Schulungssuche

Durch die Schulung »Data Scientist Basic Level« erlangen Sie breitgefächertes Wissen, um effizient in Data Science Teams mitarbeiten zu können. Sie erfahren, wie Business Developer die Potenziale von Big Data in ihrem Unternehmen erschließen, wie Dateningenieur*innen Daten beschreiben und integrieren, wie Analyst*innen mit maschinellen Lernverfahren Muster und Trends erkennen und wie Software-Ingenieur*innen mit modernen Datenbanken und verteilten Berechnungsverfahren robuste und skalierbare Big-Data-Systeme entwickeln. All dies unter Berücksichtigung von Datenschutz und -sicherheit. Die Schulung schließt mit einer Prüfung zum Erwerb des Zertifikats »Data Scientist Basic Level« ab.

Bilder enthalten reiche Information, die aber auch kompliziert zu extrahieren ist. Meist liegen wenig Metadaten vor und erst der Kontext liefert Hinweise auf die Bedeutung. Daraus ergeben sich spezifische Schwierigkeiten, Modelle des Bildverstehens zu lernen. Ausgehend von Methoden des überwachten Lernens lernen Sie auch Verfahren kennen, die mit wenigen Trainingsbeispielen auskommen und erfahren, wie man unbalancierten Trainingsdaten umgehen kann. Die Vorerfahrungen und praktischen Erfordernisse der Teilnehmer*innen können bei der konkreten Themenauswahl berücksichtigt werden.

Diese zertifizierte Schulung ist aufgeteilt in einen Grundkurs und ein frei wählbares Vertiefungsmodul. Sie lernen aktuelle Verfahren des maschinellen Lernens und tiefe Lernverfahren kennen und vertiefen sie in einem Einsatzbereich. Um den Wissenstransfer in Ihr Unternehmen sicher zu stellen, arbeiten Sie an praktischen Aufgaben in einem »virtuellen Labor«. Dabei wechseln zwei Präsenzphasen mit Phasen selbstständiger Arbeit, wo Sie im virtuellen Labor eine umfangreichere Aufgabe bearbeiten, Ihren Fortschritt dokumentieren und bei Bedarf Rücksprache mit unseren Expert*innen halten. Damit sind Sie bestens vorbereitet, um für die Zertifizierung zum »Senior Data Scientist« im selben Lernlabor ein Analyseprojekt eigenständig zu bearbeiten.

Durch die interaktive Online-Schulung »Kompakteinstieg Datenanalyse« bekommen Sie einen kompakten Überblick über die Datenanalyse mit Hilfe von maschinellen Lernverfahren. Die wichtigsten Schritte in einem Datenanalyse-Projekt werden Ihnen durch theoretische Inhalte, aber auch über die Projekterfahrung der Dozenten näher gebracht. Dieser Kurs ist ein idealer Einstieg in das Themenfeld des maschinellen Lernens, da Sie aktuelle Methoden und deren Anwendung kennenlernen. Die theoretischen Inhalte werden durch eine Einführung in das Analysetool KNIME vertieft.

Durch maschinelles Lernen (ML) können sich Robotersysteme ohne großen Konfigurationsaufwand automatisch einrichten und viele Objekte bereits ohne spezifisches Wissen über deren Geometrie robust greifen und manipulieren. Weitere Technologien ermöglichen auch die Detektion und Segmentierung von Objekten zur Interaktion in unstrukturierten Umgebungen. Zudem helfen Simulationen, tiefe neuronale Netze zu trainieren und so das zeit- und personalintensive Annotieren von Trainingsdaten zu vermeiden.

Die effiziente und skalierbare Implementierung von Algorithmen des maschinellen Lernens in produktiven Systemen ist eine wichtige Voraussetzung für den Erfolg im Unternehmen. Hier lernen Sie die theoretischen Grundlagen zum Entwurf von maschinellen Lernsystemen kennen und üben die technische Umsetzung in der Praxis.

Nach aktuellen Schätzungen liegen mehr als 80 Prozent der verfügbaren Informationen als Text vor. Das automatische Verstehen der Textinhalte, z.B. in Sozialen Medien, ist daher sehr relevant. Die hier vorgestellten Methoden klassifizieren Dokumente in inhaltliche Kategorien, bestimmen die Ähnlichkeit von Worten, Phrasen und Dokumenten, reichern sie semantisch an mit Namen, Relationen und Meinungen, oder sie beantworten Fragen. Ihre Performanz wurde in den letzten Jahren durch moderne Optimierungsverfahren und Deep Learning entscheidend verbessert.In diesem Kurs erhalten Sie einen Überblick über Textverstehen und die damit lösbaren Probleme. Sie lernen an praktischen Beispielen verschiedene fortgeschrittene Lernverfahren und ihre Einsatzmöglichkeiten auf Basis von Python, Scikit Learn und Google TensorFlow kennen. Zur praktischen Arbeit steht ein virtuelles Labor zur Verfügung mit Zugriff auf leistungsfähige Hardware. Zu jeder Lektion gibt es Beispielskripte als Jupyter Notebooks.

In dieser Online-Schulung lernen Fachleute mit Grundkenntnissen im Bereich Statistik und erster Programmiererfahrung wesentliche Grundlagen der modernen Datenanalyse durch maschinelle Lernverfahren kennen. Die weitergehenden Möglichkeiten der Programmiersprache »Python« und insbesondere der Bibliothek scikit-learn und Pandas werden vorgestellt und eingeübt. Nach der Schulung sind Sie in der Lage, erste eigene Analysefragestellungen zu bearbeiten und den Nutzen von maschinellen Lernverfahren zu bewerten.

Zeitreihen stellen Analyst*innen vor besondere Herausforderungen. Hier gilt die Annahme, dass die Beobachtungen voneinander unabhängig sind, in der Regel nicht. Zum Beispiel ist die Außentemperatur um 12:01 nicht unabhängig von der Außentemperatur um 12:00. In der Praxis kommen solche Daten häufig vor: Verschleiß an Maschinenteilen, der Kundweg durch einen Online-Shop und Muster in der Aktivierung von Gehirnzellen sind Beispiele für Phänomene, die mit Zeitreihen untersucht werden. In dieser Schulung lernen Sie wichtige Methoden zum Analysieren von Zeitreihendaten kennen. An praxisnahen Aufgaben und Beispielen lernen Sie die Methoden anzuwenden.

Daten sind der Rohstoff der Zukunft, wobei die Qualität der Daten maßgeblich das Ergebnis einer jeden Analyse beeinflusst. Dies gilt für klassische Data-Mining-Prozesse und neueste KI-Methoden gleichermaßen. Hochwertige Daten bieten Unternehmen einen klaren Mehrwert und Wettbewerbsvorteil. In diesem Seminar lernen Analysten, Entwickler und Datenmanager Verfahren zur Beurteilung und Verbesserung der Datenqualität. Reale Daten enthalten oftmals kleine Fehler, welche negative Auswirkungen auf eine Analyse haben können. Damit Sie das Potenzial Ihrer Daten voll ausschöpfen, vermittelt dieses Seminar umfassend die wesentlichem Grundlagen der modernen Datenvorverarbeitung. Praxisbezogen und interaktiv werden die Schulungsinhalte in kleinen Aufgaben angewandt: anhand eines Datensatzes setzen Sie die erlernte Theorie mit Python praktisch um. Nach dem Besuch dieser Schulung sind Sie in der Lage, die Datenvorverarbeitungen in Ihrem Alltag strukturiert und effizient durchzuführen und Ihre Daten besser zu nutzen.