Erhalten Sie hier einen Einstieg in die Welt der Datenwissenschaft.
Machen Sie sich selbst ein Bild davon, was Data Science beinhaltet und welche Potenziale sie in Unternehmen und Organisationen entfalten kann!
Sie haben bereits eine Vorstellung vom Potenzial Ihrer Unternehmensdaten und fragen sich, wie Sie selbst, auch ohne Programmierkenntnisse und Data Science-Hintergrund, tiefer einsteigen können? In dieser Online-Weiterbildung lernen Sie über sechs Monate alle wichtigen Schritte im Machine Learning-Prozess kennen. Anhand praktischer Use Cases und Übungen gehen Sie durch alle wesentlichen Schritte, von der Datenbereinigung bis zu produktiven Machine Learning-Modellen und setzen das Gelernte mit dem Analysetool KNIME visuell um.
Der Lehrgang ist von der Staatlichen Zentralstelle für Fernunterricht (ZFU) in Köln unter der Nummer 7383721 geprüft und zugelassen.
Basierend auf dem branchenübergreifenden Prozessmodell CRISP DM werden in diesem Modul alle relevanten Phasen erklärt, die im Rahmen eines Data Science-Projekts von Bedeutung sind.
Datensammlung
Machine Learning Algorithmen brauchen in der Regel eine große Menge an Daten von guter Qualität. Hier beschäftigen Sie sich mit einer gut durchdachten Datensammlungsstrategie.
Datenintegration
Die Datenintegration stellt einen grundlegenden Teil im Data Science Cycle dar. In dieser Lerneinheit erfahren Sie: Daten aus unterschiedlichen Datenquellen zu harmonisieren und zu vereinheitlichen.
Datenvorbereitung und -bereinigung
Hier erfahren Sie mehr über Strategien und Maßnahmen, um Datensätze von fehlende oder fehlerhaften Werten zu befreien.
Datenvisualisierung und -analyse
Auf Basis erster Analysen und Visualisierungen der Daten untersuchen wir, welche Eigenschaften im Datensatz miteinander in Verbindung stehen (zum Beispiel das Alter von Kunden sowie deren Kaufentscheidung für ein bestimmtes Produkt).
Auswahl der Eigenschaften
In diesem Schritt geht es um die Auswahl an Eigenschaften, also Variablen, die wir verwenden wollen, um einen Machine Learning Algorithmus zu trainieren.
Algorithmus- und Methodikauswahl
Im nächsten Schritt wählen wir Algorithmen aus und trainieren diese mit den ausgewählten Eigenschaften unseres Datensatzes
In Modul 3 lernen Sie die Open-Source-Software KNIME kennen. KNIME bietet Ihnen die Möglichkeit, Ihre Daten mit geringem Aufwand visuell aufzubereiten. Darüber hinaus ist KNIME eine vollwertige Machine Learning-Anwendung, die völlig ohne Programmierkenntnisse bedient werden kann.
Nach Beendigung des zweiten Moduls legen Sie einen Online-Wissenstest ab. Der Wissenstest ist eine online-basierte Prüfung, die Sie an Ihrem PC durchführen können. Die E-Prüfung umfasst 20 Fragen, die sich allesamt auf die erlernten Inhalte des zweiten Moduls beziehen. Sie erfahren direkt im Anschluss, ob Sie bestanden haben oder nicht.
Die schriftliche Projektarbeit erfolgt nach Beendigung des dritten Moduls. Sie bearbeiten selbstständig ein Datenanalysebeispiel in KNIME und wenden das erlernte Wissen direkt an. Im Rahmen der Projektarbeit bearbeiten Sie selbstständig eine Vertiefungsaufgabe zu einem von uns bereit gestellten Datensatz in KNIME. Die Vertiefungsaufgabe bezieht sich auf die Lerninhalte des dritten Moduls. Somit haben Sie die Möglichkeit das Gelernte praxis- und alltagsnah anzuwenden.
In Ihrer persönlichen Online-Lernumgebung finden Sie nach Ihrer Anmeldung nützliche Informationen, Downloads und extra Services zu Ihrerr Qualifizierungsmaßnahme. Die Lerninhalte werden regelmäßig aktualisiert und stehen Ihnen für ca. 12 Monate uneingeschränkt zur Verfügung.
In unserer Lern-Community LUX können Sie sich mit den anderen Teilnehmer:innen austauschen und berufliche Erfahrungen miteinander teilen. Vernetzen Sie sich mit Menschen aus ganz Deutschland, bilden Sie Lerngruppen, helfen Sie anderen mit Ihrem eigenen Wissen oder profitieren Sie umgekehrt von den Kenntnissen anderer Teilnehmer:innen. Gemeinsam lernt es sich leichter!
Das Optimum für Sie: Knowhow-Aufbau zu technischen und sozialen Schlüsselkompetenzen
Vermittlung der Inhalte über digitale Bestandteile wie z. B. E-Learnings, interaktive Übungen, Webinare, Lernkontrollen und mehr. Austausch mit Lerner:innen und Expert:innen über eine Community. Ortsungebunden und jederzeit abrufbar. Mobil lernen, wann und wo Sie möchten!
Personen, die die Potenziale ihrer Unternehmensdaten erkennen und damit einhergehende Innovationen vorantreiben und nutzen möchten. Alle, die mehr zum Thema Data Science erfahren möchten.
Keine Programmierkenntnisse erforderlich!
Hier erhalten Sie Eindrücke vom Seminar sowie Informationen rund um das Seminarthema.
Preis auf Anfrage.
AnfragenDie angegebene Teilnahmegebühr beinhaltet umfangreiche Arbeitsunterlagen.
Ein Gespräch mit Prof. Dr. Stephan Matzka, Hochschulprofessor an der HTW Berlin und Trainer der Haufe Akademie darüber, wie Data Science und KI verdaulich vermittelt werden können und was eigentlich passiert, wenn man es nicht tut.