Der Artikel wurde erfolgreich hinzugefügt.

Online-Seminar Methoden zur Datenanalyse und Datenexploration

Data Analytics, Maschinelles Lernen, Deep Learning, Visual Analytics, Künstliche Intelligenz (KI)

NEU
Online-Seminar Methoden zur Datenanalyse und Datenexploration
Weitere Details
Nur noch auf Anfrage buchbar

Buchen Sie Ihre Fortbildung

2. Konditionen

495,00 € *
465,00 € *

* mehrwertsteuerfrei, einschließlich veranstaltungsgebundener Arbeitsunterlagen

1. Ort & Termin

Ort:

Datum:

3. Teilnehmer

* Wählen Sie zuerst einen Ort und ein Datum aus

Zusammenfassung Ihrer Buchung

  • H019100021
Wie kann man aus großen Datenmengen Informationen und Wissen gewinnen? Der Kurs vermittelt... mehr

Online-Seminar Methoden zur Datenanalyse und Datenexploration

Wie kann man aus großen Datenmengen Informationen und Wissen gewinnen? Der Kurs vermittelt methodische Grundlagen (Einführung) aus den Bereichen Data Science und maschinelles Lernen und befähigt, Einsatzszenarien der Datenanalyse (Datenauswertung) zu erkennen und einfache Aufgaben zu lösen. Zunächst werden im Online-Seminar Vorverarbeitungsschritte im Vorfeld einer Datenanalyse vorgestellt. Im Anschluss werden die Grundlagen des maschinellen Lernens vorgestellt, hierbei wird auf überwachte Lernverfahren (z. B. Klassifikation) und unüberwachte Lernverfahren (z. B. Clustering) eingegangen. Einen weiteren Schwerpunkt bilden neuronale Netze und "Deep Learning". In der Weiterbildung werden die Methoden an Beispielaufgaben der Textklassifikation oder Bildanalyse eingeführt. Schließlich wird ein Einblick in das Gebiet Visual Analytics gegeben und aufgezeigt, wie menschliche Wahrnehmung, Mensch-Maschine-Interaktion und Data Analytics zusammenspielen.

zum Thema

In der Forschung zu maschinellen Lernverfahren und neuronalen Netzen wurden in den letzten Jahren erhebliche Fortschritte erzielt. In manchen spezialisierten Aufgaben wie z.B. der Gesichtserkennung in Bildern haben solche Systeme nunmehr teilweise menschenähnliche Fähigkeiten erreicht. In dem Kurs lernen Sie die zugrundeliegenden Technologien kennen und lernen, wie diese zur Analyse und Exploration von großen Datenmengen mit unterschiedlichen Datentypen (nummerische Daten, Texte, Bilder) eingesetzt werden können.

 

Programm

Online-Seminar, 08:30 bis 16:00 Uhr

Grundlagen zu:

  • Data Analytics (Datenanalyse) – Datenvorverarbeitung
  • Maschinelles Lernen
  • Neuronale Netze und Deep Learning
  • Visual Analytics

 

Zielsetzung

Das Seminar gibt einen Überblick über grundlegende Methoden der Data Analytics. Die Teilnehmenden kennen nach dem Seminar grundlegende Methoden zur Datenvorverarbeitung und lernen, wie zur Mustererkennung unüberwachte und überwachte maschinelle Lernverfahren, neuronale Netze und Deep-Learning-Ansätze eingesetzt werden können. Die Teilnehmenden können mögliche Einsatzszenarien dieser Methoden erkennen und bewerten. Außerdem werden grundlegende Kenntnisse in Datenvisualisierung und Visual Analytics vermittelt.

 

Teilnehmerkreis

Fach- und Führungskräfte aus den Bereichen Forschung & Entwicklung, Vertrieb, die grundlegende Kenntnisse aus den Bereichen Data Analytics, maschinelles Lernen und Visual Analytics erwerben oder auffrischen wollen. Ingenieure (Elektrotechnik, Automotive, Maschinenbau, Prozeassindustrie), IT-Mitarbeiter sowie Personen aus der Verwaltung, die den Fachaustausch im Umgang mit großen Datenbeständen suchen, sind in diesem Seminar angesprochen.

 

Methoden zur Datenanalyse und Datenexploration 

Beschreibung der wichtigsten Begriffe

Data Analytics 

Mit Hilfe von systematischen, rechnergestützten Data-Analytics-Methoden werden Informationen, Wissen und Strukturen aus potenziell großen, heterogenen, multimodalen oder unstrukturierten Datenmengen abgeleitet. Dies dient der Entdeckung, Interpretation und Kommunikation von aussagekräftigen Mustern in Daten. Die Anwendung von Data-Analytics-Methoden kann besonders in Bereichen wertvoll sein, die reich an aufgezeichneten Informationen bzw. Messdaten sind und so z. B. zu (großen) hochdimensionalen oder multimodalen Datenmengen führen. Die Erkennung und Interpretation von Datenmustern kann einer Entscheidungsfindung dienen oder diese unterstützen.

Maschinelles Lernen

Maschinelles Lernen ist ein Teilgebiet der Künstlichen Intelligenz und umfasst vorwiegend statistische Methoden, die aus „Erfahrung“ (d.h. mithilfe von Beispieldaten) lernen. Beim überwachten maschinellen Lernen (Klassifikation, Regression) werden mithilfe von Beispieldaten Regeln gelernt, die auf neue, unbekannte Daten angewendet werden können. Beim unüberwachten maschinellen Lernen wird für eine gegebene Menge von Daten – ohne Nutzung von Beispieldaten – ein statistisches Modell erstellt, das Kategorien und Zusammenhänge, z.B. in Form von Clustern (Gruppen von Daten), repräsentiert.

Neuronale Netze und Deep Learning

Neuronale Netze zählen zum Gebiet des maschinellen Lernens und sind ein mathematisches Modell, das die menschliche Informationsverarbeitung in vereinfachter Form nachbildet. Ein neuronales Netz besteht aus einer Menge von Neuronen, die typischerweise in Schichten organisiert sind. Dabei sind in der Regel alle Neuronen einer Schicht mit allen Neuronen der vorherigen sowie der nachfolgenden Schicht verbunden. Unter tiefen neuronalen Netzen („Deep Learning“) versteht man (sehr) große Netze mit vielen Schichten. Für verschiedene Aufgaben des künstlichen Sehens (Computer Vision) oder der Textanalyse erreichen die jeweils auf die Aufgabenstellung spezialisierten Netze eine Leistungsfähigkeit, die zum Teil an menschliche Fähigkeiten heranragt. Im Bereich Computer Vision sind sogenannte faltende Netzwerke (Convolutional Neural Networks) sehr leistungsstark. Mit Faltung ist die mathematische Operation gemeint, die in der Bildverarbeitung klassischerweise zur Filterung von Bilddaten eingesetzt wird.

Visual Analytics

Visual Analytics können wir als ein Teilgebiet von Data Analytics betrachten. Durch das Zusammenspiel von Methoden der Informationsvisualisierung, des maschinellen Lernens und der Mensch-Computer-Interaktion ermöglicht Visual Analytics Nutzerinnen und Nutzern, große Datenmengen zu explorieren und Muster darin zu erkennen, z. B. zur Bewertung von Situationen oder zur Entscheidungsfindung. Visual Analytics kann auf beliebige Datenarten angewendet werden (nummerische Daten, Texte, Bilder, geografische Daten, Zeitreihen, Bewegtbild, Audio, multimodale Daten etc.), das Wort „Visual“ bezieht sich auf den Aspekt der Informationsvisualisierung und nicht auf die Art der zu verarbeitenden Daten.

 

Weiterführende Links zu "Online-Seminar Methoden zur Datenanalyse und Datenexploration"

Referenten

Prof. Dr. Ralph Ewerth

Leibniz Universität Hannover

Prof. Dr. Ralph Ewerth hat an den Universitäten Frankfurt am Main und Marburg Informatik mit Nebenfach Psychologie studiert (Diplom) und im Jahr 2008 zu maschinellen Lernverfahren zur Videoanalyse an der Philipps-Universität Marburg promoviert. Von 2012 bis 2015 war er Professor für Digitale Bildverarbeitung und Medientechnik an der Ernst-Abbe-Hochschule Jena, bevor er 2015 einen Ruf der Leibniz Universität Hannover annahm. Seitdem leitet er am Leibniz-Informationszentrum Technische Informationsbibliothek (TIB) die Forschungsgruppe Visual Analytics. Prof. Ewerth hat eine Vielzahl von wissenschaftlichen Beiträgen veröffentlicht, von denen einige mit Preisen ausgezeichnet wurden.

Schließen

Termine

Extras

Inhouse

"Seminar nach Maß" – Diesen Inhalt oder weitere Themen als maßgeschneidertes Seminar – Sprechen Sie uns an!

Jetzt anfragen

Bildungsscheck

Das Förderprogramm für die berufliche Weiterbildung von Beschäftigten in NRW oder Bayern.

Bildungsscheck Infos

Ihr Ansprechpartner

Organisatorische Fragen:
+49 (0) 201 1803-1

Fachliche Fragen:
Dipl.-Ing. Bernd Hömberg
+49 (0) 201 1803-249
+49 (0) 201 1803-263

Kunden haben sich ebenfalls angesehen

Zuletzt angesehen