Data Science kompakt (Live Online Training)

Starter Kit

• Data Science Starter Kit Behandelte Methoden/Modelle
  • 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.

LernzieleDieser 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.ZielgruppenDieser Kurs wendet sich an alle, die Interesse an Data Science haben und einen Gesamteinblick in die Thematik bekommen möchten.