Course Overview
Methoden der Data Science sind im Begriff, alle Wirtschafts- und Wissenschaftszweige zu transformieren. Um die täglich wachsenden Datenmengen zum Vorteil der Unternehmen einzusetzen, werden leistungsstarke Prädiktionsalgorithmen benötigt.
Um aus Daten Informationen zu gewinnen, bedarf es der Werkzeuge der Data Science. Seien es lineare Regressionen, Klassifikationsmodelle oder unüberwachte Lernalgorithmen wie das k-means Clustering: Lassen Sie Ihre Daten nicht ungenutzt.
Who should attend
Der Kurs richtet sich an Interessierte am Bereich Data Science, die verstehen wollen, wo sie Methoden des Maschinellen Lernens im Unternehmen einsetzen und welchen Nutzen sie damit aus ihren Daten ziehen können.
Prerequisites
Erste Erfahrungen in Python oder einer anderen Programmiersprache erleichtern den Einstieg, sind aber nicht zwingend notwendig.
Course Objectives
Die Teilnehmer werden durch praxisnahe Anwendung des Maschinellen Lernens in die Lage versetzt, sowohl die Potentiale als auch die Limitationen von lernenden Maschinen für ihren unternehmerischen Kontext zu identifizieren.
Course Content
1) Was ist Data Science?
- Teilgebiete
- Relevanz
- Anwendungen
2) Modelle und Methoden der Data Science:
- Überwachtes/ unüberwachtes Lernen
- Maschinelles Lernen am Beispiel linearer Regression
- Klassifikationsmodelle am Beispiel logistischer Regression
- Fehlerquellen, Kreuzvalidierung, Modellauswahl
3) Künstliche Intelligenz
- Was ist Künstliche Intelligenz?
- Abgrenzung zum Maschinellen Lernen und Teilgebiete
- Satz von Bayes
4) Data und Search
- Was sind Daten?
- Indexsuche
- Datenbanken
- Relevanz(tuning)
5) Einblicke in Deep Learning / Neuronale Netze:
- Wozu neuronale Netze?
- Forward- und Backward Propagation
- Beispiel Bilderkennung
- Beispiel Natural Language Processing
6) Recommender Systeme und Filterblasen
- Ähnlichkeitsberechnung
- Nearest Neighbor Algorithmus
7) Berufsbilder:
- DevOps
- Data Scientist
- Data Engineer
8) Trends und Ausblick
- Generative Adversarial Networks
- Creative AI