Data Science und Künstliche Intelligenz mit R (Online) - Webinar von DHL Data Science Seminare GmbH

Das Seminar "Data Science und Künstliche Intelligenz mit R" gibt einen Überblick über die aktuellen Data Science Methoden der Künstlichen Intelligenz mit zahlreichen Praxisbeispielen aus Prozessindustrie, Predictive Maintenance oder dem Natural Language Processing (NLP), das die Grundlage von Chatbots darstellt. Ein besonderer Fokus wird zudem auf das Maschinelle Lernen gelegt, das ein wichtiges Handwerkszeug eines jeden Data Scientists ist. Dabei steht der Hands-on-Character im Fokus. Zuerst gibt es eine intensive Einführung in die Programmiersprache R, woraufhin an einem Praxis-Beispiel der gesamte Data-Science-Prozess inkl. Datenzugriff, Visualisierung, Aufbereitung der Daten, Feature Engineering, Validierung und Evaluation umgesetzt wird. Dabei programmieren Sie eigenhändig den Machine Learning Algorithmus Learning Vector Quantization (LVQ), der Ähnlichkeiten zu Neuronalen Netzen besitzt. Insgesamt erhalten Sie dadurch einen intensiven Einblick, wie Data Science und Künstliche Intelligenz in der Praxis angewendet werden. Gerne können Sie hierfür auch Ihre eigene Fragestellung inkl. der notwendigen Daten mitbringen.

?Data Scientist: The Sexiest Job of the 21st Century? lautete der Titel eines Artikels der Harvard Business Review in 2012. Wenn es um die erfolgreiche Nutzung von Daten geht, dominiert jedoch seit einigen Jahren die "Künstliche Intelligenz" die Berichterstattung. Wie passt das zusammen? Den aktuellen Höhenflug hat die Künstliche Intelligenz dem Maschinellen Lernen zu verdanken. In dieser Disziplin werden Erkenntnisse und Regeln direkt aus den Daten gewonnen. Auch Data Scientists nutzen zahlreiche Methoden aus dem Bereich des Maschinellen Lernens ? daher der Zusammenhang. Ein wichtiger Faktor bei der erfolgreichen Nutzung von Daten ist deren Kontext. Dies macht die Fach- und Branchenexpertise zu einem wichtigen Bestandteil für Data Science und Künstliche Intelligenz. In Online-Kurs Data Science und Künstliche Intelligenz mit R schlagen wir eine Brücke von der Fach- und Branchenexpertise zur erfolgreichen Nutzung von Daten.

Der Kurs Data Science und Künstliche Intelligenz mit R ist das erste Modul des Lehrgangs Data Science Crash Course mit R. Mit dem Lehrgang erhalten eine fundierte und modular aufgebaute Einführung in die Themen Data Science, Künstliche Intelligenz und Machine Learning (Maschinelles Lernen) sowohl für numerische Daten als auch für Textdaten. Das erste Modul können Sie auch einzeln besuchen. Infos zum gesamten Data Science Crash Course mit R finden Sie, indem Sie mit der Semigator-Suche nach der SG-Seminar-Nr. 5701209 suchen.

Agenda

• Überblick, Grundlagen und Praxisbeispiele
  • Künstliche Intelligenz
  • Data Science
  • Maschinelles Lernen
  • Herausforderungen bei der Umsetzung eines Data Science/KI Projekts
  • Praxisbeispiele u.a. zu den Themen:
    • Natural Language Processing (NLP)
    • Bilderkennung
    • Predictive Maintenance
    • Prozessindustrie
    • Logistik
• Intensivkurs R
  • Einführung in R: Datenstrukturen (Listen, Vektoren und Data Frames), Kontrollstrukturen (Fallunterscheidungen, Schleifen und benutzerdefinierte Funktionen) und Erstellung von Diagrammen (ggplot2, plotly)
  • Relevante R-Pakete: Tidyverse, Caret und Keras/Tensorflow
  • Data Science mit R: Statistiken, Korrelationen, Vorverarbeitung
  • Praxis-Übung: Datenzugriff, Datenexplorierung und Visualisierung
• Methoden des Maschinelles Lernen
  • Überwachtes Lernen/Supervised Learning
  • Unüberwachtes Lernen/Unsupervised Learning
  • Reinforcement Learning
  • Praxis-Übung: Selektion der richtigen Features
• Data-Science-Zyklus
  • Datenverständnis und Vorbereitung
  • Aufsetzen des Data-Science-Zyklus: Train-Test-Split, Pipelines, Kreuzvalidierung/Crossvalidaton, Hyperparameter-Optimierung
  • Implementierung eines Machine Learning Algorithmus (Learning Vector Quantization)
  • Evaluation des Algorithmus
  • Praxis-Übung: Clustering und Klassifikation

Dauer des Seminars

• Rahmen: 2 Tage mit 16 Unterrichtsstunden (täglich 8 Stunden, 9-17 Uhr)
• Aufteilung Theorie/Praxis: 40% Vorlesung + 60 % Praxis, Übungen und Demos

Am Ende des Seminars Data Science und Künstliche Intelligenz mit R werden Sie

• die aktuelle Berichterstattung zu Künstliche Intelligenz, Maschinellem Lernen, Reinforcement Learning und Data Science sowie deren Anwendungspotential in verschiedenen Bereichen wie Logistik, Predictive Maintenance oder Chatbots inhaltlich einordnen und bewerten können,
• vorhandene Daten mit R und Methoden des Maschinellen Lernens für Ihren Bereich nutzbar machen können (unter Einsatz der R-Pakete Tidyverse, Caret und Keras/Tensorflow),
• die Programmiersprache R und den wissenschaftlichen Rechenstapel von R zur Implementierung von Maschinellen Lernalgorithmen kennengelernt haben, um zu wissen, welche Daten für die erfolgreiche Umsetzung einer Fragestellung aus Ihrem Bereich (noch) notwendig sind und
• ein vollständigen Data-Science-Zyklus umgesetzt haben und damit wissen, was hierfür notwendig ist und welche Herausforderungen auf Sie zukommen werden.

Das Seminar Data Science und Künstliche Intelligenz mit R ist für Beschäftigte aus operativen Bereichen, R&D und IT mit grundlegenden Programmierkenntnissen geeignet, welche die Potenziale von Data Science, Künstlicher Intelligenz und Maschinellem Lernen für ihren Bereich kennenlernen und hautnah erfahren möchten. Anwender, Studenten, Doktoranden und Forscher aus den mathematischen, statistischen, naturwissenschaftlichen, ingenieurwissenschaftlichen, informationstechnologischen, betriebs-, wirtschafts-, markt- und sozialwissenschaftlichen Bereichen sind ebenfalls willkommen. Zudem eignet sich diese Einführung auch für Entscheider, die wissen möchten, was sich hinter den aktuellen Schlagwörtern verbirgt und was alles nötig ist, um ein erstes Projekt zu starten oder ein Data Science Team aufzubauen.

Inhaltliche Voraussetzungen zur Kursteilnahme

Für das Seminar Data Science und Künstliche Intelligenz mit R sind Grundverständnisse der Linearen Algebra (Vektoren, Matrizen) und Basiswissen in der Statistik (wie Korrelationen, Signifikanztests, lineare Regression) sehr empfehlenswert. Sie sollten Grundkenntnisse in einer Programmiersprache besitzen, am besten wäre eine Skriptsprache wie R, Python oder Matlab. Liegen keine Programmierkenntnisse vor, können Sie den dafür entwickelten Vorbereitungskurs Einführung in die Programmierung mit R besuchen (SG-Seminar-Nr. 5701180).

Technische Voraussetzungen zur Kursteilnahme

Bei unseren Online-Seminaren sitzen Sie an Ihrem Arbeitsplatz ? sei es in einem Büro, in einem Unternehmen, im Home-Office oder im Hotel. Sie nehmen an einem Live-Online-Training teil, der vom Ablauf und der Qualität unseren Präsenztrainings entspricht. Der Dozent führt in die Themen ein, beantwortet die Fragen der Teilnehmer und geht in den Übungsrunden auf jeden Teilnehmer persönlich ein. Es gibt eine Vielzahl digitaler Hilfsmittel wie Whiteboards, persönliche Chats mit dem Dozenten oder anderen Teilnehmern usw. Mit der heutigen Technik kommt das Präsenz-Seminar zu Ihnen ins Büro.

Ein Teilnehmer unserer Kurse schreibt: ?Obwohl ich wegen Online Seminar sehr skeptisch gegenüber stand, kann ich dem Dozenten wirklich nur dafür gratulieren, wie gut dieser dieses Seminar umgesetzt hat. Dies könnte man wohl auch nicht besser bei einer Vorort-Schulung machen. Daher kann ich dieses Seminar nur wirklich sehr empfehlen.? Lesen Sie weitere Rezensionen unserer Teilnehmer unter ProvenExpert.com.

Sie benötigen zur Teilnahme an dem Online-Seminar einen Computer mit Internetzugang (empfohlene Bandbreite 1-2 MBit/s). Sie erhalten nach der Anmeldung eine detaillierte Installationsanleitung für die erforderliche Statistik- und Videokonferenz-Software (Teilnahme mit Browser möglich). Bei Bedarf können Sie einen Fernzugang zu einem Schulungscomputer mit der erforderlichen Software erhalten.