Das erste Webinar startet mit einer detaillierten Vorstellung von Aufbau, Erwartungen und Zielen für den Kurs. Gemeinsam wird ein Blick auf die ersten Lerneinheiten geworfen.  

Das erste Webinar startet mit einer detaillierten Vorstellung von Aufbau, Erwartungen und Zielen für den Kurs. Gemeinsam wird ein Blick auf die ersten Lerneinheiten geworfen.  

Das erste Webinar startet mit einer detaillierten Vorstellung von Aufbau, Erwartungen und Zielen für den Kurs. Gemeinsam wird ein Blick auf die ersten Lerneinheiten geworfen.  

Das erste Webinar startet mit einer detaillierten Vorstellung von Aufbau, Erwartungen und Zielen für den Kurs. Gemeinsam wird ein Blick auf die ersten Lerneinheiten geworfen.  

Das erste Webinar startet mit einer detaillierten Vorstellung von Aufbau, Erwartungen und Zielen für den Kurs. Gemeinsam wird ein Blick auf die ersten Lerneinheiten geworfen.  

In der ersten Selbstlerneinheit erfährst du alles, was du grundlegend über Data Science und klassische KI wissen musst. Du lernst die Begriffe kennen und auseinanderzuhalten, verstehst, welchen Zweck Data Science erfüllen kann, und bekommst wertvolle Impulse dafür, wie Datenprojekte im Unternehmen angegangen werden sollten.

• Grundbegriffe und Konzepte der Data Science & KI
• Data Driven Mindset als Erfolgsfaktor im Unternehmen
• Voraussetzungen für datengetriebene Unternehmen
• Überwachtes und unüberwachtes maschinelles Lernen
• Methoden im Supervised und Unsupervised Learning
• Wichtige Rollen in Data-Science-Projekten
• Welche Infrastruktur wird für Data-Science-Projekte benötigt?

In der ersten Selbstlerneinheit erfährst du alles, was du grundlegend über Data Science und klassische KI wissen musst. Du lernst die Begriffe kennen und auseinanderzuhalten, verstehst, welchen Zweck Data Science erfüllen kann, und bekommst wertvolle Impulse dafür, wie Datenprojekte im Unternehmen angegangen werden sollten.

• Grundbegriffe und Konzepte der Data Science & KI
• Data Driven Mindset als Erfolgsfaktor im Unternehmen
• Voraussetzungen für datengetriebene Unternehmen
• Überwachtes und unüberwachtes maschinelles Lernen
• Methoden im Supervised und Unsupervised Learning
• Wichtige Rollen in Data-Science-Projekten
• Welche Infrastruktur wird für Data-Science-Projekte benötigt?

In der ersten Selbstlerneinheit erfährst du alles, was du grundlegend über Data Science und klassische KI wissen musst. Du lernst die Begriffe kennen und auseinanderzuhalten, verstehst, welchen Zweck Data Science erfüllen kann, und bekommst wertvolle Impulse dafür, wie Datenprojekte im Unternehmen angegangen werden sollten.

• Grundbegriffe und Konzepte der Data Science & KI
• Data Driven Mindset als Erfolgsfaktor im Unternehmen
• Voraussetzungen für datengetriebene Unternehmen
• Überwachtes und unüberwachtes maschinelles Lernen
• Methoden im Supervised und Unsupervised Learning
• Wichtige Rollen in Data-Science-Projekten
• Welche Infrastruktur wird für Data-Science-Projekte benötigt?

In der ersten Selbstlerneinheit erfährst du alles, was du grundlegend über Data Science und klassische KI wissen musst. Du lernst die Begriffe kennen und auseinanderzuhalten, verstehst, welchen Zweck Data Science erfüllen kann, und bekommst wertvolle Impulse dafür, wie Datenprojekte im Unternehmen angegangen werden sollten.

• Grundbegriffe und Konzepte der Data Science & KI
• Data Driven Mindset als Erfolgsfaktor im Unternehmen
• Voraussetzungen für datengetriebene Unternehmen
• Überwachtes und unüberwachtes maschinelles Lernen
• Methoden im Supervised und Unsupervised Learning
• Wichtige Rollen in Data-Science-Projekten
• Welche Infrastruktur wird für Data-Science-Projekte benötigt?

In der ersten Selbstlerneinheit erfährst du alles, was du grundlegend über Data Science und klassische KI wissen musst. Du lernst die Begriffe kennen und auseinanderzuhalten, verstehst, welchen Zweck Data Science erfüllen kann, und bekommst wertvolle Impulse dafür, wie Datenprojekte im Unternehmen angegangen werden sollten.

• Grundbegriffe und Konzepte der Data Science & KI
• Data Driven Mindset als Erfolgsfaktor im Unternehmen
• Voraussetzungen für datengetriebene Unternehmen
• Überwachtes und unüberwachtes maschinelles Lernen
• Methoden im Supervised und Unsupervised Learning
• Wichtige Rollen in Data-Science-Projekten
• Welche Infrastruktur wird für Data-Science-Projekte benötigt?

Im zweiten Webinar erfährst du alles über den Standard für den Ablauf von Daten-Projekten, den CRISP-DM-Prozess. Danach erarbeitest du gemeinsam mit deinen Referent:innen Ausgangspunkte für eigene Projekte und bekommst einen Eindruck davon, welche Business Cases es gibt.

Im zweiten Webinar erfährst du alles über den Standard für den Ablauf von Daten-Projekten, den CRISP-DM-Prozess. Danach erarbeitest du gemeinsam mit deinen Referent:innen Ausgangspunkte für eigene Projekte und bekommst einen Eindruck davon, welche Business Cases es gibt.

Im zweiten Webinar erfährst du alles über den Standard für den Ablauf von Daten-Projekten, den CRISP-DM-Prozess. Danach erarbeitest du gemeinsam mit deinen Referent:innen Ausgangspunkte für eigene Projekte und bekommst einen Eindruck davon, welche Business Cases es gibt.

Im zweiten Webinar erfährst du alles über den Standard für den Ablauf von Daten-Projekten, den CRISP-DM-Prozess. Danach erarbeitest du gemeinsam mit deinen Referent:innen Ausgangspunkte für eigene Projekte und bekommst einen Eindruck davon, welche Business Cases es gibt.

Im zweiten Webinar erfährst du alles über den Standard für den Ablauf von Daten-Projekten, den CRISP-DM-Prozess. Danach erarbeitest du gemeinsam mit deinen Referent:innen Ausgangspunkte für eigene Projekte und bekommst einen Eindruck davon, welche Business Cases es gibt.

In der zweiten Selbstlerneinheit tauchst du tief in die zentralen Phase des Datenanalyse-Prozesses ein – die Vorbereitung der Daten und das Erstellen von Datenmodellen, die mit den Daten trainiert werden.

• Explorative Datenanalyse und ihre Darstellungsformen
• Lageparameter und Streuungsparameter
• Lineare und nichtlineare Zusammenhänge erkennen
• Die Relevanz von Daten beurteilen
• Daten bereinigen und vorbereiten
• Modeling: Klassifikation, Regression und Clustering

In der zweiten Selbstlerneinheit tauchst du tief in die zentralen Phase des Datenanalyse-Prozesses ein – die Vorbereitung der Daten und das Erstellen von Datenmodellen, die mit den Daten trainiert werden.

• Explorative Datenanalyse und ihre Darstellungsformen
• Lageparameter und Streuungsparameter
• Lineare und nichtlineare Zusammenhänge erkennen
• Die Relevanz von Daten beurteilen
• Daten bereinigen und vorbereiten
• Modeling: Klassifikation, Regression und Clustering

In der zweiten Selbstlerneinheit tauchst du tief in die zentralen Phase des Datenanalyse-Prozesses ein – die Vorbereitung der Daten und das Erstellen von Datenmodellen, die mit den Daten trainiert werden.

• Explorative Datenanalyse und ihre Darstellungsformen
• Lageparameter und Streuungsparameter
• Lineare und nichtlineare Zusammenhänge erkennen
• Die Relevanz von Daten beurteilen
• Daten bereinigen und vorbereiten
• Modeling: Klassifikation, Regression und Clustering

In der zweiten Selbstlerneinheit tauchst du tief in die zentralen Phase des Datenanalyse-Prozesses ein – die Vorbereitung der Daten und das Erstellen von Datenmodellen, die mit den Daten trainiert werden.

• Explorative Datenanalyse und ihre Darstellungsformen
• Lageparameter und Streuungsparameter
• Lineare und nichtlineare Zusammenhänge erkennen
• Die Relevanz von Daten beurteilen
• Daten bereinigen und vorbereiten
• Modeling: Klassifikation, Regression und Clustering

In der zweiten Selbstlerneinheit tauchst du tief in die zentralen Phase des Datenanalyse-Prozesses ein – die Vorbereitung der Daten und das Erstellen von Datenmodellen, die mit den Daten trainiert werden.

• Explorative Datenanalyse und ihre Darstellungsformen
• Lageparameter und Streuungsparameter
• Lineare und nichtlineare Zusammenhänge erkennen
• Die Relevanz von Daten beurteilen
• Daten bereinigen und vorbereiten
• Modeling: Klassifikation, Regression und Clustering

Im dritten Webinar durchläufst du gemeinsam mit deinen Referent:innen die letzten beiden Phasen des CRISP-DM-Prozesses. Du lernst, wie du Datenmodelle evaluierst, produktiv setzt und fortwährend überwachst. Zudem werden aktuelle Anwendungsfälle von Sprachmodellen (z.B. ChatGPT) aufgezeigt, die zielführend typische Aufgabenstellungen in einem Data Science Projekt unterstützen können.

Im dritten Webinar durchläufst du gemeinsam mit deinen Referent:innen die letzten beiden Phasen des CRISP-DM-Prozesses. Du lernst, wie du Datenmodelle evaluierst, produktiv setzt und fortwährend überwachst. Zudem werden aktuelle Anwendungsfälle von Sprachmodellen (z.B. ChatGPT) aufgezeigt, die zielführend typische Aufgabenstellungen in einem Data Science Projekt unterstützen können.

Im dritten Webinar durchläufst du gemeinsam mit deinen Referent:innen die letzten beiden Phasen des CRISP-DM-Prozesses. Du lernst, wie du Datenmodelle evaluierst, produktiv setzt und fortwährend überwachst. Zudem werden aktuelle Anwendungsfälle von Sprachmodellen (z.B. ChatGPT) aufgezeigt, die zielführend typische Aufgabenstellungen in einem Data Science Projekt unterstützen können.

Im dritten Webinar durchläufst du gemeinsam mit deinen Referent:innen die letzten beiden Phasen des CRISP-DM-Prozesses. Du lernst, wie du Datenmodelle evaluierst, produktiv setzt und fortwährend überwachst. Zudem werden aktuelle Anwendungsfälle von Sprachmodellen (z.B. ChatGPT) aufgezeigt, die zielführend typische Aufgabenstellungen in einem Data Science Projekt unterstützen können.

Im dritten Webinar durchläufst du gemeinsam mit deinen Referent:innen die letzten beiden Phasen des CRISP-DM-Prozesses. Du lernst, wie du Datenmodelle evaluierst, produktiv setzt und fortwährend überwachst. Zudem werden aktuelle Anwendungsfälle von Sprachmodellen (z.B. ChatGPT) aufgezeigt, die zielführend typische Aufgabenstellungen in einem Data Science Projekt unterstützen können.