Home
Über uns
Mitglieder
Arbeitsgruppen
Projekte
Produkte
Publikationen
Stellungnahmen
News
Presse
Termine
Veranstaltungen Mitglieder und Partner
Anmeldeformulare
Infos abonnieren
Jahreskongress 2018
DB-Ticket
Hotelinformationen
Termin-Archiv
Stellenmarkt
Online-Services
 

Termindetails

bvitg Seminar: Data Science - Einführung (Berlin)

Mittwoch, 6. Dezember 2017 - Donnerstag, 7. Dezember 2017



bvitg Seminar: Data Science - Einführung

Teilnahmevoraussetzungen

  • Analysten, die einen Einblick in statistische und KI-Methoden zur Datenanalyse bekommenmöchten
  • Softwareentwickler und -architekten, die an der Entwicklung und dem Einsatz von Data-Mining-Verfahren interessiert sind
  • Wissenschaftler und Forscher, die einen Überblick über das Gebiet gewinnen möchten
  • Entscheider, die das Potential von Data-Science-Ansätzen für ihr Unternehmen einschätzenwollen

Grundkenntnisse in Statistik und die Bereitschaft sich mit diesen Themen auseinanderzusetzen werden vorausgesetzt. 

 

Inhalt

Data Science beschäftigt sich mit Methoden, Prozessen und Systemen, die das Ziel haben, aus Daten neue Einsichten, Wissen und Handlungsempfehlungen zu gewinnen. Ein Data Scientist nutzt für seine Arbeit unter anderem Ansätze aus der Statistik, dem maschinellen Lernen, der Neuroinformatik und des Data Minings. Neuere Themen wie das Lernen aus Text- und Web-Daten, Deep Learning und Big Data komplettieren das Bild.

Das Seminar „Data Science – Einführung“ richtet sich an Analysten, Softwareentwickler, Wissenschaftlerund Entscheider, die einen fundierten Einblick in dieses hochaktuelle Themengebiet gewinnen möchten. Der Fokus der Einführung liegt dabei auf den methodischen Aspekten des Gebiets – insbesondere auf Prozessmodellen zur Durchführung von Analysen – sowie auf Algorithmen und Methoden der klassischen Statistik und der künstlichen Intelligenz. Das Seminar behandelt diefolgenden Themen, die anhand typischer Anwendungsfälle erläutert werden: 

  • Vorgehensmodelle für Datenanalysen (CRISP-DM, SEMMA, ASUM-DM)
  • Beschreibung und Vorbereitung von Datensätzen (deskriptive Statistik, Selektion vonAttributen, Hauptkomponentenanalyse)
  • Lernen von Regeln und Entscheidungsbäumen (C4.5, Covering-Algorithmen, AssociationRules)
  • Instanzenbasierte Ansätze (Abstandsmaße und k-Nearest-Neighbour)
  • Lineare Modelle (Regression), Neuronale Netze (Backpropagation / MLP und RBF-Networks)und Support Vector Machines
  • Bayessche Ansätze (Naive Bayes, Bayes-Netze)
  • Unüberwachte Verfahren (K-Means und hierarchisches Clustering)
  • Bewertung von Modellen (Fehlermaße, Cross Validation, Modellselektion)
  • Überblick Data-Mining-Tools und Software (Rapidminer, R, u.a.)
  • Angerissen: Text- und Web-Mining, Collaborative Filtering, Big Data und Deep Learning 

Kontakt

bvitg
Peggy Schott
030 206 22 58-55 | E-Mail

Anmeldung und Kosten

Für die Teilnahme am Seminar gibt es für TMF-Mitlieder einen Rabatt von 25%.

Anmeldeschluss ist der 20. November 2017.

  1. weitere Informationen und Anmeldung


 
Termin speichern

         
© TMF e.V. Glossar     Datenschutzhinweis     Info an den Webmaster     Seite drucken      Seitenanfang