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!
Teil 1: Business Understanding und Konzepte des Data Minings
Zu Beginn der ersten Selbstlerneinheit lernen Sie, Anwendungsfälle zu identifizieren und zu beschreiben, wie Sie Business-Probleme durch die Analyse von Daten und die Anwendung von Machine Learning lösen können. Danach erfahren Sie alles über die Grundlagen und Voraussetzungen für eigene Datenprojekte und tauchen tief in die Konzepte von Datenstrukturen und Machine Learning ein:
Teil 2: Installation und Einführung in die Arbeit mit KNIME
Nachdem Sie alles über die Grundlagen und Konzepte der Data Science erfahren haben, machen Sie als nächstes die ersten Schritte in der praktischen Anwendung. Sie machen sich mit der Anwendung des Tools KNIME vertraut, eine leistungsstarke Entwicklungsplattform für das Data Mining, mit der Sie komplexe Datenanalyse- und Data -Science-Projekte durchführen können:
Im ersten inhaltlichen Webinar blicken Sie gemeinsam mit den Referent:innen auf die Inhalte der ersten Selbstlernphase zurück. Schwerpunkt des Webinars wird die Beantwortung Ihrer Fragen sein.
In diesem Modul lernen Sie alle Arbeitsschritte und Konzepte für die Vorbereitung der Daten für den Modeling-Prozess kennen. Zuerst analysieren Sie die Daten, indem Sie unterschiedliche Visualisierungstechniken anwenden, um Muster, Trends und Ausreißer zu erkennen. Danach bereinigen Sie die Daten und bereiten Sie für die Transformation vor:
Im zweiten Webinar widmen Sie sich zusammen mit den Referent:innen vor allem dem Übungsprojekt. Ein möglicher Lösungsweg wird vorgestellt. Natürlich besteht auch hier wieder ausreichend Möglichkeit, Fragen zu stellen.
Jetzt geht es an das Modeling auf Basis der Daten. Sie lernen zuerst, wie Sie den passenden Algorithmus und die richtige Methodik finden, um optimale Ergebnisse zu erzielen. Im Anschluss daran fokussieren Sie sich darauf, wie man die Ergebnisse der Modelle adäquat bewertet und interpretiert. In Praxisübungen führen Sie die Prozesse selbst in KNIME aus und setzen dabei auch komplexere Klassifikations- und Clustering-Aufgaben um:
Das dritte Webinar nutzen Sie noch einmal für einen Deep-dive in die Modeling-Konzepte. Sie wiederholen die wichtigsten Fakten über Algorithmen und Methodiken und setzen einen besonderen Fokus auf die Ergebnisbeurteilung der eingesetzten Modelle.
In der vierten Selbstlernphase geht es an die letzten Schritte im CRISP-DM-Prozess, die Evaluation und das Deployment des Datenmodells. Auch hier gehen Sie Schritt für Schritt anhand von Anleitungen und eigenen Praxisaufgaben in KNIME vor. Am Ende bringen Sie den gesamten Prozess in Produktion und überführen ihn in einen automatisierten KNIME-Workflow:
Im vierten Webinar widmen Sie sich der Übungsprojekt aus Modul 7. Neben Insights für Lösungswege zur Aufgabe bekommen Sie von den Referent:innen Tipps und Hinweise zur Vorbereitung auf die Abschlussprüfung.
1. Business Understanding für die Datenanalyse
2. Bedienung und erste Schritte in KNIME
3. Data Understanding und Data Preparation
4. Data Modeling
5. Deployment, Überwachung und Fehlersuche
6. Abschlussprojekt
Nach den Praxisaufgaben, mit denen verschiedene Szenarien und die einzelnen Stufen des CRIPS-DM-Prozesses eingeübt wurden, steht am Ende des Kurses ein Abschlussprojekt, in dem der ganze Datenanalyse-Prozess durchlaufen wird.
Dieser Online-Kurs bietet Ihnen ein digitales Blended-Konzept, das extra für berufsbegleitendes Lernen entwickelt wurde. Mit einem Zeitbudget von mindestens 3-4 Stunden pro Woche kommen Sie sicher ans Ziel. Alternativ können Sie sich die Lerneinheiten flexibel einteilen. So lernen Sie in dem Kurs:
Selbstlernphasen: Lernen Sie selbstbestimmt, in Ihrem eigenen Tempo und wann immer Sie möchten. Unsere Kurse bieten Ihnen dafür didaktisch hochwertiges Lernmaterial mit Videos, Artikeln, interaktiven Übungen, Quizzes und Lernkontrollen.
Live-Webinare: In regelmäßigen Online-Seminaren treffen Sie Ihre Referent:innen persönlich. Sie erhalten Antworten auf Ihre Fragen, konkrete Hilfestellungen und Anleitungen, um Ihr Wissen zu vertiefen und die erworbenen Fähigkeiten in praktischen Übungen anzuwenden.
Praxisaufgaben: Um die Fähigkeiten in der Praxis zu lernen, erhalten Sie Zugang zu Datenprojekten, die es Ihnen ermöglichen, die erlernten Techniken und Methoden auf reale Probleme anzuwenden. Durch diese Übungen erhalten Sie ein tiefes Verständnis für die Arbeit mit Daten und erarbeiten sich Methoden und Techniken, die Sie im beruflichen Alltag anwenden können.
Lern-Community: Während des gesamten Kurses steht Ihnen eine digitale Lern-Community zur Verfügung. Tauschen Sie sich mit anderen Teilnehmenden und den Referent:innen aus und klären Sie Fragen.
Teilnahmebescheinigung und Open Badge: Als Absolvent:in des Kurses erhalten Sie ein Zertifikat und ein Open Badge, das Sie ganz einfach in beruflichen Netzwerken (u.a. LinkedIn) teilen können.
Future Jobs Club: Erhalten Sie exklusiven Zugang zu einem Business-Netzwerk, Micro-Learnings (sparks), News und Future Work Hacks.
In Ihrer Online-Lernumgebung finden Sie nach Ihrer Anmeldung nützliche Informationen, Downloads und Extra-Services zu dieser Qualifizierungsmaßnahme.
Nach dem Lehrgang sind Sie in der Lage, alle wichtigen Aufgaben in Datenanalyse und Data Science selbst durchzuführen:
Nehmen Sie aktiv an unserer Online- Community teil, arbeiten Sie mit Ihren eigenen Fragestellungen – so profitieren Sie am meisten von diesem Kurs. Dadurch bringen Sie die Inhalte sowohl im Selbststudium als auch in praktischen Übungen in die Anwendung.
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!
Dieser Kurs richtet sich an Fachkräfte aus allen Branchen, die sich zum Data Analyst oder Data Scientist weiterbilden möchten. Er ist gleichermaßen geeignet für Einsteiger:innen und Quereinsteiger:innen als auch für Personen mit Vorwissen, die ihre Aufgaben und Rolle schärfen und mit ihrer Arbeit für einen größeren Impact sorgen möchten.
Programmierkenntnisse sind nicht erforderlich! Grundlagenkenntnisse der Data Science werden vorausgesetzt.
Wir empfehlen, dass Sie vor dieser Weiterbildung den Kurs Smart Data Science (buchbar als Online-Kurs (31549) oder Präsenzseminar (30298) besuchen.
Sparen Sie über 300 Euro!
Die Module dieser Master Class können Sie auch einzeln buchen. Bei Buchung der gesamten Master Class zum Preis von 3.440 Euro (statt 3.770 Euro) sparen Sie über 300 € im Vergleich zur Einzelbuchung der Module.