COVID-19 aus datenwissenschaftlicher Sicht

COVID-19 ist überall und beeinträchtigt jeden von uns auf unterschiedliche Art und Weise. Um uns vor dem Virus zu schützen, ergreift die Politik einschneidende Maßnahmen. Dabei stützen sie sich auf Daten zu den offiziell gemeldeten Fällen zu COVID-19. Doch ist die Datenlage qualitativ hochwertig, um sich auf sie verlassen zu können?

In diesem Vortrag soll gezeigt werden, warum es repräsentative Untersuchungen bedarf, um korrekte Rückschlüsse liefern zu können. Anhand der repräsentativen Untersuchungen kann dann abgeleitet werden, wieviele Menschen bereits tatsächlich infiziert sind. Wie sollten die Daten bei einer zukünftigen Pandemie erhoben werden?

Vorkenntnisse

keine besonderen Vorkenntnisse nötig

Lernziele

Die Teilnehmerinnen und Teilnehmer sollen verstehen, worauf es ankommt, um eine hochwertige Datengrundlage zu erhalten, die als Entscheidungsgrundlage dienen kann. Weiterhin wird gezeigt, dass Hochrechnungen aufgrund der geringen repräsentativen Daten einer statistischen Unsicherheit unterliegt. Aus diesem Grund sind großangelegte Untersuchungen notwendig, um die statistische Unsicherheit zu minimieren.

 

Speaker

 


Daniel Haake absolvierte sach seinem B.Sc. in Informatik/E-Administration eine wissenschaftliche Weiterbildung zum Data Scientist. Er vertiefte sein Wissen und absolvierte ein berufsbegleitendes Studium zum M.Sc. in Data Science. Für seine Masterarbeit wurde er beim Zukunftspreis Polizeiarbeit 2020 ausgezeichnet. Seit mehr als vier Jahren ist er nun als Data Scientist tätig.

Sponsoren

Gold
Silber
Opitz
codecentric
inovex

data2day-Newsletter

Ihr möchtet über die data2day
auf dem Laufenden gehalten werden?

 

Anmelden