In einer data-driven Company werden Entscheidungen auf Basis belastbarer Erkenntnisse getroffen. Gute Data Scientists machen somit den Unterschied zwischen Erfolg und Misserfolg.
In diesem praxisnahen Training lernen Sie, wie Sie Daten effizient und erfolgreich nutzen.
Dabei behalten wir auch wichtige Randthemen wie z.B. die DSGVO im Auge.
Nutzen
Details anzeigen
Sie lernen, worauf es bei einem gut durchdachten Data Science Projekt ankommt und welche Fallstricke es gibt.
Sie kennen die Unterschiede zwischen den einzelnen Data Science Methoden und Algorithmen und wissen, in welchem Fall welche Methode sinnvoll angewendet werden kann.
Sie werden in die Lage versetzt, das Potenzial Ihrer Unternehmensdaten zu nutzen und aus den Daten(-schätzen) einen echten Mehrwert für Ihr Unternehmen zu erzeugen.
Sie erhalten fundierte Kenntnisse darüber, welche Methoden/Algorithmen sich praxisorientiert einsetzen lassen.
Sie verstehen, wie firmeninterne mit externen Datenquellen kombiniert, vernetzt und analysiert werden, um Ansatzpunkte für Optimierungen und mehr Effektivität in Ihrem Unternehmen zu schaffen.
Sie können die Integrität und Qualität Ihrer Daten sicherstellen.
Sie erlernen das Handwerkszeug rund um die schnelle Ideenvalidierung.
Sie wissen worauf es ankommt, bei der statistischen Evaluation, Visualisierung sowie Kommunikation bei Datenauswertungen.
Zielgruppe
Einsteiger in das Thema Data Science, die in den Bereich Datenanalyse einsteigen oder vorhandene Kenntnisse ausbauen möchten, Data Scientists, Data Analysten, Business Analysten unterschiedlicher Fachrichtungen
Voraussetzungen
Quantitativer Hintergrund, einen positiven Bezug zu Zahlen und Daten, Grundkenntnisse in Statistik und Programmierung (z.B. R, Python, MatLab, o.Ä.). Da das Seminarskript in englischer Sprache bereitgestellt wird, sind englische Sprachkenntnisse notwendig.
Inhalte des Seminars
Details anzeigen
Erster Seminartag – Vorbereitung von Daten für Machine Learning
Einführung, Motivation und Einordnung
Bedeutung und Potenzial von Data Science
Erfolgsstorys von Data Science anhand von Praxisbeispielen
Worauf muss ich bei der Anwendung von Data Science achten?
Überschneidung mit Randthemen wie DSGVO, IT-Security, Data Governance etc.
Big Data Infrastruktur
Datenmodellierung
IT-Anforderungen an ein Big Data System
Big Data Architektur (Cloud Datenbank, Data Warehouse, Data Lakes)
Datenmanagementprozess
Wie gewinne ich passende Daten? (u.a. SQL)
Unterschiedliche Formen der Bereitstellung von Daten (Batch vs. Streaming, Crawling)
Datenqualität sichern
Aufbereitung von Daten
Explorative Datenanalyse (EDA) als Basis für Machine Learning (erste Visualisierungen, Statistiken etc.)
Umgang mit fehlenden Daten (u.a. Sparsity)
Anreicherung von Daten (Feature Engineering)
Praktische Übungen
Zweiter Seminartag – Deep Dive in Machine Learning
Machine Learning – das überwachte (supervised) Lernen
Überblick über gängige Lernalgorithmen
Sinnvolle Anwendung von Lernalgorithmen
Praktische Übung: Auseinandersetzung mit verschiedenen Algorithmen in Kleingruppen
Machine Learning – das unüberwachte (unsupervised) Lernen
Überblick über gängige Clusteralgorithmen
Sinnvolle Anwendung von Clusteralgorithmen
Möglichkeiten der statistischen Evaluation
Praktische Übung: Auseinandersetzung mit verschiedenen Algorithmen in Kleingruppen
Dritter Seminartag – Überblick über weitere Data Science Themen
Machine Learning - Zeitreihenanalyse:
Überblick über gängige Zeitreihenalgorithmen
Möglichkeiten der statistischen Evaluation
Praktische Übungen
Machine Learning - Arbeiten mit unstrukturierten Daten:
Überblick über gängige Algorithmen am Beispiel von Text- und Bilddaten
Möglichkeiten der statistischen Evaluation
Praktische Übungen
Einführung in Neuronale Netze und Deep Learning:
Funktionsweise eines Neurons
Überblick über gängige Netzwerktopologien
Lernalgorithmus eines Neuronalen Netzes
Sinnvolle Anwendung von Neuronalen Netzen und Deep Learning
Beispiele aus der Praxis
Austausch und Ausblick
Wichtige Hinweise
Das Seminarskript wird ausschließlich in englischer Sprache bereitgestellt.
Das Seminar wird in deutscher Sprache durchgeführt.
Zurzeit sind leider keine Termine verfügbar.
Kontaktieren Sie uns, wenn Sie Interesse an dieser Weiterbildung haben:
