Data Science Course Portfolio

Finden Sie in HIDAs Trainingsportfolio den für Sie passenden Lernpfad und erweitern Sie Ihre Data Science Kompetenzen! Die fünf Plattformen des Information & Data Science Frameworks haben ein Kursangebot entwickelt, das ein breites Spektrum an Themen abdeckt.

HIDA bietet ein umfangreiches Kursportfolio im Bereich Information & Data Science an, das Lernende in jeder Phase ihrer professionellen und methodischen Entwicklung unterstützt. Unser Portfolio verschiedene Cluster und Lernpfade, die individuell an eigene Zielsetzungen anpasst werden können. So können beispielsweise Entwicklungen von den ersten Schritten in der Programmierung hin zu komplexer statistischer Modellierung oder KI- Techniken gemacht werden. Die Anwendungsorientierung ist ein zentraler Aspekt unserer Kurse und zeichnet das Trainingsportfolio aus. Dies schafft die nötigen Fertigkeiten, das Gelernte direkt und mit Erfolg in den eigenen Projekten umzusetzen.

Alle Kurse finden auf Englisch statt.

Lernpfade: Ein Fahrplan für Ihre Data Science Kompetenzen

HIDAs Lernpfade bieten einen strukturierten Fahrplan für das Erlernen von Data-Science-Konzepten innerhalb und über die sechs Cluster hinweg. Diese Lernpfade führen vom Einsteigerniveau, z. B. in Programmiersprachen Python oder R, zu einem fortgeschrittenen Level, etwa in statistischen Methoden und KI.

Programming with R

Machen Sie sich die Leistungsfähigkeit von R zunutze. Lernen Sie, mit R zu programmieren, Daten zu lesen, zu bearbeiten und zu visualisieren und gleichzeitig reproduzierbare Arbeitsabläufe und Manuskripte für die wissenschaftliche Forschung zu erstellen.

Statistics

Vertiefen Sie Ihr Verständnis von Wahrscheinlichkeitsrechnung, Hypothesentests, Regression und mehr. Dieses Cluster ist ideal für Lernende, die ihre Data-Science-Praxis auf statistische Methoden stützen wollen.

Introduction to Statistics

Mixed Models

Multivariate Statistics 1

Multivariate Statistics 2

Open Research

Erschließen Sie das Potenzial von Open Science durch Kurse über kollaborative Forschungspraktiken und Projektmanagement, Open-Source-Tools und –Software, sowie die Veröffentlichung ethischer, reproduzierbarer und transparenter Ergebnisse.

Kickstart Shell & Git
Introduction to Git & GitLab
Foundations of Research Software Publication
Continuous Integration
Fundamentals of Software Testing
Reproducible and Open Research
AI Ethics: Model Cards for Model Reporting

Python Fundamentals

Lernen Sie Python, die grundlegende Programmiersprache für KI-basierte Techniken wie beispielsweise maschinelles Lernen. Diese Kurse führen Sie durch zentrale Programmierkonzepte und die Entwicklung von wiederverwendbaren und effizientem Code.

First Steps in Python
Data Processing with Pandas & Data Visualization with Matplotlib
Kickstart Python
Object Oriented Programming

AI and Data Science

Mit maschinellem Lernen und Deep Learning als Grundpfeiler bereiten die Kurse in diesem Cluster die Lernenden auf fortgeschrittene KI-Tools und -Anwendungen vor. Kurse von Explainable AI bis hin zu Supercomputers, Dimensionality Reduction, Uncertainty Quantification, und AI Based Imaging Techniques kennzeichnen den Lernweg in diesem Cluster.

Basic Methods in Machine Learning / Introduction to Machine Learning
Understanding Transformers
Advanced Methods in Machine Learning
Introduction to Uncertainty Quantification
Introduction to Deep Learning
A Practical Guide to Dimensionality Reduction
Introduction to Explainable AI
Overview of AI‘s Parallelization Methods in Supercomputers
3D Data Visualization
Regularization in Image Reconstruction
ML Based Image Analysis & ML for Instance Segmentation
Six Main Tasks in Image Processing

FAIR and Data Management

Lernen Sie mehr über die Grundsätze einer guten Forschungsdatenverwaltung. Themen wie FAIR (Findable, Accessible, Interoperable, and Reusable) und Metadaten-Tools sind in diesem Cluster zentral und stellen sicher, dass Ihre Analysen sowohl wirkungsvoll als auch verantwortungsvoll sind.

Fundamentals of Scientific Metadata for Energy
Fundamentals of Scientific Metadata for Health
Reusability of Scientific Data - Matter

Wie funktioniert’s?

Legende Lernpfade: Die Pfeile in der grafischen Darstellung des Kursportfolios stellen die Lernpfade dar.

Ein durchgängiger Pfeil: die in einem vorangegangenen Kurs vermittelten Fähigkeiten und Kompetenzen sind für die Teilnahme am folgenden Kurs obligatorisch oder erforderlich.
Ein gestrichelter Pfeil: die in einem vorangegangenen Kurs vermittelten Fähigkeiten und Kompetenzen werden für die Teilnahme des folgenden Kurses empfohlen.

Flexibles Lernen: Das Schulungsportfolio folgt einem Mix-and-Match-Ansatz. Wir bieten anpassungsfähige Pfade, die sich Ihren individuellen Bedürfnissen und Ihrem Tempo anpassen.

Die Lernpfade können

von Anfang bis Ende verfolgt werden
an einem Punkt der Wahl betreten werden
überhaupt nicht verfolgt werden.

Ob Sie (teilweise) einem Pfad folgen oder nur in den Kurs/die Kurse einsteigen können, die Sie interessieren, hängt von Ihrem Kenntnisstand ab. Bitte schätzen Sie Ihr Kenntnisniveau sorgfältig ein. In allen Kursbeschreibungen finden Sie bestimmte Voraussetzungen zur Teilnahme, in denen relevante Vorkenntnisse explizit benannt werden. Wir bitten Sie, realistisch einzuschätzen, ob Sie alle Voraussetzungen für den Kurs erfüllen, und erst dann einen der Kursplätze zu belegen. Auf der Grundlage dieser Einschätzung können Sie darüber hinaus den Startpunkt Ihres Lernpfades entsprechend festlegen.

Haben Sie Fragen oder Anregungen zu unserem Kursportfolio? Bitte kontaktieren Sie uns gern.