Statistik Schulungen finden - Das passende Seminar in Ihrer Nähe

Keras ist eine Open Source Deep-Learning-Bibliothek, die in Python geschrieben ist. Keras bietet eine einheitliche Schnittstelle für verschiedene Backends, darunter TensorFlow. Das Ziel von Keras ist es, die Anwendung dieser Bibliotheken so einsteiger- und nutzerfreundlich wie möglich zu machen. 
Keras eignet sich besonders zur schnellen Implementierung neuronaler Netze und ermöglicht effizientes und einfaches Prototyping von neuronalen Netzen bei gleichzeitig großer Bedienerfreundlichkeit.

Sie können nach dem Training eigenständig Neuronale Netze entwerfen und trainieren. Python-, Statistik- und mathematische Kenntnisse werden vorausgesetzt. Sie üben das Erlernte in zahlreichen Praxisbeispielen und Sie können auch eigene Beispiele aus Ihrer beruflichen Praxis mitbringen. Als Programmieroberfläche wird Jupyter Notebook genutzt.

Das Expertentraining wendet sich an Fachkräfte, die sich professionell mit dem Thema Deep/Maschine Learning beschäftigen wollen und dazu die in Python geschriebene Bibliothek Keras nutzen. Im Training wird ein umfassender Überblick über Neuronale Netze und Deep Learning Algorithmen mit Keras vermittelt.

Dieser Kurs gehört zur Seminarreihe „Multivariate Datenanalyse mit R”. Sie erhalten eine umfassende Einführung in die lineare und logistische Regressionsanalyse. Sie erhalten eine umfassende Einführung in die ein- und mehrfaktorielle Varianzanalyse mit allen Erweiterungen.

Die Varianzanalyse erlaubt die simultane Analyse einer Vielzahl von Mittelwerten verschiedener (Teil-) Stichproben. Sie kann überall dort eingesetzt werden, wo Gruppen miteinander verglichen werden sollen, dabei auch die Veränderungen von Gruppen über mehrere Zeitpunkte. Damit ist die Varianzanalyse das Verfahren der ersten Wahl zur Auswertung von Daten aus Experimenten, Quasi-Experimenten, Befragungen, Beobachtungsstudien und randomisierten kontrollierten Studien im Rahmen von Pretest-Posttest-Designs. Die Varianzanalyse ist das Standardverfahren zur Evaluation der Wirksamkeit von Maßnahmen und Interventionen.

Da die Varianzanalyse eine spezielle Variante eines Regressionsmodells ist, empfiehlt es sich, sich zuvor mit der Regressionsanalyse vertraut gemacht zu haben (s. erstes Modul der Seminarreihe „Multivariate Datenanalyse mit R”).

Dieser Kurs gehört zur Seminarreihe „Multivariate Datenanalyse mit R”. Sie erhalten eine umfassende Einführung in die lineare und logistische Regressionsanalyse. Sie erhalten eine fundierte Einführung in die Clusteranalyse, in die Faktorenanalyse (EFA) und in die Hauptkomponentenanalyse (PCA).

Dieses Modul behandelt die strukturentdeckenden Verfahren: die Clusteranalyse und die dimensionreduzierenden Verfahren (EFA/PCA). Mit einer Clusteranalyse werden ähnliche Fälle zu Gruppen (Cluster) zusammengefasst. Sie werden die hierarchische Clusteranalyse, die k-Means-Clusteranalyse und die k-Medoids-Clusteranalyse kennenlernen. Die Faktorenanalyse (EFA, Explorative Factor Analysis) und die Hauptkomponentenanalyse (PCA, Principal Component Analysis) dienen dazu, eine Vielzahl von Variablen zu wenigen Dimensionen zu reduzieren. Wir zeigen Ihnen beide Verfahren und ihre unterschiedlichen Einsatzmöglichkeiten. Bei Interesse kann die Reliabilitätsanalyse zum Auswählen geeigneter Variablen gezeigt werden.

Es empfiehlt sich, sich zuvor mit der Regressionsanalyse vertraut gemacht zu haben (s. erstes Modul der Seminarreihe „Multivariate Datenanalyse mit R”).

Kursteilnehmer lernen die wichtigsten Konzepte und Begriffe des maschinellen Lernens und werden in verschiedene Algorithmen des überwachten maschinellen Lernens eingeführt. Zudem werden weitere fortgeschrittene Konzepte für (überwachtes) maschinelles Lernen vermittelt um praktische Probleme besser und effizienter lösen zu können. 

2-Tage Intensiv-Seminar

Einstieg in die statistische Prozesslenkung

SPC – Statistische Prozesslenkung für Einsteiger/-innen

Informationen und Entscheidungsgrundlagen aus Daten gewinnen – schnell, intuitiv und übersichtlich – ist eine Fähigkeit, die Mitarbeitende in Unternehmen in relevante Positionen bringen kann. Dafür müssen keine Programmiersprachen erlernt werden, denn intuitiv bedienbare Business-Intelligence-Plattformen wie Power BI und Tableau nehmen in Unternehmen einen immer größeren Stellenwert ein. Sie ermöglichen es Mitarbeitenden schnell lernen zu können, Business Intelligence und Data Analytics für sich zu nutzen.
Mit dem Analytics & Reporting – Fokus Power BI-Training erhältst du das Handwerkszeug, um auch ohne Programmierkenntnisse Business-Intelligence-Analysen durchzuführen und die Potenziale datengetriebener Entscheidungen für dich zu nutzen. Durch Best Practices zum Power Query Editor erlernst du aussagekräftige Visualisierungen in Microsoft Power BI zu erstellen, welche per Drag & Drop in zielgruppengerechten Dashboards aufbereitet werden und mithilfe von Data Storytelling leicht verständlich präsentiert werden können.

Der Lehrgang behandelt die Grundlagen der Qualitätssicherung für die Mitarbeiter der operativen Ebene.

Reklamation - Chance zur Kundenbindung

Im Seminar Data Mining werden die Möglichkeiten von Data Mining zur Veredelung von Informationen zu Wissen erläutert. Sie kennen die Prinzipien der wichtigsten Methoden, Visualisierungsarten und Technologien weitgehend Mathematik-frei. Sie können Werkzeuge zum Einsatz von Data Mining anhand der besprochenen Methoden auswählen. Sie lernen, wie ein Data Mining-Projekt gestaltet wird. Sie wissen, was die Rolle Data Mining Ingenieur umfasst.

Dieses Seminar ist Teil dieses Qualifizierungsplaners:

Data Scientist

Dieser Kurs gehört zur Seminarreihe „Multivariate Datenanalyse mit R”.  Sie erhalten eine fundierte Einführung in die wichtigsten Verfahren der Zeitreihenanalyse.

Die Zeitreihenanalyse umfasst eine Reihe statistischer Verfahren, die mit verschiedenen Ansätzen für verschiedene Anforderungen entwickelt wurden und sich gegenseitig ergänzen. Zeitreihen können einer Eigendynamik, zyklischen Schwankungen (wie der Saisonalität der Jahreszeiten) und den Einflüssen anderer Variablen unterliegen. In diesem Kurs lernen Sie, wie Sie das richtige Verfahren auswählen und ein Modell für Ihre Zeitreihen entwickeln, das Ihre Daten am besten erklärt. Für kurzfristige Voraussagen eignen sich exponentielle Prognosemodelle (State-Space-Modelle) und für langfristige Prognosen die Zeitregression und die ARIMA-Modellierung.

Da die Zeitreihenregression eine Weiterentwicklung eines linearen Regressionsmodells ist, empfiehlt es sich, sich zuvor mit der Regressionsanalyse vertraut gemacht zu haben (s. erstes Modul der Seminarreihe „Multivariate Datenanalyse mit R”).