+++  SAVE THE DATE: Die nächste Qualifizierungsrunde findet 01.-15. März 2024 statt. Die Termine sind online. Anmeldung ab 15.01.24 +++

MC4Data ist die Abkürzung für das Micro-Credential Programm für Data Analytics an der Ohm. Das Qualifizierungsprogramm vermittelt die Grundlagen zu Data Analytics und verstärkt dadurch die Datenkompetenz der TH-Studierenden. Die Teilnahme am Programm MC4Data ist kostenfrei.

Warum lohnt sich die Teilnahme an MC4Data?

Datenkompetenz ist eine Schlüsselkompetenz im digitalen Wandel und ermöglicht Menschen, Unternehmen und Gesellschaft, mit Daten selbstbewusst umzugehen, wirtschaftliche und gesellschaftliche Herausforderungen zu bewältigen und datenbasierte Entscheidungen zu treffen. Datenkompetenz ist ein unverzichtbarer Bestandteil der Allgemeinbildung (Data Literacy Charta, Stifterverband).

Jede*r von uns stellt sich grundlegende Fragen, wenn es um Daten geht:

  • Was will ich mit Daten machen? (Nutzung von Daten für eine konkrete Anwendung in der realen Welt)
  • Was kann ich mit Daten machen? (Datenquellen, deren Qualität, technische und methodische Möglichkeiten)
  • Was darf ich mit Daten machen? (Datenschutz, Urheberrechte, rechtliche Rahmenbedingungen)
  • Was soll ich mit Daten machen? (Nutzung von Daten zum Wohl von Individuen und Gesellschaft aus ethischer Perspektive)

Das Qualifizierungsprogramm MC4Data hilft Lernenden dabei,  Antworten auf diese Fragen zu finden.

Wie können Teilnehmende vom MC4Data profitieren?

Nach dem Abschluss des Programmes sind Teilnehmende in der Lage,

  • mit Daten selbstbewusst umzugehen, bei der Datennutzung kritisch zu denken und Daten zu beurteilen
  • den Data Analytics Prozess, von den Datenbeschaffung über Datenmanagement, -analyse, -visualisierung bis zur Erstellung von interaktiven Reports zu verstehen
  • Data Analytics Tools zu nutzen, diese in Praxisbeispielen anzuwenden und dadurch datenbasierte Problemlösung zu finden und zu reflektieren
  • eigene Lernbedürfnisse im Bereich Data Analytics zu identifizieren.

MC4Data wird von Fachexpert*innen, Partnerunternehmen sowie dem Team Lehr- und Kompetenzentwicklung der TH Nürnberg (LeKo) konzipiert, begleitet und durchgeführt.

Die Teilnahme am Programm MC4Data ist kostenfrei.

An wen richtet sich MC4Data?

Das Programm richtet sich an MINT-Studierende der Ohm. Die Auflistung der MINT-Studiengänge ist online als PDF zu finden.
Bist Du nicht in einem MINT-Studiengang, aber dennoch interessiert an MC4Data-Programm? Dann schicke uns eine Nachricht an thuvan.lethiatth-nuernberg.de!

Wie läuft MC4Data ab?

Wir starten zunächst mit den drei Lerneinheiten des Modules 1. In diesem Modul lernen Teilnehmende, mit Daten selbstbewusst umzugehen, ihre Datennutzung kritisch zu hinterfragen und zu beurteilen. Sie erarbeiten sich ein Grundverständnis zu Data Analytics.

In Modul 2 wählen Teilnehmende je nach Bedarf und Interesse eines der Data Analytics Tools (Power BI | Python& MongoDB | Tableau) und belegen die entsprechende Lerneinheit. Sie werden unter Begleitung von Fachexpert*innen das gewählte Tool kennenlernen und in Praxisbeispielen anwenden.

In Modul 3 identifizieren sie persönliche Kompetenzlücken im Bereich Data Analytics und entwickeln den Lernpfad, mit welchem sie diese Lücken selbständig schließen können.

Mit Hilfe unserer Vorlage können Teilnehmende ihre Lernergebnisse nach jeder Lerneinheit in einem so genannten E-Portfolio dokumentieren. Abschließend teilen sie ihre Lernergebnisse im Abschlussworkshop in Form einer kurzen Präsentation.

Überblick über die aktuelle Qualifizierungsrunde (01.03-15.03.2024)

  • Anmeldung für einzelne Lerneinheiten: ab 15. Januar 2024, 13:15 Uhr
  • über: VirtuOhm „Einschreibung zu Lehrveranstaltungen“ --> "Lehr- und Kompetenzentwicklung" --> "Data Analytics für MINT-Studierende (MC4Data)"

 

Flyer-Seite 4 (als PDF zum Download, nach Terminen sortiert)

Workshopbeschreibungen (in der Reihenfolge der Lerneinheiten sortiert)

Anmerkung: Der Workshop richtet sich an MINT-Studierende der Ohm. Generell ist ein Grundinteresse, aus Daten Informationen zu gewinnen, ist vorausgesetzt.

 

Termin: Mo., 04.03.24, 09:00 - 16:00 Uhr und Di., 05.03.24, 09:00-12:00 Uhr

Format: Präsenz-Workshop. Die Räumlichkeit wird nach der Anmeldung bekannt gegeben.

Zuordnung: Modul 1 des MC4Data-Programms

 

Lernergebnisse/ Learning Outcomes

Nach dem Workshop sind die Studierenden in der Lage

  • Inhalte von Data Analytics / Business Intelligence einzuordnen
  • Data Analytics Fragestellungen zu verstehen
  • Architektur von Analysesystemen einzuordnen
  • Berichtswesen zu differenzieren
  • Daten nach DSGVO zu bewerten
  • Metadaten zu erkennen
  • Datenqualität zu erklären
  • Datenfluss / Datensicherung & Datenspeicherung einzuordnen
  • BIG DATA / Internet of Things und aktuelle Trends einzuordnen

 

Lerninhalte

  • Inhalte von Data Analytics / Business Intelligence
  • Fragestellung, Anforderungsanalyse, Dokumentation & Zielgruppen verstehen
  • Daten zu Informationen transformieren
  • Berichtswesen analysieren
  • Visualisierungen „durchschauen“
  • Kennzahlen und ihre Besonderheiten
  • Metadaten kennenlernen
  • Datenqualität interpretieren
  • DSGVO (Wo ist die Grenze bei heißen Daten?)
  • Exemplarische Architektur von Analysesystemen
  • Datenfluss / Datensicherung & Datenspeicherung
  • BIG DATA / Internet of Things und aktuelle Trends

 

Referent: Manuel Gandt

Manuel Gandt ist Principal-Berater und geschäftsführender Gesellschafter der syscon Unternehmensberatungsgesellschaft in Erlangen/Tennenlohe. Sein Tätigkeitsschwerpunkt liegt seit mehr als 20 Jahren im Bereich Business Intelligence/Data Analytics & IoT, insbesondere in Kombination mit ERP-Systemen. Neben der Leitung internationaler Business Intelligence Projekte ist er als Referent (z.B. CEBIT, E-World, Systems, MicrosoftPartnerkonferenz) für namhafte Hersteller und als Fachreferent an der TH Nürnberg im Rahmen des laufenden Vorlesungsprogramms aktiv. Daneben war er Mitglied des internationalen Staffing Teams für Microsoft Deutschland und Österreich im Bereich Business Intelligence. Aktuell betreut er mehrere große Mittelständler in Zentraleuropa als Head of Competence Center Data Analytics.

Anmerkung: Der Workshop richtet sich an MINT-Studierende der Ohm, auch ohne Vorkenntnisse.

 

Termine: Fr. 01.03.24, 9:00 - 17:00 Uhr

Format: Online-Workshop. Der Zoom-Link wird nach der Anmeldung bekannt gegeben.

Zuordnung: Modul 1 des MC4Data-Programms

 

Lernergebnisse/ Learning Outcomes

Nach dem Workshop sind die Studierenden in der Lage

  • mögliche Konflikte im Feld der Datenethik zu identifizieren und beteiligte Werte zu erkennen
  • die Differenz zwischen Kausalität und Korrelation zu verstehen
  • die zentralen »middle principles« der angewandten Ethik zu erinnern und anzuwenden
  • ein umfassendes Verständnis des Konzepts »Verantwortung« und seine Bedeutung für Data Science zu entwickeln

 

Lerninhalte

  • Grundlagen der Daten-Ethik
  • Arbeit mit und am Oxford-Munich-Code of Conduct und Einordnung der darin enthaltenen Aussagen
  • Anwendung und Übersetzung von Prinzipien auf Praxisbeispiele
  • Erarbeiten einer Checkliste für die Praxis: Welche Aspekte müssen bedacht werden, um einen ethisch informierten Umgang mit Daten zu bewerkstelligen?

 

Referentin : Dr. Julia Krumme

Dr. Julia Krumme  ist wissenschaftliche Mitarbeiterin an der Hochschule für angewandte Wissenschaften Augsburg  und arbeitet an der Schnittstelle zwischen agiler Software-Entwicklung, politischer  Philosophie und Ethik. Sie studierte Philosophie an der Hochschule für  Philosophie München und unterrichtet als Coach im Digitalisierungs-Kolleg der Hochschule Augsburg. Forschungsschwerpunkte sind unter anderem die Integration von Ethik in die agile Software-Entwicklung, Datenethik, Biases in Algorithmen und die politische Dimension von KI.

Anmerkung: Der Workshop richtet sich an MINT-Studierende der Ohm, auch ohne Vorkenntnisse.

 

Termin:Mi., 06.03.24, 09:00 - 17:00 Uhr

Format: Präsenz-Workshop. Die Räumlichkeit wird nach der Anmeldung bekannt gegeben.

Zuordnung: Modul 1 des MC4Data-Programms

 

Lernergebnisse/ Learning Outcomes

Nach dem Workshop sind die Studierenden in der Lage…

  • Die grundlegenden Probleme bei der Datenbeschaffung zu verstehen
  • Strategien und Methoden zur Mitigation der Probleme zu erklären
  • Alternative Ansätze zur Datenbeschaffung (synthetische Daten) zu kennen
  • Den Stellenwert von Datenqualität einzuordnen und die wichtigsten Dimensionen davon zu erinnern
  • Die drei in der Praxis wichtigsten Konzepte zur Datenhaltung zu vergleichen (SQL, noSQL, Graph) und im Kontext eigener Daten zu bewerten
  • Grundlegende Ansätze zur Datenbereitstellung im Kontext Data Analytics zu verstehen und zu bewerten
  • Öffentliche Quellen als Datenquellen zu nutzen
  • Daten in ein Data Lakehouse einzulesen und zusammenzuführen (ELT)

 

Lerninhalte

  • Grundsätzliche Probleme beim Datenaustausch und der Datenbereitstellung in Unternehmen (Data as a burden, Silos in Unternehmen, DSGVO, …)
  • Data Governance, Data ownership, Data discovery, Data lineage, Data catalog, Data as a product
  • Konzepte zu Datengeneratoren und Data augmentation
  • Analyse der Datenqualität eines Beispieldatensatz
  • Identifikation der zu verschiedenen Datenarten passenden Data-Management-Technologien (SQL, noSQL, Graph)
  • Suche und Bewertung von öffentlich zugänglichen Daten, passend zu einer Aufgabenstellung
  • Unterschiedliche marktrelevante Ansätze zur Datenspeicherung und -manipulation (Data Warehouse, Data Lake, Data Lakehouse)
  • Praktische Durchführung eines ELT-Prozesses in einem vorgegebenen Tool (Lakehouse)

 

Referent: Johannes Meyer, adorsys GmbH & Co. KG Softwareentwicklung

Ein Kurzprofil wird hier veröffentlicht.

Anmerkung: Generell ist der Workshop für Teilnehmende mit/ohne Vorwissen von Data Analytics geeignet. Wir empfehlen den Teilnehmenden jedoch die Grundlagen Data Analytics und Informationsmanagement aus dem Modul 1 vorher zu belegen, um die besten Lernergebnisse zu erzielen.

 

Termine: Do., 14.03.24, 09:00 - 17:00 Uhr und Fr., 15.03.24, 09:00 - 15:30 Uhr

Format: Präsenz-Workshop. Die Räumlichkeit wird nach der Anmeldung bekannt gegeben.

Zuordnung: Modul 2 des MC4Data-Programms

 

Lernergebnisse/ Learning Outcomes

Nach dem Workshop sind die Studierenden in der Lage…
•    Daten effizient zu analysieren, zu interpretieren und relevante Erkenntnisse zu gewinnen.
•    große Mengen von Daten aus verschiedenen Quellen abzurufen, aufzubereiten und zu modellieren.
•    interaktive Inhalte zu visualisieren.
•    ansprechende Dashboards und dynamische Reports zu erstellen und diese freizugeben.

 

Lerninhalte

•    Überblick über die Nutzungsoberfläche und Funktionalitäten von Power BI-Desktop
•    Der Workflow zur Datenanalyse und -Visualisierung von Power BI-Desktop
•    Abrufen von Daten aus verschiedenen Quellen
•    Aufbereitung und Transformieren von Daten in auswertbarer Form
•    Visualisierung von Dashboards mit interaktiven Elementen
•    interaktiven Reports im cloudbasierten Power BI Dienst

 

Referent: Thomas Möller

Thomas Möller ist Senior Consultant Business Intelligence bei der syscon Unternehmensberatungsgesellschaft in Erlangen/Tennenlohe. Seit seinem wirtschaftswissenschaftlichen Studium mit Schwerpunkt empirischer Marketingforschung hat er mit Daten in großen Tabellen und graphischen Darstellungen zu tun. Von der Marktforschung über Bedarfsplanung und Berichtswesen, ohne Daten, deren Analyse und verständliche Darstellung geht es nicht. Nach 13 Jahren im Konzern ist er nun seit Ende 2021 auf der Dienstleistungsseite bei der Syscon.

Anmerkung: Generell ist der Workshop für Teilnehmende mit/ohne Vorwissen von Data Analytics geeignet. Wir empfehlen den Teilnehmenden jedoch die Grundlagen Data Analytics und Informationsmanagement aus dem Modul 1 vorher zu belegen, um die besten Lernergebnisse zu erzielen.

 

Termine und Ablauf:

  • Tag 1:Mo., 11.03, 9:00 - 17:00 Uhr: Data Processing mit Python, und
  • Tag 2: Di., 12.03.24, 9:00 - 17:00 Uhr: Data Processing mit MongoDB

Format: Präsenz-Workshop. Die Räumlichkeit wird nach der Anmeldung bekannt gegeben.

Zuordnung: Modul 2 des MC4Data-Programms

 

Beschreibung des Tages 1: Data Processing mit Python

Lernergebnisse/ Learning Outcomes

Nach dem Workshop sind die Studierenden in der Lage…
•    Konzepte der Datenanalyse zu verstehen und zu bewerten
•    Jupyter Notebooks zu nutzen, um eigene Projekte zu verwirklichen
•    Datensätze zu verarbeiten und aufzubereiten
•    Daten zu interpretieren, wichtige Aspekte zu erkennen und hervorzuheben
•    Daten auf verschiedene Arten zu visualisieren und eine geeignete Visualisierungsform zu wählen
•    Eigene Ansätze für Aufgabenstellungen im Bereich der Datenanalyse zu entwickeln und umzusetzen

Lerninhalte

•    Konzepte der Datenanalyse
•    Python, Pandas und Jupyter Notebook
•    Handhabung und Aufbereitung von Datensätzen
•    Datenvisualisierung mit Python und der Bibliothek „seaborn“
•    Praktische Übung über die komplette Data-Analytics-Pipeline
•    Ausblick auf verschiedene Anwendungsgebiete der Datenanalyse

Referenten: Patrick Seifert, Christian Härteis, Maximilian Lattka, Method Park by UL

Patrick Seifert, Christian Härteis und Maximilian Lattka sind Software Engineers bei Method Park by UL in Erlangen. Sie sind in unterschiedliche Software und Data Science Projekten involviert, ihr gemeinsamer Nenner: Data Processing. Gemeinsam halten sie Workshops zum Thema Datenverarbeitung und lassen dort ihre Erfahrungen aus der Praxis einfließen.

 

Beschreibung des Tages 2: Data Processing mit MongoDB

Lernergebnisse/ Learning Outcomes

Nach dem Workshop sind Teilnehmende in der Lage…

  • elementare Aspekte des Datenbanksystems MongoDB zu verstehen sowie den Unterschied von SQL zu NoSQL-Datenbanken nachzuvollziehen
  • einen MongoDB Driver zu nutzen, um sich mit einer MongoDB verbinden zu können
  • Datensätze in MongoDB einzupflegen und auf diesen Datenauswertungen und -manipulationen durchzuführen
  • Aggregationen zu nutzen, um effiziente Datenabfragen auszuführen
  • mithilfe von MongoDB Charts übersichtliche, visuelle Datenauswertungen zu ermöglichen
  • selbstständig Applikationen zu entwickeln, in denen sie MongoDB Atlas als Platform as a Service nutzen

 

Lerninhalte

  • Theoretische Einführung in MongoDB & MongoDB Atlas
  • Verbinden mit dem MongoDB Atlas mithilfe von PyMongo
  • Durchführen von Datenmanipulation (CRUD-Operationen)
  • Ausführen komplexer Datenabfragen mithilfe von Aggregationen
  • Datenvisualisierung mit MongoDB Charts
  • Praktische Übungen mit Python, PyMongo, Jupyter Notebooks, Google Colab, Atlas & Charts

Referenten: Max Friedrich, Tim Biedenkapp, Sven Budig, Dominic Heil, adorsys GmbH & Co. KG Softwareentwicklung. Das ganzes Team ist an dem Workshop beteiligt. Tim ist für die Konzeption des Workshops verantwortlich. Vor Ort sind Max, Sven und Dominik als technischer Support.

Anmerkung: Generell ist der Workshop für Teilnehmende mit/ohne Vorwissen von Data Analytics geeignet. Wir empfehlen den Teilnehmenden jedoch die Grundlagen Data Analytics und Informationsmanagement aus dem Modul 1 vorher zu belegen, um die besten Lernergebnisse zu erzielen.

 

Termine: der Workshop findet im SoSe24 statt. Termine werden bekannt gegeben.

Format: Präsenz-Workshop. Die Räumlichkeit wird nach der Anmeldung bekannt gegeben.

Zuordnung: Modul 2 des MC4Data-Programms

 

Lernziele:

In diesem Workshop gewinnen Studierende Erkenntnisse über die Anbindung, Verarbeitung und Aufbereitung von Daten mit dem BI-Tool Tableau. Angefangen bei der Anbindung von Datenquellen über die Aufbereitung dieser bis hin zu smarten Visualisierungen und ersten Dashboards.
   

Lerninhalte:

1. Einstieg in Data Analytics

    Grundlagen und Wichtigkeit von BI-Tools
    Das Tableau-Ökosystem

    
2. Arbeiten mit Tableau Desktop

    Überblick über die Benutzeroberfläche und Standard-Funktionalitäten
    Effiziente Analyse und Aufbereitung von Daten aus verschiedenen Quellen
    Visualisierung von Daten und Erstellung unterschiedlicher Grafiken
    Techniken zur Erstellung dynamischer Grafiken mittels bspw. Top-Down-Filterung
    Einsatz von Werkzeugen zur selbständigen Erstellung visuell ansprechender Dashboards

    
3. Weiterführende Datenanalyse

    Export von Daten und Grafiken
    Strategien um effizient Mehrwert aus großen Datenmengen zu gewinnen
    Ausblick in die Welt von Tableau PREP und Serveranwendungen

 

Referentin: Theresa Rothmeier

Theresa Rothmeier ist Data Analyst bei Siemens Mobility in Nürnberg und Cornella de Llobregat. Seit ihrem Maschinenbaustudium arbeitete sie in den Bereichen Qualitätsmanagement und Factory Digitalization und ist dadurch mit vielen unterschiedlichen Prozessen, Tools und Applikationen in Berührung gekommen. Seit 2016 entwickelt sie bei Siemens im Werksumfeld Digitalisierungskonzepte und setzt sich darüber hinaus intensiv mit der Bereitstellung von Daten und deren Visualisierung auseinander.

 

Weitere Hinweise: Der Workshop kann für das Qualifizierungsprogramm Data Analytics (MC4Data) oder für das Hochschulzertifikat Digitalkompetenzen (DigKom) angerechnet werden. Eine Doppelanrechnung für beide Programme DigKom und MC4Data ist leider nicht möglich.

Anmerkung:

  • Das ist ein neues Angebot zum Thema "Text Analytics".
  • Grundkenntnisse in Python wären vorteilhaft, muss aber nicht unbedingt sein. Wir empfehlen den Teilnehmenden die Grundlagen Data Analytics und Informationsmanagement aus dem Modul 1 vorher zu belegen, um die besten Lernergebnisse zu erzielen.

 

Termine: Do., 07.03.24, 09:00 - 16:00 Uhr und Fr., 08.03.24, 9:00 - 12:00 Uhr (unter Vorbehalt!)

Format: Präsenz-Workshop. Die Räumlichkeit wird nach der Anmeldung bekannt gegeben.

Zuordnung: Modul 2 des MC4Data-Programms

 

Lernergebnisse:

Nach dem Workshop sind die Studierenden in der Lage…

  • Unstrukturierte Texte zu erkennen, die sich für die Analyse eignen
  • sich an Methoden zu erinnern, die für die Analyse angewendet werden können
     
  • Die richtigen Analysemethoden auszuwählen
  • Unterschied zwischen den Methoden zu erklären
  • Daten zu klassifizieren
  • Struktur von großen Textdatenmengen zu erfassen
  • Unterschiedliche Texte zu vergleichen
  • Die Funktionsweise der Analysemethoden zu beschreiben
     
  • Automatisierte Textanalysen durchzuführen
  • Eine Analysepipeline zu implementieren
     
  • Ergebnisse aus den Textdaten zu gewinnen
  • Unterschiedliche Analyseergebnisse zu interpretieren und darzustellen
     
  • Die Qualität der Analyse zu erfassen und zu beurteilen
  • Hypothesen zu der Textdatenmenge zu formulieren und zu bestätigen/widerlegen
  • Eine Gesamtanalyse zu entwickeln und im Umfang abzuschätzen

Lerninhalte:

Viele wichtige Informationen in Unternehmen liegen nur in Textform vor. Methoden der automatisierten Textanalyse helfen, diesen Wissensschatz zu heben. Ob nutzergenerierte Inhalte aus dem Netz, Kundenanfragen per Mail oder Verträge und Pflichtenhefte: Viele Informationen liegen in Form unstrukturierter Texte vor. Da diese Datenmenge immer schneller wächst, kann man nicht mehr einfach „mitlesen”. Die Lösung besteht in einer automatisierten Verarbeitung und Auswertung solcher Dokumente. NLP, Clustering, Topic Modeling, Klassifikation, Universal Embeddings – bei den KI-Technologien für die automatisierte Verarbeitung von Textmengen gibt es im Moment viele verschiedene Entwicklungsrichtungen, die teils ganz unterschiedliche Probleme lösen und sich besonders in Kombination zu ihrer größten Leistungsfähigkeit entfalten können. Der Referent erläutert an einem konkreten Beispiel die Stufen eines Text-Analytics-Projekts und zeigen, welche Techniken auf welchen Einsatzbereich passen und welche neuen Use Cases damit möglich werden.
 

Referent: Prof. Dr. Christian Winkler

Christian Winkler beschäftigt sich seit vielen Jahre mit künstlicher Intelligenz, speziell in der automatisierten Analyse natürlichsprachiger Texte (NLP). Als Professor an der Ohm konzentriert sich seine Forschung auf die Optimierung von User Experience mithilfe moderner Verfahren. Er forscht und publiziert zu Natural Language Processing und ist regelmäßig Sprecher auf Machine Learning-Konferenzen.

 

Anmerkung: Diese Selbstlerneinheit richtet sich an MINT-Studierende der Ohm, auch ohne Vorkenntnisse. Es wird empfohlen, zunächst die Module 1 und 2 abzuschließen.

 

Termin: zeitlich von Lernenden selbstbestimmt

Format: Selbstlerneinheit über Moodle. Der Link zum Moodle-Kurs wird am 15.03.24 an Lernenden verschickt.

Zuordnung: Modul 3 des MC4Data-Programms

 

Lernergebnisse/ Learning Outcomes

Nach dem Kurs sind die Studierenden in der Lage…

  • die Bandbreite unterschiedlicher Online-Bildungsangebote (MOOCs) zu kennen
  • eigene Wissenslücken und Interessenfelder zum Themenfeld Data Analytics zu identifizieren
  • passende Online- Bildungsangebote zum Themenfeld Data Analytics zu finden und in profitabler Weise zu nutzen
  • die Bedeutung des lebenslangen (auch informellen) Lernens zu erkennen

 

Lerninhalte

  • Festlegung eigenes Kompetenzprofils und persönlicher Lernbedürfnisse zum Themenfeld Data Analytics
  • Bandbreite unterschiedlicher Online-Bildungsangebote zu Data Analytics (MOOCs)
  • Recherche, Einsammlung und Bewertung der passenden Online-Bildungsangebote
  • Reflexion und Konkretisierung des Lernplans zur eigenständigen Weiterbildung

 

Referent*innen: Thu Van Le Thi und das Team MC4Data

Thu Van Le Thi ist Referentin bei der zentralen Einrichtung Lehr- und Kompetenzentwicklung der Ohm (LeKo | STARFISH). Ihr Tätigkeitsschwerpunkt liegt im Bereich Überfachliche Kompetenzen, insbesondere Digital- und Datenkompetenz, Future Skills. Derzeit betreut sie verschiedene Programme für TH-Studierende, vor allem das MC4Data-Programm, das Hochschulzertifikat Digitalkompetenz (DigKom) und die Summer School | Spring School for Future Skills. Darüber hinaus ist sie Referentin für die AW/AWPF-Lehrveranstaltung "Datenanalyse und interaktive Reportings mit Excel und Power BI".

Anmerkung: Die Teilnahme am Abschlussworkshop setzt das Bestehen der Module 1 bis 3 voraus.

Anmeldung: via Mail an thuvan.lethiatth-nuernbergpunktde

 

Termin: wird mit Teilnehmenden abgestimmt. Voraussichtlich im August 2024 nach dem Prüfungszeitraum des SoSe24.

Format: Präsenz-Workshop. Die Räumlichkeit wird bekannt gegeben.

Was sagen unsere Studierende über MC4Data im Abschlussworkshop?

FAQs

„Data Analytics Skills“ sind die Kompetenzen, mit Daten selbstbewusst umzugehen, Daten auf kritische Art und Weise zu sammeln, zu managen, zu bereinigen, zu analysieren, zu visualisieren und zu interpretieren. Dadurch sind Studierende in der Lage, datengetriebene Problemlösungen zu finden und zur effektiven Entscheidungsfindung heranzuziehen.

Es ist möglich, das MC4Data-Programm innerhalb eines Semesters zu absolvieren. Teilnehmende können das Programm auch über  zwei bis drei Semester strecken. Die Termine der Lerneinheiten werden in Kompaktwochen eingeplant, damit Teilnehmende die Einheiten innerhalb kurzer Zeit belegen können.

Teilnehmende können je nach Bedarf und Interesse einzelne Themen bzw. Workshops auswählen und belegen. Hierzu sollen sie sich für einzelne Workshops über VirtuOhm anmelden. Wenn sie den Programmabschluss erwerben wollen, sollen sie das gesamte Programm belegen.

In Modul 2 sollen Teilnehmende mindestens eine Lerneinheit je nach Interesse wählen und belegen (Lerneinheit 4.1, 4.2, 4.3 oder 4.4). Bei Bedarf können Teilnehmende weitere Tools aussuchen und die entsprechenden Lerneinheiten belegen. Wichtig: Bitte sich rechtzeitig für die Lerneinheiten des Moduls 2 anmelden.

Hinweis

Data Analytics ist ein Kompetenzfeld der Future Skills. Weitere Angebote zur Förderung von Future Skills für Studierende der TH Nürnberg finden Sie hier:

 

Sie haben Ideen, Anregungen oder Anliegen rund um das Thema "Data Analytics Skills von MINT-Studierenden" und möchten sich einbringen? Schicken Sie uns eine Nachricht an thuvan.lethiatth-nuernberg.de.

Das Team

Thu Van Le Thi Thu Van Le Thi
Dipl.-Kfr. (Univ.)
Matthias Spiegel Matthias Spiegel
Frauke Karlsberg Frauke Karlsberg
Dipl.-Inf. (FH)

Lennard Stohwasser 

Nadine Halbhuber

    

lennard.stohwasser@th-nuernberg.de

nadine.halbhuber@th-nuernberg.de

 

Förderung im Rahmen des Förderwettbewerbs „Smart Qualifiziert: MINT für die digitale Welt“ durch den Stifterverband und Daimler-Fonds