In den vergangenen Jahrzehnten veränderte sich die Datenverfügbarkeit drastisch. Die digitale Transformation schreitet voran, datengetriebene Geschäftsmodelle etablieren sich und dringen tief in unser alltägliches Leben ein. Industrie 4.0, Maschinelles Lernen, Big Data, Künstliche Intelligenz und Predicitve Maintenance sind Schlagwörter, die hierbei zu handfesten Disziplinen herangereift sind.
Nutzen
Details anzeigen
Heutzutage ist eine moderne IT-Infrastruktur notwendig, auf dessen Fundament eine große Flut an Daten abgespeichert, aufbereitet und mittels ausgeklügelter Algorithmen performant ausgewertet werden. Das Hintergrundwissen um ein solches System skizzieren zu können werden wir in diesem Seminar erarbeiten.
Wir legen die Grundlagen, damit Sie sich effizient in ein Data Science Team einarbeiten oder dieses anleiten können.
Sie lernen die verschiedenen Jobrollen im Big Data bzw.
Data Science Umfeld kennen und wissen, wer welche Aufgaben abdeckt.
Sie kennen die Bedeutung der wichtigsten Begriffe und ebenso die geschichtliche Entwicklung der letzten Jahre.
Sie können die Architektur einer Big Data-Lösung skizzieren.
Sie lernen die Aufgaben eines Data Managers und seine
gängigen Tools kennen.
Sie können den Prozessablauf eines Data Mining Prozesses
erläutern und skizzieren.
Sie lernen die wichtigsten Algorithmen im Bereich Data
Mining kennen.
Sie lernen Methoden zum Erstellen und Trainieren von
Modellen kennen.
Zielgruppe
Dieses Training zu Big Data Themen wurde für Fachkräfte konzipiert, die sich im Data Science Bereich einarbeiten möchten.
Voraussetzungen
Grundkenntnisse in Statistik, Datenanalyse und/oder Datenbankstrukturen sind von Vorteil, allerdings nicht zwingend erforderlich.
Inhalte des Seminars
Details anzeigen
Einführung Motivation
Jobrollen im Data Science Umfeld
Ablauf eines Data Science Projektes
Big Data Infrastruktur
Datenmodellierung
Anforderungen an ein Big Data System
Eine moderne Big Data Architektur
Datenmanagementprozess
Datenzugang
Datenaufbereitung
Erste Visualisierungen
Data Analytics – das überwachte Lernen
Überblick über gängige Lernalgorithmen
Möglichkeiten der statistischen Evaluation
Data Analytics – das unüberwachte Lernen
Überblick über gängige Clusteralgorithmen
Möglichkeiten der statistischen Evaluation
Modellierungsauswahl und -optimierung
Fehlerursache
Parametertuning
Feature-Auswahl
Einführung in Neuronale Netze und Deep Learning
Funktionsweise eines Neurons
Topologien
Lernalgorithmus eines Netzes
Diskussion und Ausblick
Zurzeit sind leider keine Termine verfügbar.
Kontaktieren Sie uns, wenn Sie Interesse an dieser Weiterbildung haben:
