Big Data - Data Science

Um in der Unternehmensentwicklung, in Marketing und Vertrieb erfolgreich zu bleiben, kann die Nutzung von Big Data eine bedeutungsvolle Rolle einnehmen. Besondere Möglichkeiten bieten Datenmengen dann, wenn mit Hilfe von Data Science die Extraktion von Erkenntnissen, Mustern und Schlüsseln ermöglicht wird und so Smart Data entsteht. Lernen Sie in diesem Modul die Chancen, aber auch die Herausforderungen von Big Data kennen, um einen möglichen Handlungsbedarf in Ihrem Unternehmen einschätzen zu können. Sie erhalten einen Einblick in technologische Grundlagen, sodass Sie ein breites Spektrum von Technologien kennen, die für Ihr Unternehmen von Bedeutung sein können. Entwickeln Sie Ideen, wie Sie KI und Machine Learning gewinnbringend für Ihre Organisation einsetzen. Darüber hinaus erarbeiten Sie Lösungen für die Herausforderungen zu Datenschutz und Datensicherheit für die Planung eines KI-Projektes in Ihrem Unternehmen. Dieses praktisch angelegte Modul wird durch geeignete Best-Practice-Beispiele und fundierte Fallstudien zum Thema Data Science angereichert. So erzielen Sie einen echten Nutzen für Ihre eigenen unternehmerischen Aufgabenstellungen! 

• Big Data: Einleitung und Motivation, Charakteristik
• Technologische Grundlagen
• Datenanalyse im Zeitalter von Big Data, Data Science
• KI und Maschinelles Lernen
• Datenschutz und Datensicherheit, Anwendungsbeispiele

• Sie lernen die Herausforderungen und die Chancen von Big Data kennen und können diese auf Ihr individuelles Unternehmensumfeld transferieren und fundierte Schlussfolgerungen treffen.
• Sie erhalten einen Einblick in technologische Grundlagen, sodass Sie ein breites Spektrum von Technologien kennen, welches für Ihr Unternehmen von Bedeutung sein kann.
• Sie lernen, einen selbst gewählten betriebswirtschaftlichen Sachverhalt bzgl. eines Einsatzes von Data Science zu analysieren, um den Einsatz von Data Science zu planen.

Konzeption und Durchführung dieses Moduls: 

Christoph Gschnaidtner ist als Forscher an der  Professur für Innovationsökonomik der TUM School of Management und bei der Deutschen Bundesbank tätig. Zudem ist er Mitglied des TUM Blockchain Research Clusters sowie Lehrbeauftragter an der ADG Business School (Steinbeis-Hochschule). Seine Forschungsinteressen liegen im Bereich der Devisenmärkte und des Geldes der Zukunft, Decentralized Finance, Modellkalibrierung und stochastische Volatilitätsmodelle. Er hat einen Master of Science in Finanzmathematik und einen Master of Science im bayerischen Elitestudiengang Finance & Informations Management, beide von der Technischen Universität München (TUM). Neben seiner akademischen Laufbahn verfügt er über vielfältige Berufserfahrung in der Finanzindustrie und tritt als Keynote Speaker zu den Themen Blockchain, digitale Währungen und Datenanalyse auf.