Online Essential: Smart Data Science

Modul 1:
WebTalk I – Kick-off und gemeinsamer Start ins Seminar

Im ersten gemeinsamen WebTalk lernen Sie Ihren Trainer und die anderen Teilnehmer:innen kennen. Sie besprechen Ihre Erwartungen an die Weiterbildung und berichten von aktuellen datenbezogenen Herausforderungen in Ihrem Berufsalltag. Außerdem erhalten Sie eine erste Einführung in die Welt der Datenanalyse.

Modul 2:

Selbstlernphase – Einführung in Data Science und Maschinelles Lernen

In der ersten Selbstlernphase erhalten Sie eine grundlegende Einführung in die Data Science und das maschinelle Lernen. Es wird die Bedeutung gängiger Data Science Buzzwords geklärt und die Rolle eines Data Driven Mindset für Unternehmen erläutert. Zuletzt werden Voraussetzungen erfolgreicher Data-Science-Projekte entlang eines branchenübergreifenden Prozessstandards (CRISP DM) dargestellt. 

Modul 3:
WebTalk II – Interaktiver Austausch zu den Themen: CRISP-DM Cycle und Business Understanding 

Im Rahmen des zweiten Webinars wird unser Trainer die sechs Phasen des CRISP DM Cycle (Cross-Industry Standard Process for Data Mining) noch einmal genauer beleuchten. Im Anschluss starten Sie gemeinsam in die erste Prozessphase und reflektieren wichtige Schritte des "Business Understanding". Neben der Definition klarer Ziele für das Data Mining steht die Beschreibung der Aufgabenstellung sowie die Vorgehensweise des Projekts im Fokus. 

Modul 4:
Selbstlernphase – Data Understanding, Data Preparation und Modeling

In dieser Selbstlernphase bearbeiten Sie drei Lerneinheiten und lernen so die nächsten drei Phasen des CRISP DM kennen. Diese Lerneinheiten bestehen größtenteils aus hochwertigen Erklärvideos Ihres Trainers Stephan Matzka. Er vermittelt Ihnen sehr anschaulich, was in den folgenden CRISP-DM Phasen „Data Understanding“, „Data Preparation“ und „Modeling“ beachtet werden muss. 

In der Lerneinheit „Data Understanding“ lernen Sie Möglichkeiten der explorativen Datenanalyse kennen. Dazu gehören zum einen Parameter und zum anderen Visualisierungen von Daten.  

In der folgenden Lerneinheit „Data Preparation“ geht es dann um die Vorbereitung von Daten(-sätzen) für Analysen. Anhand eines anschaulichen Beispieldatensets lernen Sie, was bei einer ersten Sichtung sowie bei der Bereinigung von Daten beachtet werden sollte.  

In der Lerneinheit „Modeling“ lernen Sie dann verschiedene überwachte und unüberwachte maschinelle Lernverfahren kennen.

Modul 5:
WebTalk III – Evaluation und Deployment + Seminarabschluss

Im letzten WebTalk geht es abschließend um die letzten beiden Prozessschritte „Evaluation“ und „Deployment“. Es geht also darum, wie die Güte von Data Science-Projekten und -Anwendungen bewertet werden kann und wie diese schlussendlich in die produktive Anwendung gelangen und dort fortwährend überwacht werden.  

Vor allem in diesem letzten WebTalk soll aber gelten, was auch für alle anderen WebTalks gilt: Platz für Fragen ist hier garantiert!