Schulung Data Science Business Akademie: Grundlagenwoche mit Zertifizierung

5 Tage / S2043

Die Explorer Grundlagenwoche ist Teil des dreistufigen Zertifizierungspfades der "Data Science Business Akademie" : 
 
-> Certified Data Science Explorer -> Certified Data Science Practitioner -> Certified Data Science Expert 
 
Am Ende des Seminars haben Sie die Möglichkeit, die Prüfung (60 minütige Abschlussprüfung im Multiple-Choice-Format) für die erste Zertifizierungsstufe "Certified Data Science Explorer" abzulegen.
 
Bei Bestehen der Prüfung erhalten Sie ein Zertifikat, das Sie als "Certified Data Science Explorer " ausweist. Ausgestellt wird es von der Knowledge Foundation @ Reutlingen University. So haben Sie einen echt handfesten Qualifizierungsnachweis in der Hand. 
 
Weitere Infos zum Zertifizierungspfad der Data Science Business Akademie und unseren Kooperationspartnern der Informationsfabrik und dem Institut für Angewandte Informatik der Knowledge Foundation @ Reutlingen University gibt's direkt auf unserer gesonderten Data Science Business Akademie-Website:
 
=> https://www.datascience-business-akademie.de
 
Das datengetriebene Unternehmen und Industrie 4.0 sind die aktuellen Herausforderungen für die Digitalisierung der Wirtschaft. Hinter diesen Schlagworten steht Data Science als gemeinsamer methodischer Ansatz zur Auswertung und Interpretation von Daten. Data Scientists werden in Zukunft in jedem Unternehmen eine zentrale Rolle für die Wertschöpfung spielen.
 
Die Explorer Grundlagenwoche der Data Science Business Akademie ist der richtige Einstieg für Sie, um auch in Ihrem Unternehmen datengetriebene Projekte erfolgreich zu starten. Ausgehend von typischen betriebswirtschaftlichen Fragestellungen lernen Sie in diesem Seminar alle Arbeitsschritte des Data Science Prozesses kennen und eigenständig umzusetzen. Alle Schritte werden durch praktische Übungen mit Data Science Werkzeugen wie "R" oder "Knime" begleitet. 
 
Auf der Basis einer fundierten Einführung in die mathematischen und statistischen Grundlagen gewinnen Sie einen Einblick in die Anwendung und Interpretation der wichtigsten Methoden der explorativen und modellbasierten Datenanalyse. Im Rahmen der Datenaufbereitung erfahren Sie, wie betriebswirtschaftliche Daten bereinigt und sinnvoll transformiert werden, um die Extraktion von entscheidungsrelevantem Wissen zu ermöglichen.
 
Den Schwerpunkt der Grundlagenwoche bildet die Modellbildung auf der Basis des überwachten und nicht überwachten Machine Learning. Sie erfahren, wie durch den Einsatz von Clustering-Algorithmen Modelle auch ohne handbearbeitete Beispiele gelernt werden können. Am Beispiel typischer Data Science Methoden wie Entscheidungsbäumen, linearer Klassifikation und Regression, sowie Bayes-Verfahren lernen Sie die Modellbildung mit den wichtigsten Algorithmen des überwachten Machine Learning kennen. 
 
Natürlich kommt auch die Optimierung und Bewertung der Ergebnisse und deren Umsetzung im betriebswirtschaftlichen Kontext nicht zu kurz. Erst die erfolgreiche Operationalisierung des Modellwissens und die Implementierung in der IT-Infrastruktur sichern den langfristigen Mehrwert jedes Data Science Projektes. Den Abschluss der Grundlagenwoche bildet die Einführung in aktuelle Methoden, wie Ensemble Learning und neuronale Netzwerke, sowie die Verbindung von Big Data und Data Science.
 
Die Inhalte in der Übersicht: 
 

• Einführung in Data Science im betriebswirtschaftlichen Kontext
• Vorgehensmodelle und Zieldefinitionen für Data Science Projekte
• Grundlagen der Statistik und Wahrscheinlichkeitsrechnung
• Explorative Datenanalyse und statistische Schlussweisen
• Verfahren und Werkzeuge der Datenaufbereitung
• Methoden des überwachten und nicht überwachten Machine Learning
• Grundlegende Data Science Methoden der Modellbildung (Clustering, Entscheidungsbäume, lineare Regression, etc)
• Optimierung und Qualitätsbewertung von Modellen
• Praktische Umsetzung und Produktivsetzung von Data Science Prozessen, Einführung in Big Data Architekturen
• Tipps, Tricks und Kniffe für erfolgreiche Data Science Projekte