- Nächster Termin:
- 09.06.2023
- Kurs endet am:
- 10.06.2023
- Gesamtdauer:
- 2 Tage
- Praktikum:
- Nein
- Durchführungszeit:
- Ein-/mehr-maliger Wochenendkurs
- Teilnehmer min.:
- 5
- Teilnehmer max.:
- 12
- Preis:
- 39 € - Preis ermäßigt: 21,50 EUR
- Abschlussprüfung:
- Nein
- Abschlussbezeichnung:
- keine Angaben
- Zertifizierungen des Angebots:
- keine Angaben
- Angebot nur für Frauen:
- Nein
- Kinderbetreuung:
- Nein
- Link zum Angebot:
- Zum Angebot auf der Anbieter-Webseite
- Infoqualität:
- Suchportal Standard nicht erfüllt - Weitere Informationen
- Zielgruppen:
- keine Angaben
- Fachliche Voraussetzungen:
- keine Angaben
- Technische Voraussetzungen:
- Keine besonderen Anforderungen.
- Systematik der Agenturen für Arbeit:
- keine Angaben
Inhalte
Aktuelle Trends wie Digitalisierung, E-Commerce und Social Media führen zu einer rasanten Zunahme an Daten, die für Unternehmen zunehmend zum zentralen Erfolgsfaktor werden (Daten als „Rohstoff“ des 21. Jahrhunderts). Die durch algorithmenbasierte Datenanalysen (z.B. Data Mining, Text Mining, Predictive Analytics) gewonnenen Informationen liefern bspw. dem Marketing, CRM, Vertrieb oder Controlling wichtige Erkenntnisse für den Geschäftserfolg („Business Intelligence“). Data Science ist eine Querschnittsdisziplin und wird nicht nur in Unternehmen erfolgreich eingesetzt, sondern auch in anderen Bereichen wie z.B. in Behörden und öffentlichen Einrichtungen, in der Medizin, im Bildungswesen und medialen Umfeld, in der Marktforschung sowie in den Sozial- und Naturwissenschaften.
In diesem Kurs-Modul werden die in den Modul B und C erworbenen methodischen Kenntnisse des Machine Learning und der praktischen Statistik ergänzt durch die Techniken und Methoden des „Feature Engineering“. Diese Techniken und Methoden (Data Cleansing, Data Reduction, Data Construction, Data Transformation und Data Sampling) haben das Ziel, die analytische Präzision von Algorithmen und damit die Analyse-Ergebnisse zu verbessern, indem vor der eigentlichen Analyse die ausgewählten Daten für deren Anwendung in Algorithmen optimiert werden („Data Preprocessing“).
Voraussetzungen: Solide PC-Kenntnisse sowie idealerweise Kenntnisse der Module B und C.
Alle Angaben ohne Gewähr. Für die Richtigkeit der Angaben sind ausschließlich die Anbieter verantwortlich.
Erstmals erschienen am 21.10.2022, zuletzt aktualisiert am 05.06.2023