Nach dem Seminar können Sie KNIME für die Datenaufbereitung, Visualisierung, Modellierung und Berichterstattung einsetzen. Sie können Daten importieren, prüfen, bereinigen und in nachvollziehbaren Workflows verarbeiten. Sie verstehen grundlegende statistische Konzepte und können geeignete Machine-Learning-Verfahren für analytische Fragestellungen einordnen, Modelle erstellen und deren Ergebnisse bewerten. Darüber hinaus kennen Sie Möglichkeiten zur Dokumentation, Wartung und Versionsverwaltung Ihrer Workflows. Sie können Workflows mit KNIME Business Hub automatisieren und bereitstellen; KNIME Server berücksichtigen Sie bei relevanten bestehenden Installationen. Damit verfügen Sie über eine Grundlage, um Datenanalysen strukturiert umzusetzen und Ergebnisse verständlich zu kommunizieren.
Ursprünge von Data Science und Analysestufen nach Gartner
Werkzeuge für Datenanalyse, interaktives Reporting und Ergebniskommunikation
Datenaufbereitung mit KNIME - Extract, Transform, Load
Einführung in KNIME
Datenimport aus einfachen Dateiformaten
Datenprüfung, Zusammenführung und Bereinigung
Datenformate und Datenexport
Workflow-Organisation und Dokumentation
Grundlagen der Datenvisualisierung
Statistische Grundlagen und Machine Learning
Deskriptive Statistik und Dateneigenschaften
Überwachtes und unüberwachtes Lernen
Klassifikations- und Regressionsmodelle erstellen und bewerten
Modellparameter abstimmen und Overfitting erkennen
Baumverfahren, Bagging und Boosting
Verfahren des unüberwachten Lernens
Erweiterte Analysen und Reporting mit KNIME
Text Mining und natürliche Sprachverarbeitung
Zeitreihenanalyse
Erweiterte Visualisierung
Analyseergebnisse dokumentieren, kommunizieren und berichten
Fortgeschrittene KNIME-Funktionen
Datenstreaming
Datums- und Zeitformate
Schleifen in KNIME
Datenimport aus lokalen und entfernten Datenbanken
Datenexport in lokale und entfernte Datenbanken
Mathematische und logische Operationen
KNIME Workflow Automation and Deployment with KNIME Business Hub
Workflows mit KNIME Business Hub zentral automatisieren und bereitstellen
Stapelverarbeitung und E-Mail-Benachrichtigungen
Workflow-Dokumentation, Wartung und Versionsverwaltung
Serverbasierte Bereitstellung und Bereitstellung als Webservices
Integration mit weiteren Datenwerkzeugen und Systemen
KNIME Server im Zusammenhang mit bestehenden Installationen berücksichtigen
Integration mit R und Python
Bereitstellung in Cloud-Umgebungen, beispielsweise AWS und Azure
Dauer/zeitlicher Ablauf:
3 Tage
Zielgruppe:
Das Seminar richtet sich an Datenanalysten, Data Scientists, Business-Analysten, Forschende und weitere Fachkräfte, die Daten aufbereiten, analysieren und für Entscheidungen nutzen. Es eignet sich insbesondere für Aufgaben in Business Intelligence, Marketinganalyse, Gesundheitswesen und Wissenschaft.
Sie können ohne bisherige KNIME-Erfahrung teilnehmen oder vorhandene Kenntnisse in Datenanalyse und Machine Learning systematisch erweitern.
Teilnahmevoraussetzungen
Sie sollten über Grundkenntnisse in Statistik, Datenanalyse und grundlegenden Programmierkonzepten verfügen. Kenntnisse in Datenbanken und SQL sind hilfreich, insbesondere für die Arbeit mit Datenbankquellen. Ein grundlegendes Verständnis von Machine Learning erleichtert den Einstieg, ist jedoch nicht zwingend erforderlich.
Wir setzen Analyse-Cookies ein, um Ihre Zufriedenheit bei der Nutzung unserer Webseite zu verbessern.
Diese Cookies werden nicht automatisiert gesetzt.
Wenn Sie mit dem Einsatz dieser Cookies einverstanden sind, klicken Sie bitte auf Akzeptieren.
Weitere Informationen finden Sie hier.
