ife-Akademie 

Data Sci­ence und Machi­ne Learning

Semi­nar

Beschrei­bung:
Kom­ple­xe Daten­sät­ze für Vor­her­sa­ge­mo­del­le zu nut­zen und die­se für eige­ne Anwen­dungs­zwe­cke ein­set­zen zu kön­nen. Im Rah­men des Pro­gramms wer­den sowohl theo­re­ti­sches Know­how, als auch prak­ti­sche, direkt anwend­ba­re Data Sci­en­ce­Lö­sun­gen ver­mit­telt. Zunächst wer­den Pro­blem­stel­lun­gen im eige­nen Unter­neh­men hin­sicht­lich der Data Sci­ence Aspek­te dis­ku­tiert. Sodann wer­den im Rah­men von Work­shops Werk­zeu­ge und Metho­den des Data Engi­nee­rings und maschi­nel­len Ler­nens am Com­pu­ter erlernt.

Das Zusam­men­spiel aller Metho­den wird anhand eines abschlie­ßen­den Fall­bei­spiels demonstriert.

Das Pro­gramm umfasst fol­gen­de Lehrinhalte:

• Der Data Sci­en­tist: Rol­le, Kom­pe­ten­zen, Aufgaben
• Die Werk­zeu­ge für eine effi­zi­en­te Ein­füh­rung von Data Sci­ence im Unternehmen
• Small and Big Data: Intel­li­gence schaf­fen aus unstruk­tu­rier­ten Daten
• Data Engi­nee­ring: die Pro­zess­schrit­te zur Lösung von Fragestellungen
• Smart–Data: Ent­wick­lung und Durch­füh­rung von Big Data Projekten
• Deep Learning/maschinelles Ler­nen: Heu­te Ant­wor­ten für die Pro­ble­me von Mor­gen finden
• Data Gover­nan­ce & Com­pli­an­ce: Erstel­len eines fir­men­wei­ten Datenqualitätsmanagement

Ziel­grup­pe
Das Pro­gramm kon­zen­triert sich auf Mit­ar­bei­ter und Mit­ar­bei­te­rin­nen mit Grund­kennt­nis­sen der Pro­gram­mie­rung und Daten­ana­ly­se, die mit einer Viel­falt von Daten aus unter­schied­li­chen Unter­neh­mens­be­rei­chen kon­fron­tiert sind und sich aktu­el­les Wis­sen im Bereich Data Sci­ence (Data Engi­nee­ring, maschi­nel­les Ler­nen) aneig­nen und erwei­tern wollen.

Vor­aus­set­zung:
Ein fach­spe­zi­fi­sches (beruf­li­ches) Know-how soll­te vor­han­den sein