Big Data

• 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.

Der Workload dieses Fachmoduls beläuft sich auf circa 30 Stunden. Die fachlichen Inhalte werden den Teilnehmenden in einem Zeitraum von circa 5 Wochen unter fachkundiger Anleitung in komplett digitalen Formaten vermittelt. Dabei haben die Teilnehmenden die Gelegenheit, in jeder Woche in ihren individuellen Lerntempos bereitgestellte Lerninhalte zu bearbeiten.

Am Ende jeder Unterrichtswoche findet online eine gemeinsame Session statt, in der die Transferaufgaben bearbeitet werden können. Direkt im Anschluss können die Teilnehmenden Wissen vertiefen sowie bearbeitete Aufgaben gemeinsam mit dem Dozierenden reflektieren. 

Die gemeinsame Bearbeitung der Transferaufgabe, Reflexion der Ergebnisse und vertiefende Diskussion mit dem Dozenten findet an folgenden Terminen statt: 

Termine folgen in Kürze!

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.