StatistikerIn - Naturwissenschaftlich-Technische Statistik

Berufsbereiche: Elektrotechnik, Elektronik, Telekommunikation, IT / Wissenschaft, Bildung, Forschung und Entwicklung
Ausbildungsform: Uni/FH/PH
∅ Einstiegsgehalt: € 2.500,- bis € 3.930,- *
* Die Gehaltsangaben entsprechen den Bruttogehältern bzw Bruttolöhnen beim Berufseinstieg. Achtung: meist beziehen sich die Angaben jedoch auf ein Berufsbündel und nicht nur auf den einen gesuchten Beruf. Datengrundlage sind die entsprechenden Mindestgehälter in den Kollektivverträgen (Stand: 2022). Eine Übersicht über alle Einstiegsgehälter finden Sie unter www.gehaltskompass.at. Die Mindest-Löhne und Mindest-Gehälter sind in den Branchen-Kollektivverträgen geregelt. Die aktuellen kollektivvertraglichen Lohn- und Gehaltstafeln finden Sie in den Kollektivvertrags-Datenbanken des Österreichischen Gewerkschaftsbundes (ÖGB) und der Wirtschaftskammer Österreich (WKÖ).

Berufsbeschreibung

StatistikerInnen arbeiten an der Erfassung von Daten im Rahmen von Experimenten und Versuchsreihen.

In der technischen Statistik setzen sie statistische Methoden ein um die die Fehlerhäufigkeit bei Produktionsvorgängen abschätzen, bevor ein Produkt in die Serienfertigung gelangt. Somit lassen sich die Ausschuss- und Nacharbeitsaufwände besser organisieren.

StatistikerInnen nehmen Stichproben und führen Wahrscheinlichkeitsrechnungen durch. Durch den Einsatz von Untersuchungsmethoden kann zum Beispiel verhindert werden, dass es zu Toleranzüberschreitungen in Fertigungsprozessen kommt. Sie führen auch Prozessfähigkeitsuntersuchungen durch um zu verhindern, dass sich ein Prozess in der Produktion unbemerkt verschlechtert und fehlerhafte Teile produziert werden.

Im Rahmen der Qualitätssicherung nutzen sie statistische Methoden um die mittlere Lebensdauer von Gebrauchsgütern zu bestimmen.

StatistikerInnen übernehmen auch deren Analyse, Auswertung und Interpretation von Daten in unterschiedlichen Bereichen, wie Physik, Chemie und Biomedizin. Sie erfassen z.B. Symptome, Verlauf und Therapie von Krankheitsprozessen. Sie analysieren Zusammenhänge zwischen dem Auftreten von Krankheiten und der sozialen Lage der PatientInnen. Weiters überprüfen sie die Einflüsse von Arbeitsverhältnissen auf die Verteilung verschiedener Krankheiten in der Bevölkerung.

StatistikerInnen können auch beratende Funktionen ausüben.

Siehe auch die Berufe MathematikerIn, Computerlinguistik und InformatikerIn.

 

 

  • Naturwissenschaftliche/ Ökologische Grundlagen, Umweltrecht, Umweltplanung, Entstehung und Bewertung von Altlasten, Wasserver- Abwasserentsorgung/ Gewässerschutz, Abfallwirtschaft, Atmosphärenschutz, Sanierung von Umweltschäden (Altlastensanierung)
    Ziele:
    Die Studierenden sollen in die Lage versetzt werden, anthropogene einflüsse und deren Folgen auf die Biosphäre und damit auf den Menschen mittels wissenschaftlicher Methoden zu erkennen, zu bewerten und in zielgerichtetes Handeln umzusetzen.Im ersten Studienabschnitt gilt es insbesondere, den Studierenden ein fundiertes naturwissenschaftlich-ökologisches Hintergrundwissen zu vermitteln sowie über die rechtlichen und planerischen Instrumente des Umweltschutzeszu informieren.Das Vertiefungsstudium befasst sich überwiegend mit technologischenAnwendungen des praktischen Umweltschutzes, und zwar in den Bereichen Abfallwirtschaft, Bodenschutz, Immissionsschutz, Wasserwirtschaft und Gewässerschutz sowie der Sanierung von Umwelt-schäden.
    Voraussetzungen:
    Abgeschlossenes Hochschulstudium einer natur- oder ingenieurwissenschaftlichen Fachrichtung. Zulassung von Absolventen anderer Fachgebiete möglich.
  • ab 10.09.2024
    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-Cases
    Voraussetzungen:
    Grundlegende IT Kenntnisse

    Institut:
    solvistas Academy

    Wo:
    solvistas Schulungszentrum Wien Karl-Popper-Str. 2 / Top 2 1100 Wien

    Wann:
    10.09.2024 - 23.10.2024

  • ab 10.09.2024
    Dieser DataScience Basislehrgang bietet sowohl Personen mit IT-Erfahrung, Spezialisten (EntwicklerInnen, DatenbankadministratorInnen, Systemengineers,..), als auch Personen aus dem Fachbereich (StatistikerInnen, BI-SpezialistInnen, Business-AnalystInnen,…) 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*innen
    Voraussetzungen:
    Es sind keine Vorkenntnisse für den Besuch des Kurses notwendig.

    Institut:
    ETC - Enterprise Training Center GmbH

    Wo:
    ETC-Wien

    Wann:
    10.09.2024 - 23.10.2024

  • ab 04.11.2024
    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 Interessierte
    Voraussetzungen:
    Der Besuch der QM-Werkstatt „Quality Data Science“ (QM-DS) wird empfohlen.

    Institut:
    Quality Austria Trainings-, Zertifizierungs und Begutachtungs GmbH

    Wo:
    Quality Austria Wien

    Wann:
    04.11.2024 - 04.11.2024

  • ab 05.11.2024
    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-Cases
    Voraussetzungen:
    Grundlegende IT Kenntnisse

    Institut:
    solvistas Academy

    Wo:
    solvistas Schulungszentrum Wien Karl-Popper-Str. 2 / Top 2 1100 Wien

    Wann:
    05.11.2024 - 20.11.2024

  • ab 05.11.2024
    Dieser DataScience Basislehrgang bietet sowohl Personen mit IT-Erfahrung, Spezialisten (EntwicklerInnen, DatenbankadministratorInnen, Systemengineers,..), als auch Personen aus dem Fachbereich (StatistikerInnen, BI-SpezialistInnen, Business-AnalystInnen,…) 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*innen
    Voraussetzungen:
    Es sind keine Vorkenntnisse für den Besuch des Kurses notwendig.

    Institut:
    ETC - Enterprise Training Center GmbH

    Wo:
    solvistas GmbH

    Wann:
    05.11.2024 - 20.11.2024

  • 6 überfachliche berufliche Kompetenzen
  • Analytische Fähigkeiten
  • Einsatzbereitschaft
  • Kommunikationsstärke
  • 1
    • 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