pds-futurejobs
['Produktseite','nein']
Data Analytics und Data Science praktisch umsetzen mit KNIME
Kurs

Buchungs-Nr.:

36405

Data Analytics und Data Science praktisch umsetzen mit KNIME

3-4 Stunden pro Woche über 6 Monate
Deutsch

Terminvorschau

Starttermin
Letztes Modul
Verfügbarkeit
Ort
No items found.

Modulübersicht

Die folgende Modulübersicht zeigt Termine für den Kursstart am
Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.
No items found.

Kursübersicht

Inhalte

1. Business Understanding für die Datenanalyse

  • Wissens-Check Data Science und Künstliche Intelligenz
  • Die Fähigkeiten und Rolle des Data Scientisten
  • Die Zusammensetzung von Daten-Teams
  • Vertikale Anwendungsfelder in Unternehmen
  • Horizontale Anwendungsfelder in Unternehmen
  • Überwachtes Lernen: Klassifikation, Regression, Zeitreihen
  • Unüberwachtes Lernen: Segmente, Anomalien, Muster
  • Verstärkendes Lernen (Reinforcement Learning)
  • Daten erfassen und Relevanz beurteilen
  • Big Data, Datentypen, Datenstrukturen
  • Datenintegration, Datenquellen, Datenbanken
  • Data Warehouse, virtuelle Datenbanken und Data Lake

2. Bedienung und erste Schritte in KNIME

  • Installation und Workspace einrichten
  • Das Konzept der Nodes und Workflows
  • Die Benutzeroberfläche kennenlernen
  • Excel Reader und Konfigurationsmenü
  • Outputs und weitere Import-Nodes
  • Dokumentation und Workflow-Organisation

3. Data Understanding und Data Preparation

  • Datenvorbereitung: Probleme erkennen
  • Strategien zur Problembehebung
  • Harmonisierung von Zeitreihen
  • Datenvisualisierung und Datenanalyse
  • Tabellen, Diagramme, Parameter, Kovarianz
  • Datenvisualisierung in KNIME
  • Datenbereinigung in KNIME
  • Datentransformation in KNIME

4. Data Modeling

  • Eigenschaften für das Modeling
  • Algorithmus und Methodik auswählen: Klassifizierung und KNN
  • Ergebnis beurteilen: Klassifizierung und KNN
  • Machine Learning in KNIME: Klassifikation
  • Algorithmus und Methodik auswählen: Regression und Clustering
  • Ergebnis beurteilen: Regression und Clustering
  • Machine Learning in KNIME: Komplexe Klassifikation und Clustering

5. Deployment, Überwachung und Fehlersuche

  • Implementierung des Modells
  • Strukturiertes Testing des Modells
  • Systematische Fehlersuche
  • Überwachung und Überprüfung
  • Wartung und Aktualisierung
  • Export von Daten in Datenbanken
  • Erstellen und Versenden von Reports 
  • Automatisierte Ausführung des KNIME-Workflows

6. Abschlussprojekt

Nach den Praxisaufgaben, mit denen verschiedene Szenarien und die einzelnen Stufen des CRISP-DM-Prozesses eingeübt wurden, steht am Ende des Kurses  ein Abschlussprojekt, in dem der ganze Datenanalyse-Prozess durchlaufen wird.

So lernst du in diesem Kurs

Dieser Kurs bietet dir ein digitales Blended-Konzept, das für berufsbegleitendes Lernen entwickelt wurde. Durch einen flexiblen Mix aus Online-Seminaren und Selbstlernphasen kommst du sicher ans Ziel. So lernst du in dieser Weiterbildung:

Lernumgebung: In deiner Online-Lernumgebung findest du nach deiner Anmeldung nützliche Informationen, Downloads und Extra-Services zu dieser Qualifizierungsmaßnahme.

Selbstlernphasen: Lerne selbstbestimmt, in deinem eigenen Tempo und wann immer du möchtest. Unsere Kurse bieten dir dafür didaktisch hochwertiges Lernmaterial. 

Live-Webinare: In regelmäßigen Online-Seminaren triffst du deine Trainer:innen persönlich. Du erhältst Antworten auf deine Fragen, konkrete Hilfestellungen und Anleitungen, um dein Wissen zu vertiefen und die erworbenen Fähigkeiten in praktischen Übungen anzuwenden.

Lern-Community: Während des gesamten Kurses steht dir eine digitale Lern-Community zur Verfügung. Tausche dich mit anderen Teilnehmenden und den Trainer:innen aus und kläre Fragen.

Future Jobs Club: Erhalte exklusiven Zugang zu einem Business-Netzwerk, News und Future Work Hacks.

Teilnahmebestätigung und Open Badge: Als Absolvent:in des Kurses erhältst du eine Teilnahmebestätigung und ein Open Badge, das du u. a. auch ganz einfach in beruflichen Netzwerken (u. a. LinkedIn) teilen kannst.