Inhalt und Ablauf
Das eintägige Seminar führt Anwender aus dem Fachbereich (z.B. Business Analysten) in die Vorgehensweise und die Methoden der Data Science ein. Dabei werden wesentliche Schritte der Datenaufbereitung, Datenanalyse und Ergebnispräsentation in kompakten Einzelabschnitten vorgestellt. Damit werden die Kursteilnehmer qualifiziert
- Analyseprobleme zu formulieren
- Daten aufzubereiten
- Muster in Daten zu identifizieren
- den Dialog mit Data Scientists zu führen
- Ergebnisse aus Data Labs zu interpretieren
Anhand konkreter Daten wird der Ablauf des Data Discovery Prozesses an praktischen Beispielen anschaulich dargestellt und greifbar gemacht. Die überschaubare Teilnehmerzahl erlaubt die Klärung individueller Fragen der Seminarbesucher.
Short Facts
- Referent: Dr. Sebastian Derwisch
- Sprache: Deutsch
- 19. März 2019
- 10:00 – 17:15
- Sofitel Hotel Munich Bayerpost, Bayerstraße 12, 80335 München
Lernziele
Analytische Fragen formulieren, Daten aufbereiten und visuell analysieren
Analytische Fragen anhand von Machine Learning Methoden zu analysieren
Strategien um Machine Learning Modelle zu optimieren und zu validieren
Referent
Dr. Sebastian Derwisch
ist Data Scientist am Business Application Research Center (BARC). Er berät Unternehmen in den Bereichen Use-Case-Identifikation für Datenanalyse, Werkzeugauswahl für Advanced Analytics sowie die Organisation von Data-Science-Teams und führt Proof of Concepts für Advanced Analytics aber auch Data Science Coachings durch.
Agenda
10:00 – 11:15: Allgemeine Einführung & analytische Fragen identifizieren
11:15 – 11:30: Kaffeepause
11:30 – 13:00: Data Preparation & Visual Analytics
13:00 – 14:00: Mittagspause
14:00 – 16:00 Fortgeschrittene Analyse & Ergebnisdarstellungen
16:00 – 16:15 Kaffepause
16:15 – 17:15 Fortgeschrittene Analyse & Ergebnisdarstellungen
Voraussetzungen
Der Kurs richtet sich an Fachbereichsnutzer, die gewisse Vorkenntnisse der Datenanalyse anhand von Business Intelligence Systemen haben und Kenntnisse im Bereich Machine Learning aufbauen möchten. Ein Überblick der Vorgehensweise in Data Science Projekten ist hilfreich aber nicht erforderlich.