0

Data Analytics und Machine Learning

Daten aufbereiten, Projekte beurteilen & umsetzen

Du willst lernen, wie du Daten strukturieren, analysieren und nutzbar machen kannst? Dann bist du bei uns richtig!

Viele wurden von der Digitalisierungswelle und Data Analytics überrollt und können mit den zugehörigen Konzepten und Begrifflichkeiten nichts anfangen. Wir vermitteln dir ein tiefes Verständnis für die Data Analytics Methoden und dafür, bei welchen Business und Use Cases es sich lohnt in Data Analytics, Machine Learning und digitale Transformation zu investieren und wo nicht. Zudem vermitteln wir dir im Seminar auch das Handwerkszeug zur erfolgreichen Umsetzung von Data Analytics Projekten.

Für wen eignen sich die Data Analytics und Machine Learning Schulungen?

Diese Schulungen sind für alle, die Datenstrukturen verstehen und Daten nutzbar machen wollen. Konkret können das sein:

  • Leitende Positionen, Projektleiter und Mitarbeiter im Bereich Business Intelligence/Data/Innovation und Transformation
  • MitarbeiterInnen im Controlling/Reporting, die erste Einblicke in Datenanalyse bekommen wollen
  • MitarbeiterInnen aus Fachbereichen, die mit Data Analytics Use Cases zu tun haben, z.B. Marketing, Finance, Sales, Customer Service, etc.
  • MitarbeiterInnen, welche die Konzepte von Data Analytics und Digitalisierung verstehen müssen, um ihre Aufgaben wahrzunehmen, wie z.B. Governance, Legal, HR, etc.
  • Consultants, die zum Thema Datenanalyse beratend tätig werden wollen
  • Entwickler, die sich in Richtung Data Analyst/Data Engineer/Data Scientist qualifizieren möchten.

Welchen Nutzen ziehe ich aus diesen Trainings?

Nach der Data Analytics & Machine Learning Schulung kennst du die Grundlagen von Data Analytics. Du beherrschst die Methoden zur Beurteilung, welche Data Analytics Projekte zielführend und erfolgreich sein können. Außerdem hast du das Handwerkszeug, um Data Analytics Projekte durchführen zu können. Alle gängigen Begriffe wie z.B. Artificial Intelligence, Machine Learning, Big Data, Cloud, Neuronale Netze und Deep Learning sind dir nach dem Kurs geläufig.

Im aufbauenden Training Machine Learning in Python erfährst du in Theorie und Praxis, wie du maschinelles Lernen mit Python programmierst.


Profitiere von unserem 10% Angebot!

Data Analytics und Machine Learning

In diesem eintägigen Training erhältst du einen ersten Einblick in die Datenanalyse und in die Grundlagen maschinellen Lernens. Von Reporting Tools über Big Data und Machine Learning bringen wir dir alle wichtigen Konzepte und Werkzeuge näher, die du dafür benötigst. 

  • Erfahrener Trainer aus der Praxis
  • Verpflegung während des Trainings
  • Online-Prüfung mit frei-wählbarem Termin
  • 50% Rabatt beim 2. Prüfungsversuch (ICO)
  • ÖPNV-Tickets für München
ab € 540,- zzgl. Mwst.
  1. Termine
  2. Inhalte
  3. Zertifizierung
  4. Voraussetzungen
  5. Inhouse
Termin Termingarantie Ort Preis* Prüfung
Mi 15.03.2023
München ! München mITSM Schulungszentrum im NEWTON Ridlerstraße 57 80339 München
640,-
Mi 03.05.2023
Online Live ! Online Live Zoom Session mit Live Trainer  
540,-
Di 11.07.2023
München ! München mITSM Schulungszentrum im NEWTON Ridlerstraße 57 80339 München
640,-
Di 19.09.2023
München ! München mITSM Schulungszentrum im NEWTON Ridlerstraße 57 80339 München
640,-
Di 07.11.2023
München ! München mITSM Schulungszentrum im NEWTON Ridlerstraße 57 80339 München
640,-
Mi 13.12.2023
Online Live ! Online Live Zoom Session mit Live Trainer  
540,-
Es wurden keine Termine gefunden.
Mehr Termine
*Nettopreise

Agenda

Tag 1: 09:00 – 16:30 Uhr

  1. Es werden die Grundlagen Data Analytics und Machine Learning vermittelt.
  2. Motivation für Data Analytics und Machine Learning
  3. Data Analytics Pipeline
  4. Statistik Refresher
  5. Visualisierung
  6. Machinelles Lernen
  7. Bewertung von Datenanalysen
  8. Praxisbeispiel

Aktuell gibt es für diesen Kurs keine Zertifizierungsprüfung.

Es gibt keine Voraussetzung für die Teilnahme an diesem Kurs.

Gerne kommen wir mit unserer Data Analytics und Machine Learning Schulung auch in dein Unternehmen. Stelle einfach eine unverbindliche Anfrage über unser Inhouse-Formular.

Machine Learning in Python

Dieses Training ist der Deep Dive in Machine Learning. Basiskenntniss in Python sind vorausgesetzt. Den Teilnehmern werden zunächst die theoretischen Hintergründe erklärt, um dann die praktische Umsetzung gemeinsam zu üben. Der so erarbeitete Code kann später als Blueprint für die eigene Arbeit genutzt werden.

  • Mit Machine Learning Professor als Trainer
  • Hoher Praxisbezug
  • Erarbeiteter Code als Blueprint
  • Mit Education-Paket
  • Unterlagen und Kurs auf Deutsch
  • Präsenz: Mittagsmenü & Pausenverpflegung
ab € 540,- zzgl. Mwst.
  1. Termine
  2. Inhalte
  3. Voraussetzungen
  4. Inhouse
Filter:
Termin Termingarantie Ort Preis* Prüfung
Mi 05.04.2023
Online Live ! Online Live Zoom Session mit Live Trainer  
540,-
Mi 12.07.2023
München ! München mITSM Schulungszentrum im NEWTON Ridlerstraße 57 80339 München
640,-
Mi 20.09.2023
München ! München mITSM Schulungszentrum im NEWTON Ridlerstraße 57 80339 München
640,-
Mi 25.10.2023
Online Live ! Online Live Zoom Session mit Live Trainer  
540,-
Mi 29.11.2023
Online Live ! Online Live Zoom Session mit Live Trainer  
540,-
Es wurden keine Termine gefunden.
Mehr Termine
*Nettopreise

Agenda

Tag 1: 09:00 – 16:30 Uhr

  1. Einführung in Maschinelles Lernen
  2. Machine Learning Pipeline
  3. Pandas Data Loading
  4. Feature Selection
  5. Preprocessing (60 min)
    a. Resampling
    b. Normalisierung
    c. Standardisierung
    d. LDA
    e. PCA
  6. Kreuzvalidierung
  7. Klassifikation
    a. Naive Bayes + Implementierung
    b. Nearest Neighbour + Implementierung
    c. Decision Trees
    d. Beispiele
  8. Scikit Learn Toolkit
    a. Pipelines
    b. Metrics
    c. Hyperparameter Tuning
  9. Regression (60 min)
    a. LSQ + Implementierung
    b. Decision Tree Regression + Beispiel

Python-Kenntisse sind für dieses Training vorausgesetzt.

Gerne kommen wir mit unserer Machine Learning in Python Schulung auch in dein Unternehmen. Stelle einfach eine unverbindliche Anfrage über unser Inhouse-Formular.

Warum Data Analytics mit mITSM?

Unsere Data-Analytics-Experten haben langjährige Erfahrung auf ihrem Fachgebiet. Neben der Vermittlung der theoretischen Grundlagen, legen die Trainer Wert darauf, dir etwas Praktisches an die Hand zu geben:

  • Erster Einblick in die Datenanalyse und Künstliche Intelligenz
  • Grundlage für Data Analytics und Machine Learning

Motivation für die Data Analytics Schulung

In den letzten Jahren konnten wir erleben, wie digitale Transformation die Welt mit enormer Geschwindigkeit verändert hat. Ihr disruptiver Einfluss ist für uns alle spätestens seit der Corona Pandemie spürbar. Organisationen, welche die Chance verpasst haben auf den Zug der digitalen Transformation aufzuspringen, hat der Markt bestraft. Nach Gartner 2017 haben 42 Prozent der CEOs die digitale Transformation eingeleitet. Die Anzahl der Firmen, die AI-Technologien implementiert haben, ist in den letzten  vier Jahren um 270 Prozent exponentiell gewachsen. In diesem Kurs wirst du befähigt, Chancen digitaler Transformation zu erkennen und für dein Unternehmen zu nutzen.

?

FAQ – Fragen und Antworten zur Schulung Digitale Transformation

  • Was kennzeichnet ein erfolgreiches Data Analytics Projekt?

    Der Erfolg bzw. das Potential eines Data Analytics Projekts lässt sich an mehreren Faktoren bewerten: Zunächst sollte ein klarer Business Case existieren.
    Data Analytics Verfahren, wie z.B. Machine Learning eignen sich besonders für komplexe Problemlösungen mit konkreten Lösungen, z.B. Ja/Nein Fragestellungen. Darüber hinaus, sollte ein geeigneter Datensatz bereits vorhanden oder einfach zu beschaffen sein. Vor allem aber, ist ein Data Analytics Projekt erfolgreich, wenn am Ende ein klarer Mehrwert geschaffen wird und das Projekt nicht im Zustand „mehr Daten sammeln“ feststeckt und dann abgebrochen werden muss. Kurzum, man braucht einen konkreten Use-Case mit echtem Business Value.

  • Was ist Machine Learning?

    Beim Machine Learning ist das Ziel, Wissen aus Erfahrung zu extrahieren. Dabei wird versucht anhand empirischer Daten zukünftiges Verhalten zu steuern.
    Mittels Algorithmen wird versucht, statistische Muster und Zusammenhänge aus den Daten abzuleiten. So können z.B. Daten aus einer Produktionsstraße genutzt werden, um die Qualität der aktuellen Charge vorherzusagen.

  • Was versteht man unter Big Data?

    Der Begriff Big Data ist Mitte der 90er Jahre aufgekommen. Man versteht darunter zum einen schlicht große Datenmengen und zum anderen Technologien zur Verarbeitung und Auswertung. „Big“ lässt sich in 5 Dimensionen beschreiben, die sogenannten „5Vs of Big Data“:

    • Volume: Umfang und Datenvolumen
    • Velocity: Geschwindigkeit mit der Daten generiert und verarbeitet werden
    • Value: Mehrwert, der durch die Verknüpfung der Datenmengen erzeugt wird
    • Variety: Inhaltliche und semantische Vielfalt der Datenquellen
    • Veracity: Unzuverlässigkeit der Daten im Hinblick auf Qualität und Struktur

    Das Konzept Big Data bezeichnet Datenmengen, welche zu groß, zu komplex, zu schnelllebig oder zu schwach strukturiert sind, um sie mit herkömmlichen Methoden auszuwerten. Während sich BI und Data Warehousing auf die Verarbeitung relationaler Daten fokussieren, kommt Big Data zum Einsatz, wenn klassische Technologien nicht mehr ausreichen.
    Für Big Data werden Methoden des verteilten Rechnens mit spezieller Hard- und Software eingesetzt. Bekannte Software (Big Data Systeme) für die Verarbeitung von enormen Datenmengen, sind bspw. Apache Hadoop und Apache Spark.

  • Wie unterscheidet sich Deep Learning von Machine Learning?

    Machine Learning ist ein Oberbegriff und bezeichner das Lernen von statistischen Zusammenhängen aus Daten. Deep Learning ist eine Unterkategorie des Machine Learnings. Während beim klassischen Machine Learning das Modell oft von einem Experten an das Problem angepasst wird und Merkmale zunächst „händisch“ aus den Rohdaten extrahiert werden müssen, übernimmt Deep Learning die Merkmalsextraktion. Vereinfacht könnte man sagen, dass Deep Learning eine Art automatisierte Weiterentwicklung des klassischen Machine Learnings ist.

  • Was versteht man unter Artificial Intelligence (AI)?

    Unter AI versteht man eine Kombination von Technologien, die es ermöglichen menschliches Denken und Handeln zu reproduzieren. Dazu zählen die Wahrnehmung des Umfelds und die darauf aufsetzende Analyse, Lernen und Handeln. AI wird zur bei Anwendungen zur Automatisierung in der Arbeit, beim Gaming, in Bildungssystemen und auch der Kunst eingesetzt.

  • Inwiefern passen Data Analytics und Data Science zusammen?

    Data Analytics ist ein Teil der Datenwissenschaft. Data Analytics werden genutzt, um den aktuellen Zustand mithilfe von Report und Visualisierungen (Charts, Graphen, etc.) zu beschreiben. Data Science wird dagegen genutzt, um auf Basis derselben Daten Vorhersagen, Modelle und Berechnungen für die Zukunft zu machen.

  • Welche Tools werden im Data Analytics Kurs verwendet?

    Unser Kurs setzt sich vorwiegend konzeptionell mit Data Analytics auseinander. Wir werden aber behandeln, wie Tools (bspw. Excel, PowerBI, Husprey und Python) eingesetzt werden können, um Datenanalysen prototypisch umzusetzen.

  • Ist diese Ausbildung mit Bildungsgutschein förderfähig?

    Nein. Allerdings sind wir von der Agentur für Arbeit anerkannt (AZAV zugelassener Träger) und erstellen dir als Arbeitssuchenden gerne ein individuelles Angebot zur Vorlage bei deinem Ansprechpartner.

Data Analytics

Fragen zur Vorbereitung auf die Data-Analytics-Prüfung. Es ist jeweils nur eine Antwort korrekt.
  1. 1. Welche der folgenden Datenquellen sind als Streaming-Daten zu verarbeiten?

    …richtig!
    …leider nicht richtig!
  2. 2. Welche Variablen sind typische kardinale Variablen?

    …richtig!
    …leider nicht richtig!
  3. 3. Welche typischen Fehler würden Sie bei Datenanalyseprojekten vermeiden?

    …richtig!
    …leider nicht richtig!
  4. 4. Welche Algorithmen gehören zu den überwachten Lernverfahren?

    …richtig!
    …leider nicht richtig!
  5. 5. Welche Beispiele sind typische prädiktive Analysen?

    …richtig!
    …leider nicht richtig!
  6. 6. Welche Trends begünstigen Data Analytics?

    …richtig!
    …leider nicht richtig!
  7. 7. Welche Faktoren spielen bei der Überlegung eine Analytics Plattform in der Cloud zu betreiben eine Rolle?

    …richtig!
    …leider nicht richtig!
  8. 8. Welche Komponenten finden sich in der Architektur einer analytischen Plattform?

    …richtig!
    …leider nicht richtig!
  9. 9. Welche Phase gibt es typischerweise in einem Digitalisierungs-Projekt?

    …richtig!
    …leider nicht richtig!
  10. 10. Welche Fehler treten bei digitalen Projekten häufig auf?

    …richtig!
    …leider nicht richtig!
  11. 11. Welche Rollen finden sich in der Organisation der Datenanalyse?

    …richtig!
    …leider nicht richtig!
  12. 12. Welche Aufgaben fallen in die Jobbeschreibung eines Data Engineers?

    …richtig!
    …leider nicht richtig!
  13. 13. Welche Grundsätze des Datenschutzes gelten beim BDSG?

    …richtig!
    …leider nicht richtig!
  14. 14. Welche Funktionalität bieten ausgereifte ETL Suites an?

    …richtig!
    …leider nicht richtig!
  15. 15. Welche der folgenden Leistungen kaufen Sie bei dem Modell IaaS vom Cloud-Anbieter?

    …richtig!
    …leider nicht richtig!
  16. 16. Welche Attributkombination ist aus Datenschutzgesichtspunkten unbedenklich für Analysezwecke auswertbar?

    …richtig!
    …leider nicht richtig!
  17. 17. Welche Aufgaben fallen in die Jobbeschreibung eines Data Scientists?

    …richtig!
    …leider nicht richtig!
+49 89 - 44 44 31 88 0
Jobs
Komm in unser Team!

Stellen für Trainer & Produktmanager

Schließen