Schulungsinhalt
Mathematik und Statistik
- Anwendung geeigneter statistischer Methoden und Konzepte
- Erklärung von Wahrscheinlichkeits- und Modellierungstechniken und deren Einsatzmöglichkeiten
- Bedeutung von linearen Algebra-Konzepten und Grundkenntnissen in Analysis
- Vergleich und Unterscheidung von Zeitreihenmodelltypen
Modellierung, Analyse und Ergebnisse
- Durchführung explorativer Datenanalyse (EDA)
- Behebung gängiger Datenprobleme
- Anwendung von Datenanreicherungstechniken
- Durchführung von Modellentwurfsprozessen
- Analyse von Testergebnissen zur Optimierung von Modellen
- Kommunikation von Ergebnissen durch geeignete Methoden
Maschinelles Lernen
- Einsatz grundlegender Maschinelles Lernen-Konzepte
- Anwendung überwachten maschinellen Lernens und baumbasierter Methoden
- Verständnis von Deep Learning- und unüberwachten Lernmethoden
Betrieb und Prozesse
- Verstehen der Rolle der Data Science in verschiedenen Geschäftsbereichen
- Prozess der Datensammlung und -speicherung
- Techniken zur Datenaufbereitung (Data Wrangling) anwenden
- Bedeutung von DevOps- und MLOps-Prinzipien verstehen
Spezialisierte Anwendungen in der Data Science
- Vergleich und Erklärung von Optimierungstechniken
- Einsatz von Konzepten zur Verarbeitung natürlicher Sprache (NLP)
- Verwendung von Computer Vision und anderen spezialisierten Anwendungen
Zielgruppe
Dieser Kurs richtet sich an Data Scientists, die ihre Kenntnisse in fortgeschrittenen Data-Science-Techniken, einschließlich statistischer Analyse, maschinellem Lernen und spezialisierter Datenverarbeitung, erweitern möchten.
Seminarziele
In dieser praxisorientierten Schulung erhalten Sie tiefgreifende Kenntnisse im Bereich Data Science. Sie erlernen die Anwendung von statistischen Methoden, Modellierungstechniken sowie grundlegenden Konzepten der linearen Algebra und Analyse. Der Kurs deckt wichtige Bereiche wie explorative Datenanalyse, Modellgestaltung und -bewertung ab und zeigt, wie Sie Ergebnisse effizient kommunizieren. Zusätzlich wird der Umgang mit maschinellem Lernen, einschließlich überwachtem und unüberwachtem Lernen sowie Deep Learning, behandelt. Sie erhalten Einblicke in DevOps- und MLOps-Prinzipien und spezialisierte Anwendungen wie natürliche Sprachverarbeitung und Computer Vision.
Vorkenntnisse
Die Voraussetzung zur Teilnahme an diesem Kurs ist eine empfohlene Berufserfahrung von mindestens fünf Jahren im Bereich Data Science oder in einer vergleichbaren Position.
Seminardauer
Preis
Präsenzseminar/FLEXINAR®:
LIVEINAR®:
Individual Training: Preis auf Anfrage
Inhouse Training: Preis auf Anfrage
Seminarnummer
Martin Heubeck
Group Leader Sales
- martin.heubeck@protranet.de
Beratungszentrale und Buchungshotline:
- 0800 3400311
- beratung@protranet.de
Kataloge
Formate
