Data Analytics und Data Mining Seminar

Online Teilnahme möglich

Data Mining und Data Analytics für den Entwicklungsprozess

Nur noch auf Anfrage buchbar

Buchen Sie Ihre Fortbildung

2. Konditionen

Regulär 1.490,00 € *

Mitglieder 1.390,00 € *

* mehrwertsteuerfrei, einschließlich veranstaltungsgebundener Arbeitsunterlagen, sowie Mittagessen und Pausengetränken

Veranstaltungsnr.: H130112240

1. Ort & Termin

Information

Diese Veranstaltung wurde storniert. Bei Fragen rufen Sie uns bitte einfach an!

Artikel-Nr.: H130112240

Ob Großunternehmen oder Mittelstand: überall liegen große Mengen von Daten, die teilweise wenig... mehr

Menü schließen

Data Mining und Data Analytics für den Entwicklungsprozess

Ob Großunternehmen oder Mittelstand: überall liegen große Mengen von Daten, die teilweise wenig genutzt werden. Dabei liegen für Unternehmen oft hier enorme, wettbewerbsentscheidende Potenziale – sei es für die datengetriebene Entscheidungsunterstützung in der Unternehmenssteuerung, innerhalb des Entwicklungsprozesses oder für neue, datengetriebene Produkte. Der Unternehmensbereich und die entsprechenden Daten können ganz unterschiedliche sein – Sensordaten, Prozessdaten, Daten aus IT-Systemen, Controlling-Daten, Dokumente, Web-Daten u.v.m. Mit wachsenden Datenmengen gewinnt zusätzlich Data Mining an Bedeutung, d.h. der Einsatz von (selbstlernenden) Algorithmen, um mit deren Unterstützung neue Beziehungen zwischen Daten zu entdecken und neue Erkenntnisse aus Daten zu gewinnen.

USP

umfassender Überblick und Einordnung von Begriffen wie Data Science, Data Analytics, Data Mining und Machine Learning
praxisnah: anhand echter Daten bringen Sie auf Ihrem Laptop das Gelernte zum Einsatz
individuell: wir gehen auf die individuellen Datenherausforderungen in Ihrem Unternehmen ein

Programm

Tag 1, 9:30 - 17:00 Uhr

Einführung in Data Mining, Data Science und Data Analytics
Strukturierte und unstrukturierte Daten
Tools für Data Mining und Data Analytics
Dive into Data Science I: Grundprinzipien des maschinellen Lernens
Dive into Data Science II: Klassische Algorithmen des überwachten und unüberwachten maschinellen Lernens
Crashkurs Data Mining mit R und RStudio
Praxisbeispiele: Anbinden von Daten aus unterschiedlichen Quellen, einfache Visualisierungen, Text Mining und/oder Web Mining

Tag 2, 9:00 - 16:30 Uhr

Data Science Workflow: von den Daten zu Erkenntnissen
Das datenzentrierte Unternehmen
Roadmap für individuelle Use Cases der Teilnehmer
Praxisprojekt: Machine Learning mit Sensordaten
Dive into Data Science III: Neuronale Netze und Deep Learning

Zielsetzung

Dieses Seminar gibt einen ganzheitlichen Einblick in die Möglichkeiten individuelle Potenziale aus Daten in Ihrem Unternehmen durch Data Mining und Data Analytics zu heben. Sie sind anschließend in der Lage, Methoden zu bewerten, das Vorgehen zur Hebung von Potenzialen zu konzipieren und selbstlernende Algorithmen dafür zum Einsatz zu bringen.

Teilnehmerkreis

Alle, die Methoden zum Heben von Datenpotenzialen verstehen, bewerten und selbst im Einsatz sehen möchten, von Maschinen-Sensordaten bis hin zu Text, z.B. Ingenieure in Entwicklung und Qualitätsmanagement, Projektleiter und Führungskräfte aus der Automotive-, Logistik- und Maschinenbaubranche und anderen Industriezweigen, IT-Leitung.

Weiterführende Links zu "Data Mining und Data Analytics für den Entwicklungsprozess"

mehr

Tab schließen

Referenten

Dr. rer. nat. Dipl.-Phys. Pascal Kordt

Dr. Kordt ist zertifizierter Experte für Data Science und Deep Learning. Er studierte Physik, Mathematik sowie Economics & Management in Aachen und London und bringt acht Jahre Praxiserfahrung im Bereich Data Science mit, sowohl aus der wissenschaftlichen Arbeit als auch aus dem Unternehmensumfeld. Seine Projekte umfassen die Branchen Automotive, Logistik, Healthcare, Finance und Chemie.

mehr

Tab schließen

Informationen

Verfügbare Downloads:

Download HDT_Muenchen_091120_H130112240.pdf

Veranstaltungsorte:

80336 München, Landwehrstraße 61

mehr

Tab schließen

Hinweise

Es wird unbedingt ein eigener Laptop benötigt, um die Praxisbeispiele zu bearbeiten. Auf Windows-Laptops sind keine Administratorrechte notwendig, bei MacOS oder Linux sind ggf. Administratorrechte notwendig. iPads oder Android-Tablets sind leider ungeeignet.