorteile

Sie verstehen das gesamte Vokabular des Data Science sowie die verschiedenen Konzepte der Digitalisierung.

Sie wissen, wie Sie das vorhandene Potential Ihres Unternehmens kanalisieren und Artificial Intelligence-Modelle in Ihrem Unternehmen entwerfen und in Ihre Organisation integrieren können.

Sie können Ihr erlerntes theoretisches Wissen direkt anhand von eigenen realen Fallbeispielen umsetzen.

Sie profitieren vom kontinuierlichen Austausch in der Gruppe und den Fallbeispielen der Teilnehmer*innen.

Am Ende des Seminars sind Sie in der Lage

das gesamte Vokabular des Data Science und der modernen (statistischen) Artificial Intelligence zu verstehen und anzuwenden.
alle derzeit verwendeten Methoden des Machine Learnings sowie der Artificial Intelligence in den entsprechenden Kontext zu setzen und für Ihre optimale Unternehmens- und Organisationssteuerung zu verwenden.

Lehr- und Lernmethoden

In diesem Seminar werden folgende Lehr- und Lernmethoden eingesetzt: Mixed-Methode, bei der sich theoretische Vorlesungseinheiten mit praktischen Hands-On Phasen abwechseln.

Die Hands-On Phasen zeichnen sich dadurch aus, dass alle Teilnehmer*innen mit ihren eigenen Notebooks die entsprechenden Methoden mit vorerstellten Computercodes in der Programmiersprache R durchklicken. Dabei ist keinerlei Vorwissen nötig. Dies soll vor allem zum Verständnis für die Schnittstelle zum operativen Personal (IT, Data Science) schärfen.

Zu den Vortragenden

Priv-Doz. Ing. Dr. Ronald Hochreiter

Priv-Doz. Ing. Dr. Ronald Hochreiter ist Dozent und EU/FFG Principal Investigator an der WU Wirtschaftsuniversität Wien, an der er seit September 2009 werkt. Seit März 2019 hat er zudem eine Professur im Fachgebiet Finance an der Webster Vienna Private University inne. Er forscht insbesondere im Bereich von Business Analytics bzw. der Computational Management Sciences und dabei an der Schnittstelle zwischen Data Science (AI, Machine Learning und Deep Learning) sowie Decision Science (Optimization under Uncertainty) und ist Associate Editor des Journals Frontiers in Artificial Intelligence (AI in Finance). Des Weiteren fungiert er seit 2017 als Gründer und Präsident der Academy of Data Science in Finance sowie seit 2014 als Vize-Präsident der Österreichischen Gesellschaft für Operations Research (ÖGOR). Neben seinen wissenschaftlichen Tätigkeiten berät er auf selbständiger Basis seit Mai 2000 Firmen in den Bereichen der quantitativen Entscheidungsoptimierung sowie Datenanalyse bis hin zu Machine Learning und Künstlicher Intelligenz.

Karoline Ringhofer Bakk. MA

Studium der Volkswirtschaftslehre und Kultur- und Sozialanthropologie. Sie unterrichtet quantitative Methoden an der Universität Wien und ist als Beraterin für Datenschutz tätig. Zuvor war sie wissenschaftliche Mitarbeiterin am Studiengang Public Management der FH Campus Wien. Ihr Forschungsinteresse gilt den Möglichkeiten und Grenzen von Data Science im sozialwissenschaftlichen Kontext.

Informieren Sie sich über mögliche Förderungen beim waff/Digi-Winner.

Weiterführende Literatur zum Themenbereich

Garten, Yael (October 2018): The Kinds of Data Scientist. Harvard Business Review.
Bowne-Anderson, Hugo (August 2018): What Data Scientists Really Do, According to 35 Data Scientists. Harvard Business Review.
Davenport, Thomas H.; Patil. D.J. (October 2012): Data Scientist: The Sexiest Job of the 21st Century. Harvard Business Review.

Auf einen Blick

Zielgruppe	Mitarbeiterinnen und (künftige) Entscheidungsträgerinnen aus dem öffentlichen Sektor sowie aus privatwirtschaftlichen Unternehmen, die mit der Notwendigkeit der Digitalisierung befasst sind.
Abschluss	Teilnahmebestätigung (bei mindestens 80 % Anwesenheit)
Vortragende	Priv.-Doz. Ing. Dr. Ronald Hochreiter Karoline Ringhofer Bakk. MA
Veranstaltungsort	FH Campus Wien Favoritenstraße 226 1100 Wien
Teilnahmegebühr	Seminar 1 + 2: € 2.200,00 (USt.-befreit) Seminar 1: € 1.100,00 (USt.-befreit) Seminar 2 ist nur in Verbindung mit Modul 1 buchbar. Studierende und Alumni der FH Campus Wien erhalten 20 % Rabatt.

Termine und Anmeldung