Hauptinhalt überspringenNavigation überspringenFooter überspringen
Logo der Fachhochschule Nordwestschweiz
Studium
Weiterbildung
Forschung und Dienstleistungen
Internationales
Die FHNW
De
Standorte und KontaktBibliothek FHNWKarriere an der FHNWMedien

      Logo der Fachhochschule Nordwestschweiz
      • Studium
      • Weiterbildung
      • Forschung und Dienstleistungen
      • Internationales
      • Die FHNW
      De
      Standorte und KontaktBibliothek FHNWKarriere an der FHNWMedien

      Unsere nächsten
      Infoanlässe
      Jetzt anmelden!

      Weiterbildung Informatik
      Fachvertiefungsmodule Data Science
      Modul: Datenbanken und Data Warehousing

      Modul: Datenbanken und Data Warehousing

      Lerne die Grundlagen einer nachhaltigen Data-Management-Strategie. Mit dem Wissen über die wichtigsten Technologien des Daten-Managements kannst du deren Einsatz für Data-Science-Projekte in der Praxis richtig einschätzen.

      Eckdaten

      ECTS-Punkte
      2,5
      Nächster Start
      12.9.2025
      Dauer
      4 Unterrichtstage
      Unterrichtstage
      Freitags, Samstags
      Unterrichtssprache
      Deutsch
      Durchführungsort(e)
      FHNW Campus Brugg-Windisch
      Preis
      CHF 1500.–
      Jetzt anmelden

      Mobile navi goes here!

      Eine der Praxis-Herausforderungen von Data Scientists ist der Umgang mit Daten aus verschiedenen Quellen (Informations-Beschaffung, -Bewirtschaftung & -Bereitstellung). Die Informationen müssen häufig aus verschiedenen Systemen zusammengeführt, auf Konsistenz geprüft und zugriffsgeschützt abgelegt werden, um eine langfristige Data-Science-Strategie im Betrieb aufzubauen. Lerne die Grundlagen eines nachhaltigen, praxistauglichen und kosteneffizienten Datenmanagements und den Umgang mit verschiedenen Datenbanken.

      Modulübersicht

      In zwei Unterrichtstagen erhältst du eine Einführung in das Thema Enterprise- und Lösungsarchitektur mit Fokus auf Daten-Management, Data Warehousing und verwandte Konzepte wie Data Lakes. Damit werden die Grundlagen für ein nachhaltiges Daten-Management in Data-Science-Projekten geschaffen. Mit dem Wissen über die wichtigsten Technologien des Daten-Managements (SQL, No-SQL, On-Prem vs. Cloud) kannst du deren Einsatz für Data-Science-Projekte in der Praxis richtig einschätzen. Du kennst die Anforderungen und Rahmenbedingungen an unternehmensweite Datenmodelle und kannst ein einfaches relationales Data Warehouse-Datenmodell erarbeiten, welches für Data-Science-Zwecke gut geeignet ist. Zusätzlich lernst du die Grundlagen von SQL im analytischen Umfeld kennen und bist in der Lage, selbst Abfragen und analytische Datasets zu erstellen.

      Lernziele
      • Du kennst Lösungsarchitekturen im Kontext des Daten-Managements und kannst UML für die Modellierung sinnvoll einsetzen.
      • Du kennst die gängigsten Referenzarchitekturen für analytische Systeme (z.B. Data Warehouse nach Kimball, Data Lake, etc.) und kannst deren Vor- und Nachteile beurteilen.
      • Du kennst die typischen treibenden Kräfte wie Anforderungen und Rahmenbedingungen an analytische Daten-Architekturen und kannst diese bei der Evaluierung eines geeigneten IT-Systems für deine ML-Projekte berücksichtigen.
      • Du kennst die wichtigsten Technologien des Daten-Managements (SQL, No-SQL, On-Prem vs. Cloud) und kannst deren Einsatz für ML-Projekte in der Praxis richtig einschätzen.
      • Du kannst ein einfaches relationales DWH-Datenmodell im Stern-Schema erarbeiten, welches für Machine Learning-Zwecke verwendet werden kann.
      • Du lernst die Grundlagen von SQL im analytischen Umfeld und bist in der Lage, selbst Abfragen und analytische Datasets zu erstellen. Du weisst, wie du den Code strukturieren musst, damit dieser auch ausserhalb des Jupyter Notebooks verwendet werden kann.
      Technologien

      SQL, NoSQL

      Erwartete Vorkenntnisse
      • Grundkompetenz im Umgang mit Daten- und Informationen sowie grundlegende Affinität zu Programmierung
      • Bereits Erfahrungen in typischen betrieblichen IT-Fragestellungen sind von Vorteil
      Kursvorbereitungen
      • Einarbeitung in SQL

      Bitte plane etwa 10 Stunden für die Vorbereitung.

      Weitere Informationen

      Abschluss

      Du erhältst in jedem Fall eine Teilnahmebestätigung. Falls du in der festgelegten Leistungsbeurteilung mindestens eine genügende Leistung erbringst, erhältst du einen Nachweis, dass du das Modul erfolgreich bestanden hast.

      Teilnehmenden des DAS- oder MAS-Data-Science-Weiterbildungslehrgangs werden die entsprechenden ETCS-Punkte angerechnet.

      Unterrichtstage
      • 12.9.2025
      • 13.9.2025
      • 19.9.2025
      • 20.9.2025
      Mindestteilnehmerzahl

      8 Teilnehmende

      Kosten

      CHF 1500.–

      Downloads & weitere Informationen

      Programm-Reglement Weiterbildung Data Science

      Weiterbildung

      Weiterbildung Informatik
      Module Data Science
      Patrizia Hostettler

      Patrizia Hostettler

      Sekretariat Weiterbildung

      Telefonnummer

      +41 56 202 72 18

      E-Mail

      patrizia.hostettler@fhnw.ch

      Adresse

      Fachhochschule Nordwestschweiz FHNW Hochschule für Technik und Umwelt Hochschule für Informatik Klosterzelgstrasse 2 5210 Windisch

      Michael Henninger

      Prof. Michael Henninger

      Leiter Data Science Weiterbildung

      Telefonnummer

      +41 56 202 99 55

      E-Mail

      michael.henninger@fhnw.ch

      Adresse

      Fachhochschule Nordwestschweiz FHNW Hochschule für Informatik Bahnhofstrasse 6 5210 Windisch

      ht_wbt_das_ds_moduleht_wbt_das_das_module_hsht_wbt_das_ds_module_fs

      Hochschule für Informatik FHNW, Brugg-Windisch

      Fachhochschule Nordwestschweiz FHNW
      Hochschule für Informatik

      Bahnhofstrasse 6

      5210 Windisch

      Telefon+41 56 202 90 00

      E-Mailinfo.informatik@fhnw.ch

      Mehr Infos zum Standort

      Angebot

      • Studium
      • Weiterbildung
      • Forschung & Dienstleistungen

      Über die FHNW

      • Hochschulen
      • Organisation
      • Leitung
      • Facts and Figures

      Hinweise

      • Datenschutz
      • Accessibility
      • Impressum

      Support & Intranet

      • IT Support
      • Login Inside-FHNW

      Member of: