Unser Zertifikatsprogramm im Überblick:
(Business Innovation Lab der Hochschule Ludwigshafen in Kooperation mit der Graduate School Rhein-Neckar und der XING Ambassador Community I Controlling & Analytics)

Jetzt Früchbucher-Konditionen sichern:

• Frühbucher: Zertifikatsprogramm mit Teilnahmebescheinigung: 899,-€
• Frühbucher: Zertifikatsprogramm mit Zertifikat (incl. Prüfungsgebühr): 1.199,-€

Termine/ Detail:

• Anmeldeschluss: 27.02.2023
• geplante Laufzeit: 02/2023-06/2023
  • 6 Tage (Online Teaching)
  • + Zugriff Lernplattform (Deep Dive)

Inhalte & Lernziele: (Übersicht)

1) Grundlagen der Digitalisierung - Digitale Transformation in der Unternehmenssteuerung

• Grundlegenden Treiber der Digitalisierung
• Ökonomischen Auswirkungen auf Unternehmen hinsichtlich Produkten, Geschäftsprozessen und Geschäftsmodellen
• Herausforderungen und Potentiale auf die Unternehmenssteuerung/ Controlling (z.B. bzgl. Rollenverständnis des Controllings, Organisatorische Zusammenarbeit mit IT und Fachbereichen auf Aufbau einer digitalen Methodenkompetenz
• Information als strategische Ressource und Ansatzpunkte einer Digitalisierungsstrategie

2) Business Intelligence & Digitales Reporting - Datenmanagement – Analysetechniken – Visualisierung

• Voraussetzungen & Anforderungen für das  (Big) Data Management in Unternehmen.
• Zusammenhänge von Geschäftsmodellen und  Datenversorgung sowie deren Einfluss auf das Reporting
• Gestaltungsvarianten der Datengrundlagen und Datenmodelle
• Informationsgehalt von Daten durch moderne Analytik erschließen
• Do`s and Dont`s der visuellen Aufbereitung von Informationen

3) Grundlagen Machine Learning & KI – Datengewinnung, Modelle auswählen und einführen

• Voraussetzungen für den Einsatz von Machine Learning & KI
• Einsatzmöglichkeiten in der Unternehmenssteuerung/ Controlling
  • Business Intelligence vs. Advanced Analytics
  • Mindset Change (Data Thinking, Data Discovery, Data Wrangling, Data Cleansing)
  • Einsatzbereiche von Advanced Analytics (Descriptive, Predictive, Prescriptive)
  • Überblick zu grundlegenden Methoden (Supervised, Unsupervised)
• Methoden & Verfahren und Bewertung der Zweckmäßigkeit
  • Korrelationen
  • Classification (K-Nearest Neighbour, Naive Bayes, Decision Trees, Random Forrest, Gradient Boosted Trees)
  • Regressionen (Lineare Regression, Polynomische Regression, Neurale Netzwerke)
  • Clustering

4) Advanced Machine Learning & KI - Modelle erstellen, evaluieren und optimieren

• Fortgeschrittene Datenvorbereitung und -transformation (Cross-Sectional Data & Time-Series Data)
  • Erweiterte Einsatzmöglichkeiten von Predictive Analytics und Machine Learning/ KI
  • Erweiterte Gestaltungsvarianten
    • Data Preparation und transformation
    • Data Exploration
    • Erstellung, Evaluierung und Optimierung von Modellen
• Vergleich & Optimierung von Modellen und Nutzenbewertung
  • Case Studies zu Classification Algorithmen/ Verfahren
  • Case Studies zu Regression Algorithmen/ Verfahren
  • Case Studies zu Time Series Analysis