StatistikerIn
Berufsbereiche: Elektrotechnik, Elektronik, Telekommunikation, IT / Wissenschaft, Bildung, Forschung und EntwicklungAusbildungsform: Uni/FH/PH
Berufsbeschreibung
StatistikerInnen beschäftigen sich mit Methoden zur Erfassung und Analyse von Daten. Dazu gehören die Erhebung, Auswertung, Interpretation der Daten sowie die Präsentation der Ergebnisse.
StatistikerInnen wenden sogenannte statistische Operationen zur Berechnung von bestimmten Werten an. Diese Werte beziehen sich z.B. auf das Bevölkerungswachstum, auf Wetterprognosen, Wahlhochrechungen und die Abweichung von Durchschnittswerten. Grob unterschieden werden die deskriptive (beschreibende) und die induktive (schließende) Statistik.
In der deskriptiven Statistik werden keine Vorhersagen getroffen. Die Daten werden mittels empirischer Methoden wie Beobachtung und Befragung gewonnen. StatistikerInnen fassen die gesammelten Daten zusammen und werten sie aus. Sie stellen die daraus gewonnenen Informationen visuell dar und präsentieren sie den AuftraggeberInnen.
Bei der induktiven Statistik nehmen StatistikerInnen eine Stichprobe aus einer Grundgesamtheit. Das sind oft wenige Daten aus einer großen Menge. StatistikerInnen versuchen aus dem Auswertungs-Ergebnis Rückschlüsse auf die Grundgesamtheit (also auf alle) zu ziehen. Dabei spielt die Wahrscheinlichkeitstheorie eine große Rolle.
Allgemein entwickeln StatistikerInnen neue oder verbesserte statistische Verfahrensweisen und deren mathematische Grundlagen. Dazu entwerfen und testen sie neue Verfahrensgrundsätze und Stichprobenmodelle. Zudem führen sie Versuche mit Analysetechniken durch. Auch geben sie Empfehlungen zur Anwendung statistischer Methoden und Techniken für bestimmte Zwecke ab.
Im Bereich der Angewandten Statistik wird zwischen Sozialstatistik, Demoskopie (Meinungsforschung), Wirtschaftsstatistik und der naturwissenschaftlich-technischen Statistik (z.B. Statistische Physik) unterschieden. Häufig ergeben sich Überschneidungen zwischen diesen Arbeitsgebieten.
Spezialisierung ist in verschiedenen Branchen möglich, wie etwa Finanzstatistik, Geostatistik, Kommunalstatistik, Sportstatistik oder Umweltstatistik.
Siehe auch die Berufe VersicherungsmathematikerIn, AktuarIn, Tax ManagerIn.
StatistikerInnen beschäftigen sich mit Methoden zur Erfassung und Analyse von Daten. Dazu gehören die Erhebung, Auswertung, Interpretation der Daten sowie die Präsentation der Ergebnisse.
StatistikerInnen wenden sogenannte statistische Operationen zur Berechnung von bestimmten Werten an. Diese Werte beziehen sich z.B. auf das Bevölkerungswachstum, auf Wetterprognosen, Wahlhochrechungen und die Abweichung von Durchschnittswerten. Grob unterschieden werden die deskriptive (beschreibende) und die induktive (schließende) Statistik.
In der deskriptiven Statistik werden keine Vorhersagen getroffen. Die Daten werden mittels empirischer Methoden wie Beobachtung und Befragung gewonnen. StatistikerInnen fassen die gesammelten Daten zusammen und werten sie aus. Sie stellen die daraus gewonnenen Informationen visuell dar und präsentieren sie den AuftraggeberInnen.
Bei der induktiven Statistik nehmen StatistikerInnen eine Stichprobe aus einer Grundgesamtheit. Das sind oft wenige Daten aus einer großen Menge. StatistikerInnen versuchen aus dem Auswertungs-Ergebnis Rückschlüsse auf die Grundgesamtheit (also auf alle) zu ziehen. Dabei spielt die Wahrscheinlichkeitstheorie eine große Rolle.
Allgemein entwickeln StatistikerInnen neue oder verbesserte statistische Verfahrensweisen und deren mathematische Grundlagen. Dazu entwerfen und testen sie neue Verfahrensgrundsätze und Stichprobenmodelle. Zudem führen sie Versuche mit Analysetechniken durch. Auch geben sie Empfehlungen zur Anwendung statistischer Methoden und Techniken für bestimmte Zwecke ab.
Im Bereich der Angewandten Statistik wird zwischen Sozialstatistik, Demoskopie (Meinungsforschung), Wirtschaftsstatistik und der naturwissenschaftlich-technischen Statistik (z.B. Statistische Physik) unterschieden. Häufig ergeben sich Überschneidungen zwischen diesen Arbeitsgebieten.
Spezialisierung ist in verschiedenen Branchen möglich, wie etwa Finanzstatistik, Geostatistik, Kommunalstatistik, Sportstatistik oder Umweltstatistik.
Siehe auch die Berufe VersicherungsmathematikerIn, AktuarIn, Tax ManagerIn.
-
ab 10.09.2024
Lehrgang Data Science Kompakt
Dieser Lehrgang Data Scientist – Kompakt bietet sowohl Personen mit IT-Erfahrung (Entwickler:innen, Datenbankadministrator:innen, Systemengineers,..), als auch Personen aus dem Fachbereich (Statistiker:innen, BI-Spezialist:innen, Business-Analyst:innen,…) eine umfassende Weiterentwicklung für neue Standards im Data Science Bereich, und bietet die Grundlage für eine Entwicklung Richtung Data Science Expert:in. Dabei werden Fragen beantwortet, die Sie sich in Ihrer Tätigkeit bisher vielleicht noch gar nicht gestellt haben: * Was ist der Unterschied zwischen Business Intelligence und DataScience? * Wie kann DataScience sinnvoll angewandt werden? * Bin ich als Data Scientist nun IT-Experte oder Statistiker? * Was ist gerade aktuell? Was wird die Zukunft im Data Science Bereich bringen? Oder aber auch technische Fragen wie z.B.: * Wie funktioniert die Modellierung von Daten? * Wie integriere ich Daten in Systeme? * Wie analysiere und visualisiere ich Daten richtig? Die Ausbildung zum Data Scientist – Kompakt gliedert sich in 8 Module (8 Halbtage) und bietet eine Basisausbildung zum Data Scientist. Ausgebildete Expert:innen und Berater:innen aus der Praxis bieten Ihnen dabei nicht nur Schulungen für Data Science als theoretische Grundlage, sondern auch konkrete Lösungsszenarien für Ihre Herausforderungen in der Praxis, die Sie sofort in Ihren Projekten umsetzen können. Die 8 Module bilden gemeinsam eine zusammenhängende Ausbildung. Jedes Modul kann jedoch auch einzeln besucht werden: * DAS-10 Darum Data Science * DAS-20 Be a Data Artist * DAS-30 Datenarchitektur * DAS-40 Datenmodellierung und Datenaufbereitung * DAS-50 Datenintegration * DAS-60 Analytics in Theory * DAS-70 Analytics in Action * DAS-80 Trends und Use-CasesVoraussetzungen:
Grundlegende IT KenntnisseInstitut:
solvistas AcademyWo:
solvistas Schulungszentrum Wien Karl-Popper-Str. 2 / Top 2 1100 WienWann:
10.09.2024 - 23.10.2024 -
ab 10.09.2024
DataScience Basislehrgang
Dieser DataScience Basislehrgang bietet sowohl Personen mit IT-Erfahrung, Spezialisten (EntwicklerInnen, DatenbankadministratorInnen, Systemengineers,..), als auch Personen aus dem Fachbereich (StatistikerInnen, BI-SpezialistInnen, Business-AnalystInnen,â¦) eine umfassende Weiterentwicklung für neue Standards und bietet die Grundlage für eine Entwicklung Richtung DataScience Expert*innen. Dabei werden Fragen beantwortet, die Sie sich in Ihrer Tätigkeit bisher vielleicht noch gar nicht gestellt haben: st der Unterschied zwischen Business Intelligence und DataScience? ann DataScience sinnvoll angewandt werden? ch als DataScientist nun IT-Experte oder Statistiker? Oder aber auch technische Fragen wie z.B.: unktioniert die Modellierung von Daten? enötige ich wenn ich Daten in Systeme integrieren möchte? nalysiere und visualisiere ich Daten richtig? as habe ich bezüglich Gesetze und Vorschriften dabei zu beachten? Dieses Seminar wird in Zusammenarbeit solvistas Academy GmbH und mit der ADV-Austrian Digital Value veranstaltet. Aus diesem Grund gibt es auch eine Ermäßigung für Mitglieder der ADV - bitte geben Sie bei Ihrer Bestellung Ihre ADV Mitgliedsnummer an.Zielgruppe:
Entwickler*innen Datenbankadministrator*innen Systemengineers Statistiker*innen BI-Spezialist*innen Business-Analyst*innenVoraussetzungen:
Es sind keine Vorkenntnisse für den Besuch des Kurses notwendig. -
ab 04.11.2024
QM-Werkstatt Datascience: Unsupervised Machine Learning
Unsupervised Machine Learning ist ein Feld, das Fachleute wie Facebooks Yann LeCun als vielversprechende Zukunft von Machine Learning betrachten. In einer inzwischen Kult-Status genießenden Metapher verglich LeCun Machine Learning mit einer Torte dabei würden die supervised Algorithmen nur die Glasur darstellen: Der Großteil dieser Torte werde von unsupervised (oder, in einem Update des Bildes aus dem Jahr 2019: self-supervised) Algorithmen gestellt werden. Dieses Seminar gibt einen ersten praxisorientierten Einblick in das Prinzip von Unsupervised Machine Learning. Es werden einige einfache unsupervised Algorithmen vorgestellt und deren mögliche Anwendungsgebiete, beispielsweise in Verbesserungsprojekten, erörtert.Zielgruppe:
Teilnehmende der QM-Werkstatt Quality Data Science (QM-DS), Six Sigma Spezialist*innen (Green/Black Belt), Statistiker*innen (ST/Qll) sowie InteressierteVoraussetzungen:
Der Besuch der QM-Werkstatt Quality Data Science (QM-DS) wird empfohlen.Institut:
Quality Austria Trainings-, Zertifizierungs und Begutachtungs GmbHWo:
Quality Austria WienWann:
04.11.2024 - 04.11.2024 -
ab 05.11.2024
Lehrgang Data Science Kompakt
Dieser Lehrgang Data Scientist – Kompakt bietet sowohl Personen mit IT-Erfahrung (Entwickler:innen, Datenbankadministrator:innen, Systemengineers,..), als auch Personen aus dem Fachbereich (Statistiker:innen, BI-Spezialist:innen, Business-Analyst:innen,…) eine umfassende Weiterentwicklung für neue Standards im Data Science Bereich, und bietet die Grundlage für eine Entwicklung Richtung Data Science Expert:in. Dabei werden Fragen beantwortet, die Sie sich in Ihrer Tätigkeit bisher vielleicht noch gar nicht gestellt haben: * Was ist der Unterschied zwischen Business Intelligence und DataScience? * Wie kann DataScience sinnvoll angewandt werden? * Bin ich als Data Scientist nun IT-Experte oder Statistiker? * Was ist gerade aktuell? Was wird die Zukunft im Data Science Bereich bringen? Oder aber auch technische Fragen wie z.B.: * Wie funktioniert die Modellierung von Daten? * Wie integriere ich Daten in Systeme? * Wie analysiere und visualisiere ich Daten richtig? Die Ausbildung zum Data Scientist – Kompakt gliedert sich in 8 Module (8 Halbtage) und bietet eine Basisausbildung zum Data Scientist. Ausgebildete Expert:innen und Berater:innen aus der Praxis bieten Ihnen dabei nicht nur Schulungen für Data Science als theoretische Grundlage, sondern auch konkrete Lösungsszenarien für Ihre Herausforderungen in der Praxis, die Sie sofort in Ihren Projekten umsetzen können. Die 8 Module bilden gemeinsam eine zusammenhängende Ausbildung. Jedes Modul kann jedoch auch einzeln besucht werden: * DAS-10 Darum Data Science * DAS-20 Be a Data Artist * DAS-30 Datenarchitektur * DAS-40 Datenmodellierung und Datenaufbereitung * DAS-50 Datenintegration * DAS-60 Analytics in Theory * DAS-70 Analytics in Action * DAS-80 Trends und Use-CasesVoraussetzungen:
Grundlegende IT KenntnisseInstitut:
solvistas AcademyWo:
solvistas Schulungszentrum Wien Karl-Popper-Str. 2 / Top 2 1100 WienWann:
05.11.2024 - 20.11.2024 -
ab 05.11.2024
DataScience Basislehrgang
Dieser DataScience Basislehrgang bietet sowohl Personen mit IT-Erfahrung, Spezialisten (EntwicklerInnen, DatenbankadministratorInnen, Systemengineers,..), als auch Personen aus dem Fachbereich (StatistikerInnen, BI-SpezialistInnen, Business-AnalystInnen,â¦) eine umfassende Weiterentwicklung für neue Standards und bietet die Grundlage für eine Entwicklung Richtung DataScience Expert*innen. Dabei werden Fragen beantwortet, die Sie sich in Ihrer Tätigkeit bisher vielleicht noch gar nicht gestellt haben: st der Unterschied zwischen Business Intelligence und DataScience? ann DataScience sinnvoll angewandt werden? ch als DataScientist nun IT-Experte oder Statistiker? Oder aber auch technische Fragen wie z.B.: unktioniert die Modellierung von Daten? enötige ich wenn ich Daten in Systeme integrieren möchte? nalysiere und visualisiere ich Daten richtig? as habe ich bezüglich Gesetze und Vorschriften dabei zu beachten? Dieses Seminar wird in Zusammenarbeit solvistas Academy GmbH und mit der ADV-Austrian Digital Value veranstaltet. Aus diesem Grund gibt es auch eine Ermäßigung für Mitglieder der ADV - bitte geben Sie bei Ihrer Bestellung Ihre ADV Mitgliedsnummer an.Zielgruppe:
Entwickler*innen Datenbankadministrator*innen Systemengineers Statistiker*innen BI-Spezialist*innen Business-Analyst*innenVoraussetzungen:
Es sind keine Vorkenntnisse für den Besuch des Kurses notwendig.
Mehr Infos zu Weiterbildungen in der Weiterbildungsdatenbank
- 13 fachliche berufliche Kompetenzen
-
4
Artificial Intelligence
-
Machine Learning (1)
- Deep Learning
-
Natural Language Processing (1)
- TensorFlow
- Neural Networks
-
AI-Anwendungsbereiche (1)
- Algorithmic Decision Making
-
Machine Learning (1)
-
1
Betriebswirtschaftliche Anwendungssoftware-Kenntnisse
-
Branchenübergreifende Unternehmenssoftware (4)
- Business Intelligence-Systeme
- Microsoft BI
- QlikView
- Tableau (Software)
-
Branchenübergreifende Unternehmenssoftware (4)
-
5
Datenbankkenntnisse
-
Advanced Analytics (8)
- Apache Kafka
- Big Data Analytics-Tools
- Data Mining
- Datenanalyse
- Orange (Software)
- RapidMiner
- Smart Data
- Weka
-
Data Warehousing (2)
- Amazon Redshift
- ETL-Prozess
-
Datenbanksysteme (3)
- Access
- MongoDB
- Redis
-
Datenbankadministration (1)
- Betreuung von relationalen Datenbanken
-
Datenbank- und Datenbankabfragesprachen (1)
- SQL
-
Advanced Analytics (8)
-
1
EDV-Anwendungskenntnisse
-
Datenpflege (1)
- Forschungsdatenmanagement
-
Datenpflege (1)
-
1
Fremdsprachenkenntnisse
- Englisch
-
1
Internetentwicklungs- und Administrationskenntnisse
-
Cloud Computing (2)
- AWS
- Microsoft Azure
-
Cloud Computing (2)
-
3
Kenntnis wissenschaftlicher Arbeitsmethoden
- Projektmanagement im Wissenschafts- und Forschungsbereich
- Simulation
- Wissenschaftliche Recherche
-
5
Programmiersprachen-Kenntnisse
-
Compiler Programmiersprachen (2)
- C
- C++
-
Objektorientierte Programmiersprachen (2)
- Hadoop
- Java
-
Programmierbibliotheken und Schnittstellen (3)
- Pandas
- PyTorch
- Scikit-learn
-
Interpreter Programmiersprachen (3)
- NumPy
- PHP
- Python
-
Multi-Paradigmen-Sprachen (1)
- VBA - Visual Basic for Applications
-
Compiler Programmiersprachen (2)
-
1
Qualitätsmanagement-Kenntnisse
-
Qualitätsmanagement-Methoden (1)
- Predictive Maintenance
-
Qualitätsmanagement-Methoden (1)
-
4
Softwareentwicklungskenntnisse
- Softwareanalyse
- Softwareprogrammierung
-
Softwareentwicklungsmethoden (1)
- DevOps
-
Softwareentwicklungstools (1)
- Jupyter
-
3
Statistikkenntnisse
-
Statistikerstellung (1)
- Versicherungsstatistik
-
Statistikprogramme (2)
- SAS-Software
- SPSS
-
Statistische Methoden (4)
- Dateninterpretation
- Datenverifikation
- Probabilistische graphische Modelle
- Statistische Datenanalyse
-
Statistikerstellung (1)
-
2
Vortrags- und Präsentationskenntnisse
- Audiovisuelle Präsentationstechnik
-
Abhalten von Vorträgen und Präsentationen (1)
- Abhalten von Online-Präsentationen
-
1
Wissenschaftliches Fachwissen Technik und Formalwissenschaften
-
Formalwissenschaften (2)
- Mathematik
- MatLab
-
Formalwissenschaften (2)
- 6 überfachliche berufliche Kompetenzen
- Analytische Fähigkeiten
- Einsatzbereitschaft
- Kommunikationsstärke
-
1
Lernbereitschaft
- Neugier
- Problemlösungsfähigkeit
- Teamfähigkeit
- 15 In Inseraten gefragte berufliche Kompetenzen
- Artificial Intelligence
- Softwareentwicklungskenntnisse
- Analyse von Big Data
- Data Mining
- Datenbankentwicklung
- Deep Learning
- Machine Learning
- Microsoft Azure
- Microsoft BI
- Modellentwicklung (Statistik)
- Neural Networks
- Python
- Simulationssoftware
- Spark
- SQL