Data Science kompakt (Inhouse) - Inhouse von Cegos_Integrata GmbH

• Datenpotential & Datenstrategie
• Was ist überhaupt Data Science & Co.?
• Datenanalytisches Denken zur Use-Case-Findung
• Projektvorgehen nach CRISP-DM
• Praxisteil I: Hypothesen aufstellen & testen
• Vorstellung K.I. & Machine Learning
• Praxisteil II: Welche Machine-Learning-Methoden passen zu den Use Cases?
• Datenvisualisierung und ihre Fallstricke
• Praxisteil III: Explorative Datenanalyse (EDA)
• Überblick zur Datenspeicherung: Data Warehouse, Data Lake, Cloud
• Zusammenfassung und Ausblick zur "Data Driven Company"

Tools und Sprachen

• Google Sheets (alles fast 1:1 auf Excel ummünzbar)

Methode

Vortrag, Diskussion zu Use Cases im Bereich Daten, Übungen mit Google Sheets.

Hinweis

Allgemeine Hinweise:Wegen der Internationalität des Themas sind die Vortragsfolien in Englisch. Die Seminarsprache ist Deutsch.

Hinweis für Online-Schulungen:

Für unsere Online-Schulungen möchten wir Sie darauf hinweisen, dass es von Vorteil ist, wenn Sie über zwei Bildschirme verfügen. Ein zusätzlicher Bildschirm ermöglicht es Ihnen, die Schulungsinhalte auf einem Bildschirm anzuzeigen, während Sie auf dem anderen Bildschirm praktische Übungen durchführen oder Anwendungen parallel öffnen können.

Durch die Verwendung von zwei Bildschirmen können Sie die Schulungsinhalte effektiver verfolgen und gleichzeitig interaktiv an den Übungen teilnehmen, ohne zwischen Fenstern hin- und herwechseln zu müssen.

Wir empfehlen daher, sich im Vorfeld auf die Schulung mit einem zusätzlichen Bildschirm vorzubereiten, um das bestmögliche Lernerlebnis zu gewährleisten.

Dieser Kurs vermittelt eine umfassende Einführung in das Thema Data Science. Als Einstieg wird den Teilnehmern gezeigt, welcher Wandel derzeit durch die Digitalisierung stattfindet. Am Thema Datenstrategie wird vorgestellt, welche Faktoren im Unternehmen berücksichtigt werden müssen, um Daten als Vermögenswert zu betrachten und datenbasierte Entscheidungen treffen zu können. Von der Ideengenerierung über die Aufbereitung und Analyse bis zum Go-live werden die Besonderheiten eines Data Science Projekts anhand des führenden Vorgehensmodells CRISP-DM besprochen. Die Definition des Begriffes ‚Daten’ wird von anschaulichen Beispielen zu unterschiedlichen Datenarten begleitet. Aspekte der Datenspeicherung werden zusammen mit drei wichtigen Datenarchitekturen präsentiert: Data Warehouse, Data Lake und Hybride Architektur. Die methodische Vertiefung erfolgt mit Schwerpunkt auf Datenaufbereitung, explorativer Datenanalyse sowie auf Ziele und Modelle des Machine Learning. Abschließend wird die adressatengerechte und visuell ansprechende Aufbereitung von Daten illustriert.