Data Science und Business Analytics

Data Science und Business Analytics nutzen Methoden und Techniken aus Mathematik, Statistik, Machine Learning und Programmierung, um Wissen aus Daten zu generieren. Deren Erkenntnisse stellen einen enormen Mehrwert für die Unternehmen dar.

Die Möglichkeit, bisher unbekannte Muster in Datensätzen zu erkennen, wird viele Bereiche in den Unternehmen nachhaltig verändern.

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 an Data Science- und Business Analytics-Fähigkeiten ist daher groß.

Details zum Lehrgang finden Sie in unserer Infobroschüre!

• Grundlagen von Data Science
• Einführungskurs Python, Pandas, Matplotlib, Seaborn
• Eine erste Data Science Fallstudie: Aus Zahlen mit statistischen Verfahren und hilfreichen Visualisierungen neue Erkenntnisse generieren

• Einführung in die Künstliche Intelligenz, Machine Learning
• Einführung in die Untergebiete des Maschinellen Lernens
• Wie funktionieren Machine Learning Modelle wie K-NN, Decision Trees und Random Forests?
• Fallstudie: Mit Machine Learning ein Klassifikations- oder Prädiktionsproblem lösen, z.B. Kundenverhalten oder Maschinenzustand vorhersagen

• Wie unterscheidet sich Deep Learning von Machine Learning?
• Wie funktioniert Deep Learning / Künstliche Neuronale Netze?
• Übersicht über wichtige Deep Learning Modelle
• Fallstudie: Mit Deep Learning ein Klassifikations- oder Prädiktionsproblem lösen, z.B. Verkaufspreise für Immobilien oder Autos vorhersagen

• Weitere wichtige klassische Machine Learning Modelle
• Neuere Deep Learning Modelle (z.B. Transformer)
• Fallstudie: Zeitreihen mit Deep Learning Verfahren fortsetzen

• Einführung in Big Data
• Übersicht über Big Data Software und Lösungen
• Einführung in Datenbanken / Arten von Datenbanken
• Fallstudie: Arbeiten mit Datenbanken aus Python heraus um Daten für Data Science und Machine Learning anzubinden, auszuwerten und neue Erkenntnisse abzulegen

• Automatisiertes Training und Modellauswahl: Wie geht das?
• Einführung in ein ausgewähltes aktuelles AutoML Framework, z.B. AutoGluon
• Machine Learning Lösungen in der Cloud
• Fallstudie: Ein konkretes Unternehmensproblem mit AutoML lösen