Seminare zum Thema Datamining

Mit immer größeren Mengen an verfügbaren Daten werden auch immer neue Methoden zur Datenanalyse benötigt. Dieser Kurs gibt Ihnen einen Überblick über die gängigen Methoden, die typischerweise unter dem Begriff Datamining zusammengefasst werden. Ausgehend von multivariaten Verfahren ohne besondere Zielgröße (unsupervised learning) werden Hauptkomponenten- und Clusteranalyse besprochen. Der Schwerpunkt des Kurses liegt jedoch auf verschiedenen Modellen zur Prognose. Das beinhaltet logistische Regression, Entscheidungsbäume und Neuronale Netze. Abgerundet wird das Training durch eine Einführung in die Theorie der Ensemble- Modelle.

Dieser Lehrgang vermittelt die Grundlagen der Datenauswertung im Bereich technisch- wissenschaftlicher Anwendungen. Dabei werden Beispiele aus der Praxis bearbeitet, die es den Teilnehmern ermöglichen, die mathematischen Hintergründe zu verstehen. Der Lehrgang versteht sich ausdrücklich nicht als mathematisch orientierter Kurs. Es wird vielmehr ein Überblick über die verschiedenen statistischen Verfahren und Anwendungszusammenhänge gegeben. Für den Kurs können verschiedene Statistikprogramme genutzt werden.

Anhand des Prozess-Modells CRISP-DM wird die Vorgehensweise bei der Implementierung von betrieblicher Ressourceneffizienz durch Digitalisierung vermittelt.
Das CRISP-DM Modell (Cross Industry Standard Process for Data Mining) ist ein weit verbreitetes branchenübergreifendes Standardmodell für das Data Mining. Es wurde von namhaften Konzernen entwickelt. Darauf aufbauend erlernen die Teilnehmenden Strategien der Ressourceneffizienz durch Digitalisierung kennen, wie diese zusammenhängen und welche Maßnahmen wichtig sind. Abhängig von der Erfahrung der Teilnehmenden im Themenbereich Digitalisierung werden beispielhaft Anwendungen von Digitalisierungslösungen zur Steigerung der Ressourceneffizienz erarbeitet.

Die echten Werte in vielen Firmen sind inzwischen vor allem Wissen und Informationen. Es geht um Big Data und Industrie 4.0, wenn es auf eilige, gezielt kombinierte Informationen ankommt. Die Gründe: steigende Volatilität und zunehmender Wettbewerbs-, Kosten- und Innovationsdruck. Erforderlich sind schnelle, richtige Entscheidungen – und dennoch Zeit, um sich als Controller in der Business Partner-Rolle zu etablieren. Business Intelligence (BI) ist entsprechend unerlässlich für  Controller als Vorbereiter von Entscheidungen und für Entscheider an sich. Im Seminar sichern Sie sich  einen erfolgreichen Einstieg in Business Intelligence- und Information Management-Themen.

Der Zertifikatskurs "Data Science" umfasst folgende Module, die einzeln buchbar sind:

• Modul 1: Datenvorverarbeitung (Data Preparation and Wrangling) umfasst die Schritte Datenzugriff, Datenverständnis und Datenaufbereitung mit dem Ziel der Vorbereitung auswertungsbereiter Datensätze.
• Modul 2: Quantitative Methoden und Data Miningvermittelt die Grundlagen der Datenanalyse und zeigt konkrete Anwendungen in Data Mining und Business Intelligence.

• Modul 3: Darstellung der Analyseergebnisse (Storytelling) thematisiert die entscheidungsorientierte Darstellung von Handlungsmöglichkeiten in verständlichen „Geschichten“, integriert in Texten, Tabellen, Grafiken und thematischen Karten.

Dieser Kurs behandelt die Schlüsselkonzepte des Maschinellen Lernens, einschließlich Klassifizierung, Regressionsanalyse, Clustering und Dimensionsreduktion. Die Teilnehmer lernen sowohl die grundlegenden mathematischen Konzepte der Maschinellen Lernalgorithmen kennen als auch die praktische Anwendung von Maschinellen Lernalgorithmen unter Verwendung von Open-Source-Bibliotheken der Python-Programmierung.

Dieser Kurs wurde entwickelt, um es unseren Teilnehmern zu ermöglichen, sehr anspruchsvolle Fähigkeiten zu entwickeln, die sie befähigen, ihre Karriere in einem zunehmend dynamischen Markt zu verändern oder zu erweitern. Unter Verwendung von realen Daten lernen die Teilnehmer Konzepte zur Lösung komplexer Geschäftsprobleme anzuwenden.

In diesem Kurs lernen Sie sofort wirkungsvolle Machine Learning-Anwendungen zu erstellen. Von Anfang an erhalten Sie alle Werkzeuge, die Sie benötigen, um Maschinelle Lernprojekte auf Branchenebene zu erstellen. Zu den behandelten Themen gehören Datenanalyse/-visualisierung, Feature Engineering, Überwachtes Lernen, Unüberwachtes Lernen und Deep Learning. Alle Themen werden mit branchenüblichen Frameworks vermittelt: NumPy, Pandas, scikit-Lernen, XGBoost, TensorFlow und Keras.

Dieser Intensivkurs gibt einen Überblick über die aktuellen Methoden der Künstlichen Intelligenz mit zahlreichen Praxisbeispielen aus Prozessindustrie, Predictive Maintenance oder dem Natural Language Processing (NLP), das die Grundlage von Chatbots darstellt. Ein besonderer Fokus wird zudem auf das Maschinelle Lernen gelegt, das ein wichtiges Handwerkszeug eines jeden Data Scientists ist. Im Kurs wird es zahlreiche Praxis-Übungen zu Themen wie z. B. Datenzugriff, Visualisierung, Zeitreihenvorhersage oder Web Crawlern bzw. Web Scrapern geben. Anhand von zwei Projekten aus den Bereichen Text-Mining/NLP sowie der Trendvorhersage erhalten Sie zudem einen intensiven Einblick, wie diese Methoden in der Praxis angewendet werden. Gerne können Sie hierfür auch Ihre eigene Fragestellung inkl. der notwendigen Daten mitbringen.

Viele Unternehmen sind auf der Suche nach Data Scientists, um sich die Potenziale datengetriebener Vorgehensweisen und Geschäftsmodelle zu erschließen oder sie auszubauen. Was bei der Fülle von Anforderungen in diesem Arbeitsbereich und der dafür notwendigen Kompetenzen schnell klar wird: Den universellen Data Scientist gibt es nicht.

Welche Kompetenzen für Unternehmen im Vordergrund stehen, hängt von ihrem jeweiligen Anwendungsbereich ab, jedoch beinhaltet das Anforderungsprofil grundlegende Fähigkeiten, die jeder Data Scientist erfüllen muss. Unser „Data Science Crash Kurs“ ermöglicht es den Teilnehmern, diese Fähigkeiten zu erwerben, während sie mit realen Datensätzen arbeiten. Dies wird durch den Einsatz der relevantesten Tools, wir Azure ML, TensorFlow, Amazon Machine Learning AWS, Apache Spark etc. sowie Techniken mit R und Python zur Lösung komplexer Geschäftsprobleme erreicht. Unsere Teilnehmer lernen Theorie und Praxis hinter Begriffen wie Empfehlungsmaschinen, Regressionen, Netzwerk- und grafischer Modellierung, Anomalie-Erkennung, Hypothesentests, Maschinellem Lernen und Big Data Analytics. Sie werden in die Lage versetzt, Data Science Techniken auf die Herausforderungen des Datenmanagements in ihren Unternehmen anzuwenden, häufige Fallstricke in der Big Data Analytik zu identifizieren und zu vermeiden sowie Maschinelle Lernalgorithmen einzusetzen, um ihre Daten zu analysieren.