Nach der Schulung kennen Sie die theoretischen und praktischen Grundlagen von Data Science im betriebswirtschaftlichen Kontext. Sie können Daten systematisch explorativ analysieren und die statistische Unsicherheit von Analyse-Ergebnissen bewerten. Wahrscheinlichkeitsrechnung und statistischen Verteilungen wird Ihnen im Rahmen der Grundlagenwoche vermittelt. Sie kennen die methodischen Vorgehensweisen und Konzepte von Data Science und haben mit Tools aus dem Data Science Umfeld gearbeitet. Mit supervised und unsupervised Learning lernen Sie die die beiden aktuell wichtigsten Modellbildungsklassen des Machine Learning kennen. Sie können Modelle mit einfachen,  Methoden wie Clusterverfahren, Entscheidungsbäumen und linearen Verfahren erstellen. Sie haben Data Science an praktischen Beispielen kennengelernt und eigene Fragestellungen umgesetzt. Dabei haben Sie bereits erste Erfahrungen mit typischen Data Science Werkzeugen gemacht. Mit dem Abschluss der Grundlagenwoche können Sie als Data Scientist erste Projekte in Ihrem Unternehmen begleiten. Sie vertiefen Ihr Wissen in der Praxiswoche mit einem Werkzeug Ihrer Wahl.

Nach Teilnahme an dieser Schulung wissen Sie, worum es bei Data Science geht und wie Sie einen Data Science Prozess in Ihrem Bereich gestalten können. Die entsprechenden Tools haben Sie bei praktischen Übungen eingesetzt und sind damit fit, erste Data Science Projekte in Ihrem Unternehmen zu begleiten. Sie können mit der Programmiersprache R und R Studio Ihre Data Science Aufgaben lösen. 

Nach diesem Praxistag können Sie eigene Daten mit TensorFlow verarbeiten. Eine Fallstudie zu Multi-Layer Perceptrons und Backpropagation of Error haben Sie selbst durchgeführt.

Nach Teilnahme an dieser Schulung kennen Sie sich mit den Konzepten von Machine Learning aus. Sie können diese mit eigenen Daten und frei verfügbaren Tools anwenden.

Nach der Schulung wenden Sie grundlegende Schritte mit Python im Bereich Data Science sicher an. Sie finden weitergehende Algorithmen und Methoden in Python. So bauen Sie Ihr Wissen auch nach dem Seminar weiter aus. Sie haben einen fundierten Überblick über CRISP. Data Science Ergebnisse verstehen Sie nun besser und können diese kritisch hinterfragen. Anhand eines durchgehenden Datenbeispiels setzen Sie mit Hilfe des Trainers das Erlernte direkt um.

Ziel des Kurses ist es, ein Grundverständnis zum Thema Daten zu erlangen. Nach Teilnahme kennen Sie den Unterschied zwischen Daten und Informationen. Unterschiedliche Datenformate und -quellen sind Ihnen vertraut. Sie wissen, welchen Nutzen Sie aus Daten ziehen können und welche Chancen der Bereich Künstliche Intelligenz bietet.

Nach der Schulung haben Sie einen Überblick über Pandas erhalten und erste praktische Erfahrungen gesammelt.

Dieses Seminar macht Sie fit auf Ihrem Weg zum Data Scientist / Data Analyst. KNIME und Tableau unterstützen Sie dabei, Ihre Daten anschaulich und verständlich aufzubereiten. Sie sind in der Lage, Erkenntnisse aus Ihren Daten zu gewinnen, um bekannte, aber auch unvorhergesehene Probleme elegant zu lösen, 

Nach dieser Schulung kennen Sie die Möglichkeiten von Jupyter und können mit Notebooks arbeiten. Erste praktische Erfahrungen können Sie direkt in Ihre Arbeitsabläufe integrieren.

In diesem Kurs lernen Sie, wie Machine Learning funktioniert. Sie erhalten einen Überblick über Methoden des maschinellen Lernens, Anwendungsfelder und Werkzeuge.

Nach Teilnahme an der Schulung verfügen Sie über alle Grundlagen für einen erfolgreichen Einstieg als Data Scientist. Sie wissen, wie Sie Daten analysieren und die Prinzipien der Data-Science Methoden sind Ihnen vertraut. Auf Basis der erworbenen technischen Grundlagen können Sie Data-Science Anwendungsfälle erkennen und wissen, mit welcher Vorgehensweise Sie Herausforderungen im Unternehmen optimal begegnen.

Teilnehmer können nach dieser Schulung mit Python im Bereich Data Science arbeiten. Sie wissen, wie Sie weitergehende Algorithmen in Python finden und wie Sie dieses Möglichkeiten erweitern. Sie kennen Algorithmen im Machine Learning und wenden diese in Python an. Anhand eines durchgehenden praktischen Beispiels lernen Sie die wichtigsten Bibliotheken kennen.

Im Seminar lernen Teilnehmer Daten aufzubereiten. Sie erstellen analytische Vorhersage-Modelle und wenden diese erfolgreich an. Sie wissen, wie man diese Modelle evaluiert und optimiert. Nach Teilnahme können Sie auch komplexe Vorhersage-Modell erstellen und analysieren. Auf Wunsch legen Sie eine Prüfung für das Zertifikat  „RapidMiner Analyst “ ab.

Nach Teilnahme an diesem Seminar sind Ihnen die wichtigsten Grundlagen der schließenden und beschreibenden Statistik vertraut.

Nach diesem Seminar wissen Sie, wie Sie mit Excel statistische Analysen erstellen. Bei der selbst durchgeführten Fallstudie haben Sie statistische Kennzahlen berechnet und Diagramme erstellt.

Teilnehmer am Seminar Machine Learning mit Python lernen die gebräuchlichsten Lernalgorithmen aus der Scikit-Learn Bibliothek kennen und wenden diese nach der Schuiung erfolgreich an. Sie entwickeln ein Verständnis für Wert und Einsatzmöglichkeiten Ihrer Daten. So forcieren Sie Automatisierungsprozesse. Alle Konzepte werden anschaulich gemacht und mit Beispielen aus der Praxis vertieft. Nach Abschluss der Schulung können Sie Daten zielführend extrahieren, lernen Algorithmen an und setzen diese zur Kategorisierung und Prognose ein.