Data Scientist (TÜV®)
Die Besprechung von konkreten Anwendungsfällen und zahlreichende vertiefende Übungen stellen während des gesamten Kurses den Transfer des neuen Wissens in die Praxis sicher. Die Teilnehmer werden in die Lage versetzt, Daten entsprechend der Bedürfnisse und Ansprüche des Unternehmens zu sammeln, zu verarbeiten und zu nutzen, um die Grundlage für strategische Unternehmensentscheidungen erstellen zu können.
Nutzen
- Kenntniserwerb, um erhobene Daten kompetent zu analysieren und zu verwerten
- Kompetenz, um datenbasiert effiziente Entscheidungen erfolgreich vorzubereiten
- Wissensdokumentation im Bereich Data Science durch ein international anerkanntes Personenzertifikat
Zielgruppe
- Wissen zur Datenanalyse erwerben bzw. erweitern wollen, um die Auswertungen besser verstehen und effizienter bewältigen zu können,
- daten- und algorithmengestützte Prozesse im Unternehmen etablieren und betreiben möchten,
- Machine Learning und künstliche Intelligenz zur Hebung von Datenpotenzialen einsetzen wollen,
- daten- und algorithmengestützte Prozessautomatisierungen im Unternehmen verankern möchten, um digitale Entscheidungen im großen Umfang umsetzen zu können.
Inhalt
- Einführung in die Programmierung mit Python
- Datenmanagement mit Pandas
- Datentypen
- Importieren, Lesen und Schreiben von Daten
- Indizierung, Filterung und Zuweisung von Daten
- Aggregationsfunktionen und Mappings
- Gruppierung und Sortierung
- Verarbeitung von Missing Values
- Kombination, Wrangling, Integration und Umbenennung von Daten
- Arbeiten mit Date, Time und Datetime-Datentypen
- Datenverarbeitung mit Schleifen und Verwendung von Variablen
- Datenvisualisierung mit Matplotlib und Seaborn
- Statistik-Grundlagen
- Einführung in Machine Learning-Techniken mit scikit-learn
- Einführung, Grundlagen und Methodik
- Erstellen von Trainingsdaten
- Überwachte Lern-Algorithmen
- Unüberwachte Lern-Algorithmen
- Erklärbarkeit von Modellen
- Modell-Interpretation und Evaluierungstechniken
- Einführung in Data Science und die Welt der Algorithmen
- Machine Learning und Künstliche Intelligenz - Best Practices und Erfolgsfaktoren
- Einführung in Feature Engineering
- Algorithmen des Überwachten Lernens (Decision Tree, Regression, Neural Network, Naïve Bayes, Support Vector Machines, Ensemble Modeling)
- Algorithmen des Unüberwachten Lernens (Cluster Analysis, Association Analysis)
- Einführung in Deep Learning
- Bewertung der Modell-Performance und Modell-Vergleich
- MLOps - Modell Deployment und operativer Modelleinsatz
- Einführung in das Feature Engineering
- Datenquellen, Datenmodelle und Analytische Data Marts
- Datenintegration und Datentransformation
- Behandlung fehlender Werte
- Behandlung von Ausreißern
- Binning-Methoden
- Dimensionsreduzierende Methoden
- Aggregationstechniken für Transaktionsdaten
- Feature Engineering für Zeitreihen
- Stichproben-Methoden und Erstellung von Trainings- und Testdaten
- Best Practices Feature Engineering für Machine Learning-Algorithmen
- AI-, IoT- und IIoT-Grundlagen
- Eigenschaften von IoT-Datenquellen
- Einführung in die Digitale Signalverarbeitung (DSP)
- Feature Engineering mit DSP-Methoden (u.a. FFT, PSD)
- Machine Learning-Grundlagen
- Training, Bewertung und Vergleich von Machine Learning-Modellen
- Deployment von Machine Learning-Modellen
- AIoT-Use Cases, Anwendungsgebiete und Best Practices
- Process Mining und das Internet of Events
- Einführung in die Prozessmodellierung (u.a. Petrinetze, Process Trees)
- Typische Datenquellen und Eventlogs
- Process Discovery
- Konformitätsprüfung
- Von der Process Discovery zum Online Process Monitoring
- Online-Abschlussprüfung im Multiple-Choice-Verfahren
- Projektbearbeitung zum Erwerb des Personenzertifikates
Ist kein passender Termin dabei oder Ihr Wunschtermin ist ausgebucht?
80 Seminarstunden
10 Tage
VDSI Punkte Brandschutz: 0
VDSI Punkte Managementsysteme: 0
VDSI Punkte Gesundheitsschutz: 0
VDSI Punkte Security: 0
VDSI Punkte Umweltschutz: 0
Seminarbuchung: Jetzt passenden Termin & Ort wählen
Nettopreis (zzgl. MwSt.)
Bruttopreis (inkl. MwSt.)
Veranstaltungsnummer: DIDI016.03
Preisdetails:
Im Preis enthalten ist Lehrmaterial in digitaler Form.
inkl. 19 % MwSt.:
Nettopreis (zzgl. MwSt.)
Bruttopreis (inkl. MwSt.)
Veranstaltungsnummer: DIDI016.04-Webinar
Preisdetails:
Im Preis enthalten ist Lehrmaterial in digitaler Form.
inkl. 19 % MwSt.:
Nettopreis (zzgl. MwSt.)
Bruttopreis (inkl. MwSt.)
Veranstaltungsnummer: DIDI016.05-Webinar
Preisdetails:
Im Preis enthalten ist Lehrmaterial in digitaler Form.
inkl. 19 % MwSt.: