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.

Was ist der ideale Zeitpunkt für eine Produkteinführung oder Marketingkampagne? Welche Zielgruppen sollen erreicht werden? Wie kann das Unternehmensgeschehen besser vorausgesagt werden? Data Science und Business Analytics gewinnt in der unternehmerischen Praxis immer mehr an Bedeutung. Die zunehmende Digitalisierung führt dazu, dass die Menge der strukturierten und unstrukturierten Daten rasant zunimmt. 

Neue Technologien und Anwendungssysteme wie Big Data, Data Mining, Predictive Maintenance, Maschinelles Lernen und grafische Visualisierungen bieten hierfür innovative Lösungsansätze. Dies stellt eine große Herausforderung für Unternehmen unabhängig von ihrer Größe dar. Der Bedarf nach Data Science und Business Analytics Fähigkeiten ist daher groß. 

Ziel des Zertifikatslehrganges ist es, Berufstätigen in kompakter Form die Grundzüge von Data Science und Business Analytics zu vermitteln und somit für die neuen Anforderungen zu rüsten.

Für Anfänger und Fortgeschrittene: Wie Sie betriebliche Ressourceneffizienz durch Digitalisierung ermöglichen, erfahren Sie anhand eines bewährten Prozess-Modells.

Das CRISP-DM Modell (Cross Industry Standard Process for Data Mining) ist ein weit verbreitetes branchenübergreifendes Standardmodell für das Data Mining. Darauf aufbauend lernen Sie Digitalisierungsstrategien für Ressourceneffizienz als Ansatzpunkt für eigene Maßnahmen kennen.

Für den Transfer in die Praxis gehen die Dozenten auf die Erfahrungen der Teilnehmenden im Themenbereich Digitalisierung ein. Gemeinsam werden beispielhaft Anwendungen von Digitalisierungslösungen zur Steigerung der Ressourceneffizienz erarbeitet.

Für Anfänger und Fortgeschrittene: Wie Sie betriebliche Ressourceneffizienz durch Digitalisierung ermöglichen, erfahren Sie anhand eines bewährten Prozess-Modells.

Das CRISP-DM Modell (Cross Industry Standard Process for Data Mining) ist ein weit verbreitetes branchenübergreifendes Standardmodell für das Data Mining. Darauf aufbauend lernen Sie Digitalisierungsstrategien für Ressourceneffizienz als Ansatzpunkt für eigene Maßnahmen kennen.

Für den Transfer in die Praxis gehen die Dozenten auf die Erfahrungen der Teilnehmenden im Themenbereich Digitalisierung ein. Gemeinsam 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 Kurs Data Science und Künstliche Intelligenz mit Python ist das erste Modul des Lehrgangs Data Science Crash Course mit Python. Mit dem Lehrgang erhalten eine fundierte und modular aufgebaute Einführung in die Themen Data Science, Künstliche Intelligenz und Machine Learning (Maschinelles Lernen) sowohl für numerische Daten als auch für Textdaten. Bei entsprechenden Vorkenntnissen können Sie dieses Modul auch einzeln besuchen.

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.

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 Kurs Machine Learning mit Python ist das zweite Modul des Lehrgangs Data Science Crash Course mit Python. Mit dem Lehrgang erhalten eine fundierte und modular aufgebaute Einführung in die Themen Data Science, Künstliche Intelligenz und Machine Learning (Maschinelles Lernen) sowohl für numerische Daten als auch für Textdaten.

Das Modul Machine Learning mit Python gibt einen Einblick in die unterschiedlichen Algorithmen des Maschinellen Lernens. Die Theorie dahinter wird dabei anhand von Praxis-Übungen aus den Bereichen Clustering, Virtuelle Sensoren und Zeitreihenvorhersage vermittelt. In diesem Modul werden Sie sich hauptsächlich mit der Anwendung des Machine Learning auf numerischen Daten beschäftigen.

Wenn heutzutage von Künstlicher Intelligenz gesprochen wird, meinen die meisten eigentlich Maschinelles Lernen. Maschinelles Lernen, oder Machine Learning, lässt die Daten für einen sprechen. Denn anstatt dass Sie selbst Regeln erstellen, z. B. wie Sie eine Prozess möglichst effizient ablaufen lassen oder wann die nächste Wartung durchgeführt werden muss, finden Machine Learning Algorithmen mit Ihrer Hilfe diese Regeln selbst.

Dabei unterteilt sich Machine Learning in drei Hauptbereiche: Supervised Learning, Unsupervised Learning und Reinforcement Learning. Sie werden aus diesen Bereichen zahlreiche Algorithmen kennenlernen und ausgewählte Algorithmen (KMeans, DBSCAN, Random Forest, XGBoost, Neuronale Netze, LSTMs) in drei Praxis-Übungen selbst intensiv anwenden.