Informationsabend zum Online-Zertifikatskurs „Data Science und Machine Learning Experte“
Bitte Anmeldung unter: anmeldung@tcw-donau-ries.de
weitere Informationen zum Zertifikatskurs —> hier
In diesem Zertifikatskurs werden Sie zum Experten für Data Science und Machine Learning ausgebildet und schließen den Kurs mit einem Zertifikat ab. Hierzu folgen wir den Phasen des OSEMN- bzw. CRISP-DM Data Science Prozessmodells – ein Prozessmodell, das die Datenanalyse systematisch in verschiedene Phasen unterteilt. Die Kursstruktur ergibt sich direkt durch dieses Standard-Prozessmodell und dient als roter Faden, der sich durch alle Kursmodule zieht.
Die Kursmodule sind hierbei so aufgebaut, dass Sie zuerst lernen in Python zu programmieren (“skripten”), um Daten aus Quellen wie Excel-Tabellen oder Datenbanken zu extrahieren, mit Python-Bibliotheken (Pandas) vorzuverarbeiten, um dann mit Statistiken und Visualisierungen (Matplotlib) erste Erkenntnisse zu gewinnen und dann schließlich mit Machine Learning (scikit-learn / TensorFlow / Keras) Ihre Daten automatisch zu modellieren und für Vorhersagen zu nutzen.
Der Kurs vermittelt nicht nur theoretische Hintergründe. Die Praxis steht im Vordergrund. Alle wichtigen Punkte bei der Datenanalyse werden wir uns daher in sogenannten Jupyter-Notebooks Schritt-für-Schritt gemeinsam erarbeiten. Sie arbeiten dabei alle praktischen Beispiele live mit durch, während der Dozent diese vormacht und auch Aufgaben stellt und wir Ihre Lösungen gemeinsam diskutieren. Konkret werden wir mehrere Fallstudien durcharbeiten, um beispielsweise
- Verkaufspreise für Immobilien und Autos vorherzusagen
- zu klassifizieren, ob Kunden in der Zukunft ein bestimmtes Produkt kaufen werden
- um Zusammenhänge zwischen Delikten in Berlin aufzudecken
- um auf Basis von Text zu verstehen, ob ein Kunde mit einem Produkt zufrieden ist
Zielgruppe:
Zielgruppe sind technisch oder kaufmännische Angestellte die selber Daten auswerten möchten bzw. Führungskräfte, die den Data Science Prozess und das Thema Machine Learning tiefergehend durchdringen wollen. Vorerfahrungen im Programmieren bzw. Mathematik sind nicht notwendig.
Modul 1: Einleitung / Übersicht
- Was ist eigentlich Künstliche Intelligenz / Machine Learning / Deep Learning / Data Science?
- Einige Uses Cases: Wie kann Data Science und Machine Learning helfen?
- Der OSEMN- und CRISP-DM Data Science Prozessmodell: Phasen, Vor- und Nachteile
- Was braucht ein Data Scientist / Machine Learning Engineer an Kompetenzen?
Modul 2: Willkommen zu Python
- Python und Python-Bibliotheken als DAS Werkzeug für Data Science / Machine Learning
- Historisches zu Python
- Python-Grundlagen: Einfache und komplexe Datentypen (Listen, Dictionaries, Tupel), Schleifen, Funktionen, Klassen
- Praxisbeispiel: Automatisch Aktienkurse mit Python abrufen, Diagramme erzeugen und speichern
Weitere Informationen hier zum Download……
Anmeldung per E-Mail: anmeldung@tcw-donau-ries.de
In diesem Zertifikatskurs werden Sie zum Experten für Data Science und Machine Learning ausgebildet und schließen den Kurs mit einem Zertifikat ab. Hierzu folgen wir den Phasen des OSEMN- bzw. CRISP-DM Data Science Prozessmodells – ein Prozessmodell, das die Datenanalyse systematisch in verschiedene Phasen unterteilt. Die Kursstruktur ergibt sich direkt durch dieses Standard-Prozessmodell und dient als roter Faden, der sich durch alle Kursmodule zieht.
Die Kursmodule sind hierbei so aufgebaut, dass Sie zuerst lernen in Python zu programmieren (“skripten”), um Daten aus Quellen wie Excel-Tabellen oder Datenbanken zu extrahieren, mit Python-Bibliotheken (Pandas) vorzuverarbeiten, um dann mit Statistiken und Visualisierungen (Matplotlib) erste Erkenntnisse zu gewinnen und dann schließlich mit Machine Learning (scikit-learn / TensorFlow / Keras) Ihre Daten automatisch zu modellieren und für Vorhersagen zu nutzen.
Der Kurs vermittelt nicht nur theoretische Hintergründe. Die Praxis steht im Vordergrund. Alle wichtigen Punkte bei der Datenanalyse werden wir uns daher in sogenannten Jupyter-Notebooks Schritt-für-Schritt gemeinsam erarbeiten. Sie arbeiten dabei alle praktischen Beispiele live mit durch, während der Dozent diese vormacht und auch Aufgaben stellt und wir Ihre Lösungen gemeinsam diskutieren. Konkret werden wir mehrere Fallstudien durcharbeiten, um beispielsweise
- Verkaufspreise für Immobilien und Autos vorherzusagen
- zu klassifizieren, ob Kunden in der Zukunft ein bestimmtes Produkt kaufen werden
- um Zusammenhänge zwischen Delikten in Berlin aufzudecken
- um auf Basis von Text zu verstehen, ob ein Kunde mit einem Produkt zufrieden ist
Zielgruppe:
Zielgruppe sind technisch oder kaufmännische Angestellte die selber Daten auswerten möchten bzw. Führungskräfte, die den Data Science Prozess und das Thema Machine Learning tiefergehend durchdringen wollen. Vorerfahrungen im Programmieren bzw. Mathematik sind nicht notwendig.
Modul 3: Data Science, Teil 1
-
- Abrufen/Speichern von Daten: Tabellen und (SQLite) Datenbanken als Quellen
- Vorverarbeitung von Daten
- Wie umgehen mit “schmutzigen” Daten? (Falsche und unvollständige Daten filtern)
- Praxis – Fallstudie: Datenanalyse zur Kriminalität in Berlin
Weitere Informationen hier zum Download……
Anmeldung per E-Mail: anmeldung@tcw-donau-ries.de
In diesem Zertifikatskurs werden Sie zum Experten für Data Science und Machine Learning ausgebildet und schließen den Kurs mit einem Zertifikat ab. Hierzu folgen wir den Phasen des OSEMN- bzw. CRISP-DM Data Science Prozessmodells – ein Prozessmodell, das die Datenanalyse systematisch in verschiedene Phasen unterteilt. Die Kursstruktur ergibt sich direkt durch dieses Standard-Prozessmodell und dient als roter Faden, der sich durch alle Kursmodule zieht.
Die Kursmodule sind hierbei so aufgebaut, dass Sie zuerst lernen in Python zu programmieren (“skripten”), um Daten aus Quellen wie Excel-Tabellen oder Datenbanken zu extrahieren, mit Python-Bibliotheken (Pandas) vorzuverarbeiten, um dann mit Statistiken und Visualisierungen (Matplotlib) erste Erkenntnisse zu gewinnen und dann schließlich mit Machine Learning (scikit-learn / TensorFlow / Keras) Ihre Daten automatisch zu modellieren und für Vorhersagen zu nutzen.
Der Kurs vermittelt nicht nur theoretische Hintergründe. Die Praxis steht im Vordergrund. Alle wichtigen Punkte bei der Datenanalyse werden wir uns daher in sogenannten Jupyter-Notebooks Schritt-für-Schritt gemeinsam erarbeiten. Sie arbeiten dabei alle praktischen Beispiele live mit durch, während der Dozent diese vormacht und auch Aufgaben stellt und wir Ihre Lösungen gemeinsam diskutieren. Konkret werden wir mehrere Fallstudien durcharbeiten, um beispielsweise
- Verkaufspreise für Immobilien und Autos vorherzusagen
- zu klassifizieren, ob Kunden in der Zukunft ein bestimmtes Produkt kaufen werden
- um Zusammenhänge zwischen Delikten in Berlin aufzudecken
- um auf Basis von Text zu verstehen, ob ein Kunde mit einem Produkt zufrieden ist
Zielgruppe:
Zielgruppe sind technisch oder kaufmännische Angestellte die selber Daten auswerten möchten bzw. Führungskräfte, die den Data Science Prozess und das Thema Machine Learning tiefergehend durchdringen wollen. Vorerfahrungen im Programmieren bzw. Mathematik sind nicht notwendig.
-
- Fortsetzung der Praxis – Fallstudie: Datenanalyse zur Kriminalität in Berlin
- Zusammenhänge in Daten qualitativ und quantitativ analysieren
- Trends in Daten durch Visualisierungen erkennen
- Zusammenhänge zwischen Merkmalen automatisch erkennen und visualisieren
Weitere Informationen hier zum Download……
Anmeldung per E-Mail: anmeldung@tcw-donau-ries.de
In diesem Zertifikatskurs werden Sie zum Experten für Data Science und Machine Learning ausgebildet und schließen den Kurs mit einem Zertifikat ab. Hierzu folgen wir den Phasen des OSEMN- bzw. CRISP-DM Data Science Prozessmodells – ein Prozessmodell, das die Datenanalyse systematisch in verschiedene Phasen unterteilt. Die Kursstruktur ergibt sich direkt durch dieses Standard-Prozessmodell und dient als roter Faden, der sich durch alle Kursmodule zieht.
Die Kursmodule sind hierbei so aufgebaut, dass Sie zuerst lernen in Python zu programmieren (“skripten”), um Daten aus Quellen wie Excel-Tabellen oder Datenbanken zu extrahieren, mit Python-Bibliotheken (Pandas) vorzuverarbeiten, um dann mit Statistiken und Visualisierungen (Matplotlib) erste Erkenntnisse zu gewinnen und dann schließlich mit Machine Learning (scikit-learn / TensorFlow / Keras) Ihre Daten automatisch zu modellieren und für Vorhersagen zu nutzen.
Der Kurs vermittelt nicht nur theoretische Hintergründe. Die Praxis steht im Vordergrund. Alle wichtigen Punkte bei der Datenanalyse werden wir uns daher in sogenannten Jupyter-Notebooks Schritt-für-Schritt gemeinsam erarbeiten. Sie arbeiten dabei alle praktischen Beispiele live mit durch, während der Dozent diese vormacht und auch Aufgaben stellt und wir Ihre Lösungen gemeinsam diskutieren. Konkret werden wir mehrere Fallstudien durcharbeiten, um beispielsweise
- Verkaufspreise für Immobilien und Autos vorherzusagen
- zu klassifizieren, ob Kunden in der Zukunft ein bestimmtes Produkt kaufen werden
- um Zusammenhänge zwischen Delikten in Berlin aufzudecken
- um auf Basis von Text zu verstehen, ob ein Kunde mit einem Produkt zufrieden ist
Zielgruppe:
Zielgruppe sind technisch oder kaufmännische Angestellte die selber Daten auswerten möchten bzw. Führungskräfte, die den Data Science Prozess und das Thema Machine Learning tiefergehend durchdringen wollen. Vorerfahrungen im Programmieren bzw. Mathematik sind nicht notwendig.
Modul 5: Machine Learning mit scikit-learn, Teil 1
-
- Einführung in das Maschinelle Lernen – Wichtige Begriffe (Terminologie)
- Theorie: Wie funktionieren Decision Trees zur Klassifikation und Regression?
- Theorie: Wie funktionieren Random Decision Forests?
- Praxis – Fallstudie: Vorhersage des Kaufverhaltens von Kunden (Klassifikation)
Weitere Informationen hier zum Download……
Anmeldung per E-Mail: anmeldung@tcw-donau-ries.de
In diesem Zertifikatskurs werden Sie zum Experten für Data Science und Machine Learning ausgebildet und schließen den Kurs mit einem Zertifikat ab. Hierzu folgen wir den Phasen des OSEMN- bzw. CRISP-DM Data Science Prozessmodells – ein Prozessmodell, das die Datenanalyse systematisch in verschiedene Phasen unterteilt. Die Kursstruktur ergibt sich direkt durch dieses Standard-Prozessmodell und dient als roter Faden, der sich durch alle Kursmodule zieht.
Die Kursmodule sind hierbei so aufgebaut, dass Sie zuerst lernen in Python zu programmieren (“skripten”), um Daten aus Quellen wie Excel-Tabellen oder Datenbanken zu extrahieren, mit Python-Bibliotheken (Pandas) vorzuverarbeiten, um dann mit Statistiken und Visualisierungen (Matplotlib) erste Erkenntnisse zu gewinnen und dann schließlich mit Machine Learning (scikit-learn / TensorFlow / Keras) Ihre Daten automatisch zu modellieren und für Vorhersagen zu nutzen.
Der Kurs vermittelt nicht nur theoretische Hintergründe. Die Praxis steht im Vordergrund. Alle wichtigen Punkte bei der Datenanalyse werden wir uns daher in sogenannten Jupyter-Notebooks Schritt-für-Schritt gemeinsam erarbeiten. Sie arbeiten dabei alle praktischen Beispiele live mit durch, während der Dozent diese vormacht und auch Aufgaben stellt und wir Ihre Lösungen gemeinsam diskutieren. Konkret werden wir mehrere Fallstudien durcharbeiten, um beispielsweise
- Verkaufspreise für Immobilien und Autos vorherzusagen
- zu klassifizieren, ob Kunden in der Zukunft ein bestimmtes Produkt kaufen werden
- um Zusammenhänge zwischen Delikten in Berlin aufzudecken
- um auf Basis von Text zu verstehen, ob ein Kunde mit einem Produkt zufrieden ist
Zielgruppe:
Zielgruppe sind technisch oder kaufmännische Angestellte die selber Daten auswerten möchten bzw. Führungskräfte, die den Data Science Prozess und das Thema Machine Learning tiefergehend durchdringen wollen. Vorerfahrungen im Programmieren bzw. Mathematik sind nicht notwendig.
Modul 6: Machine Learning mit scikit-learn, Teil 2
- Theorie: Funktionsweise weiterer klassischer Machine Learning Modelle
- Overfitting – ein zentrales Problem im Machine Learning und Lösungen hierzu
- Vorverarbeitung für das Machine Learning (Input-/Output-Split, Train-/Test-Split, Skalierung)
- Praxis- Fallstudie: Vorhersage von Verkaufspreisen von Autos (Regression)
Weitere Informationen hier zum Download……
Anmeldung per E-Mail: anmeldung@tcw-donau-ries.de
In diesem Zertifikatskurs werden Sie zum Experten für Data Science und Machine Learning ausgebildet und schließen den Kurs mit einem Zertifikat ab. Hierzu folgen wir den Phasen des OSEMN- bzw. CRISP-DM Data Science Prozessmodells – ein Prozessmodell, das die Datenanalyse systematisch in verschiedene Phasen unterteilt. Die Kursstruktur ergibt sich direkt durch dieses Standard-Prozessmodell und dient als roter Faden, der sich durch alle Kursmodule zieht.
Die Kursmodule sind hierbei so aufgebaut, dass Sie zuerst lernen in Python zu programmieren (“skripten”), um Daten aus Quellen wie Excel-Tabellen oder Datenbanken zu extrahieren, mit Python-Bibliotheken (Pandas) vorzuverarbeiten, um dann mit Statistiken und Visualisierungen (Matplotlib) erste Erkenntnisse zu gewinnen und dann schließlich mit Machine Learning (scikit-learn / TensorFlow / Keras) Ihre Daten automatisch zu modellieren und für Vorhersagen zu nutzen.
Der Kurs vermittelt nicht nur theoretische Hintergründe. Die Praxis steht im Vordergrund. Alle wichtigen Punkte bei der Datenanalyse werden wir uns daher in sogenannten Jupyter-Notebooks Schritt-für-Schritt gemeinsam erarbeiten. Sie arbeiten dabei alle praktischen Beispiele live mit durch, während der Dozent diese vormacht und auch Aufgaben stellt und wir Ihre Lösungen gemeinsam diskutieren. Konkret werden wir mehrere Fallstudien durcharbeiten, um beispielsweise
- Verkaufspreise für Immobilien und Autos vorherzusagen
- zu klassifizieren, ob Kunden in der Zukunft ein bestimmtes Produkt kaufen werden
- um Zusammenhänge zwischen Delikten in Berlin aufzudecken
- um auf Basis von Text zu verstehen, ob ein Kunde mit einem Produkt zufrieden ist
Zielgruppe:
Zielgruppe sind technisch oder kaufmännische Angestellte die selber Daten auswerten möchten bzw. Führungskräfte, die den Data Science Prozess und das Thema Machine Learning tiefergehend durchdringen wollen. Vorerfahrungen im Programmieren bzw. Mathematik sind nicht notwendig.
Modul 7: Deep Learning mit TensorFlow/Keras, Teil 1
- Theorie: Der Machine und Deep Learning Boom – Was ist passiert? Wieso erst jetzt?
- Funktionsweise Neuronaler Netze
- Wie werden Neuronale Netze eigentlich trainiert? Praxistipps
- Praxis – Fallstudie: Vorhersage von Immobilienpreisen (Regression)
Weitere Informationen hier zum Download……
Anmeldung per E-Mail: anmeldung@tcw-donau-ries.de
In diesem Zertifikatskurs werden Sie zum Experten für Data Science und Machine Learning ausgebildet und schließen den Kurs mit einem Zertifikat ab. Hierzu folgen wir den Phasen des OSEMN- bzw. CRISP-DM Data Science Prozessmodells – ein Prozessmodell, das die Datenanalyse systematisch in verschiedene Phasen unterteilt. Die Kursstruktur ergibt sich direkt durch dieses Standard-Prozessmodell und dient als roter Faden, der sich durch alle Kursmodule zieht.
Die Kursmodule sind hierbei so aufgebaut, dass Sie zuerst lernen in Python zu programmieren (“skripten”), um Daten aus Quellen wie Excel-Tabellen oder Datenbanken zu extrahieren, mit Python-Bibliotheken (Pandas) vorzuverarbeiten, um dann mit Statistiken und Visualisierungen (Matplotlib) erste Erkenntnisse zu gewinnen und dann schließlich mit Machine Learning (scikit-learn / TensorFlow / Keras) Ihre Daten automatisch zu modellieren und für Vorhersagen zu nutzen.
Der Kurs vermittelt nicht nur theoretische Hintergründe. Die Praxis steht im Vordergrund. Alle wichtigen Punkte bei der Datenanalyse werden wir uns daher in sogenannten Jupyter-Notebooks Schritt-für-Schritt gemeinsam erarbeiten. Sie arbeiten dabei alle praktischen Beispiele live mit durch, während der Dozent diese vormacht und auch Aufgaben stellt und wir Ihre Lösungen gemeinsam diskutieren. Konkret werden wir mehrere Fallstudien durcharbeiten, um beispielsweise
- Verkaufspreise für Immobilien und Autos vorherzusagen
- zu klassifizieren, ob Kunden in der Zukunft ein bestimmtes Produkt kaufen werden
- um Zusammenhänge zwischen Delikten in Berlin aufzudecken
- um auf Basis von Text zu verstehen, ob ein Kunde mit einem Produkt zufrieden ist
Zielgruppe:
Zielgruppe sind technisch oder kaufmännische Angestellte die selber Daten auswerten möchten bzw. Führungskräfte, die den Data Science Prozess und das Thema Machine Learning tiefergehend durchdringen wollen. Vorerfahrungen im Programmieren bzw. Mathematik sind nicht notwendig.
Modul 8: Deep Learning mit TensorFlow/Keras, Teil 2
- Theorie: Bildverarbeitung mit Convolutional Neural Networks
- Theorie: Textverarbeitung mit Rekurrenten Neuronalen Netzen sowie Transformer-Netzen
- Praxis – Fallstudie: Klassifikation von Kundenrezensionen (Textklassifikation)
- Ausblick: Wohin entwickelt sich das Gebiet? (DALL-E 2, ChatGPT, etc.)
Weitere Informationen hier zum Download……
Anmeldung per E-Mail: anmeldung@tcw-donau-ries.de