Zu Hauptinhalt springenZur Suche springenZu Hauptnavigation springenZu Footer springen
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 I...
Fachvertiefungsmodule...
Modul: Datenbanken und Data Ware...

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
3
Nächster Start
20. März 2026
Dauer
4 Unterrichtstage
Unterrichtstage
Freitags, Samstags
Unterrichtssprache
Deutsch
Durchführungsort(e)
FHNW Campus Brugg-Windisch
Preis
CHF 1800.–
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
  • Freitag, 20. März 2026
  • Samstag, 21. März 2026
  • Freitag, 27. März 2026
  • Samstag, 28. März 2026
Mindestteilnehmerzahl

8 Teilnehmende

Kosten

CHF 1800.–

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 Zentrum Weiterbildung

Telefonnummer

+41 56 202 87 61

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

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: