Umsetzung & Implementierung von Machine Learning-Szenarien
Die wichtigsten Werkzeuge im Überblick
Ziel
Es gibt mittlerweile eine Vielzahl verschiedener Softwarelösungen und Programmiersprachen, um große Datenmengen auszuwerten. Ohne die Auswahl der „richtigen“ und zur Ausgangslage des Unternehmens passenden Tools sind Projekte im Big-Data-Umfeld nicht umzusetzen. Nach einer kurzen Vorstellung dieser Tools werden konkrete Data-Science-Anwendungsfälle theoretisch vorbereitet und in praktischen Hands-on Sessions umgesetzt (z.B. Demand Forecasting). Anhand vieler praktischer Beispiele vermitteln die Trainer:innen die „Tipps & Tricks“, die es braucht, um Data-Science-Projekte erfolgreich umzusetzen.
Dieses Modul sollte nur in Kombination mit dem Modul „Methodische Grundlagen für Data Analytics und Data Science“ besucht werden.
Nächste Termine
4 Halbtage
13.12.202209:00 - 12:30online14.12.202209:00 - 12:30online19.12.202209:00 - 12:30online20.12.202209:00 - 12:30online
Anmeldeschluss: 30 Tage vor Programmstart. Bei Buchung nach Anmeldeschluss kontaktieren Sie bitte das Programm-Management!
Aufbau und Inhalte
- Datenvorbereitung und Datenverständnis
- Grundsätze für die Aufbereitung von Entscheidungsgrundlagen
- Anforderungen an ein effektives Reporting
- Adressatenorientierte Informationsaufbereitung
- Wichtige Tools und deren Grenzen
- Anforderungen an den Software-Auswahlprozess
- Anomalieerkennung
- Time Series Forecasting
- Datenschutz und Ethik
- Deployment von Machine-Learning-Modellen
- Überblick zu neuronalen Netzen
Umsetzung & Implementierung von Machine Learning-Szenarien
