Seminarsuche

Data Science Boot Camp - In 5 Tagen zum Data Science Engineer

Carsten Felden, Claudia Koschtial

Kurzinformationen

14. Mai. 2018 - 18. Mai. 2018

Berlin
€ 3790.00 zzgl. MwSt
€ 4510.10 inkl. MwSt

Mit eigenem Laptop

Auf Anfrage

Detailinformationen

Das nächste Data Science Boot Camp findet vom 13. - 17. November 2017 in Berlin statt.

Allein der Besitz von Daten ist für ein Unternehmen nicht mehr der Wert an sich, vielmehr besteht der Wert darin, die Möglichkeit und Fähigkeit zu besitzen, Informationen aus unübersichtlichen Mengen von Daten und deren heterogenen Strukturen zu identifizieren und zu analysieren. Mit dem Fokus auf eine Datenauswertung ist dabei zwangsläufig das Thema der Business Analytics zunehmend in den Mittelpunkt geraten. Basierend auf dem Knowledge Discovery in Databases (KDD) kombiniert Business Analytics moderne Methoden der Auswertung von großen Datenvorräten, vor allem Data Mining, Text Mining, maschinelles Lernen auf der Grundlage der Künstlichen Intelligenz und statistische Methoden. Auch beinhaltet Business Analytics Konzepte wie Kennzahlensysteme, Active/Realtime Warehousing, User-Interface-Konzepte oder Systemintegration. Der eigentliche Mehrwert liegt in der Nutzung unterschiedlicher Methoden und der Integration von Komponenten, so dass die zu treffenden Entscheidungen durch Informationen unterstützt werden können.

Die Zusammenführung einzelner Komponenten bringt es mit sich, dass der Entscheider heute viel schneller auf Veränderungen in seinem Unternehmen oder der Unternehmensumwelt reagieren kann. Im Spannungsfeld der Business Analytics tauchen dabei unterschiedliche Rollen auf, die mit diesem Thema konfrontiert sind: Entscheider, Business Analyst und Data Scientist. Diese Rollen existieren vordergründig nebeneinander, jedoch weisen diese Überlappungen auf, so dass erkennbar wird, dass diese im Themenfeld der Business Analytics Relevanz haben.

Wir greifen für dieses Boot Camp explizit die Rolle des Data Scientist heraus und haben für das Data Science Boot Camp fünf Thementage zusammengestellt, um die Anforderungen an die Rolle des Data Scientist bezüglich der Algorithmen, der Werkzeuge und Sprachen zu vermitteln. Alle Themen werden zunächst theoretisch besprochen und dann intensiv praktisch und fallbasiert weiter erarbeitet, so dass die Teilnehmer in echten Hands-on Sessions die Tätigkeiten des Data Scientist intensiv kennenlernen.

Ziel des Data Science Boot Camp ist es, Grundlagen und analytische Aufgaben des Data Scientist fundiert und praxisnah zu vermitteln!

Agenda

Tag 1 ordnet zunächst die Themenfelder und stellt den organisatorischen Rahmen dar, in denen die Nutzung von Analytics in Unternehmen eingebettet sein sollte. Im Weiteren wird in die Nutzung von Algorithmen aus den Bereichen des Data und Text Mining eingeführt. Dazu werden zunächst statistische Grundlagen aufgefrischt, so dass neben den Überlegungen, wann welcher Algorithmus potenziell geeignet ist, sich diese auch anhand erster Beispiele durchrechnen lassen.

Tag 2 führt die Ergebnisse des ersten Tages weiter, erarbeitet Auswahlkriterien von Algorithmen, und überträgt die Umsetzung nun in das Werkzeug RapidMiner. Natürlich ist dies nur ein Werkzeug unter vielen, jedoch soll es den Teilnehmern einen Eindruck vermitteln, wie in Projekten mit großen Datenbeständen und entsprechenden Analyseanforderungen werkzeugunterstützt gearbeitet wird. Dabei steht das Prozessverständnis des Knowledge Discovery in Databases (KDD) im Vordergrund. Der RapidMiner arbeitet graphikbasiert und ermöglicht so einen einfachen Einstieg in die Prozessschritte der Datenanalyse. Dabei werden noch weitere Algorithmen angewendet, um weiterhin grundlegende Inhalte kennenzulernen. So kann auch erste Erfahrung in den einzelnen Phasen gesammelt werden, um die Hürden in solchen Projekten besser beurteilen zu können. Darüber hinaus wird auch die Ergebnisinterpretation behandelt, da diese eine oftmals unterschätzte Phase im KDD-Prozess darstellt, jedoch für die Übertragung der Ergebnisse in die praktische Anwendung von hoher Relevanz ist. Es werden Analyseanforderungen und Datenbestände realer Fälle verwendet, um den Praxisbezug des Boot Camp sicherzustellen.

Tag 3 bereitet die Ergebnisse des zweiten Tages auf und erweitert im Folgenden den Werkzeugunterstützungsgedanken auf die Sprache R. Die in diesem Umfeld prominent genannte Sprache ist für statistische Berechnungen und Grafiken geschaffen worden. Die große Verbreitung ist sicherlich darauf zurück zu führen, dass R als Open-Source-Software kostenfrei ist und somit insbesondere in Prototypen und Pilotprojekten schnell Anwendung fand. Unter Nutzung der schon bekannten realen Fälle des zweiten Tages, werden nun die einzelnen Prozessschritte mittels der Sprache R im Werkzeug R Studio programmiert und ausgeführt. Während zuvor also graphikbasiert agiert wurde, steht nun die sprachenbasierte Entwicklung im Vordergrund. Es wird dabei nicht erwartet, dass bereits Programmierkenntnisse vorhanden sind. Mit Ihren Dozenten vor Ort werden die Teilnehmer schrittweise in die Programmierung eingeführt, um die Sprache erlernen zu können.

Tag 4 verstetigt das sprachenbasierte Arbeiten und vertieft das Arbeiten mit R, um die Sicherheit der Veranstaltungsteilnehmer im Umgang mit dieser Sprache zu erhöhen. Im zweiten Teil des Tages werden die Unterschiede zur umfassenderen Programmiersprache Python anhand vorgefertigter Code-Beispiele gemeinsam erarbeitet, um den Teilnehmern eine Grundlage zu schaffen, die Einsatzpotentiale und Aufwände der jeweiligen Sprache besser abschätzen zu können. Python, als ebenfalls Open-Source-Software verfügbare objektorientierte mathematisch/funktionale Sprache wurde geschaffen, um schnell in der Lage zu sein, Softwareprojekte umzusetzen. Dieser größere Leistungsumfang unterscheidet die Sprache auch von R. Sie weist dabei ein hohes Maß an analytischen Algorithmen auf, die sich auch schnell in komplexe Softwarewelten einbetten lassen bzw. vollständige eigene Softwarepakete entwickeln lassen. Die funktionale Mächtigkeit hat zum Einsatz der Sprache in vielen Analytics-Projekten geführt. Es gilt, dass die Teilnehmer des Kurses keine Programmierkenntnisse mitbringen müssen, sondern Sie mit Ihren Dozenten an den Projekten arbeiten, um die Sprache kennen zu lernen.

Tag 5 fasst vormittags die erarbeiteten Themen und Ergebnisse der Woche zusammen. Ergänzend wird der Unterschied des Data Mining zum Text Mining vertieft, so dass auch hier die Teilnehmer in der Lage sind, die Unterschiede zu erkennen und in eigenen Projekten zu berücksichtigen. Mit den zusammengefassten Inhalten werden abschließend aufgekommene Fragestellungen und Herausforderungen der Teilnehmer aus deren beruflicher Praxis diskutiert. Darüber hinaus bereitet der Vormittag auch auf die abschließende Prüfung vor. Die Abschlussprüfung findet am Nachmittag statt. Die Abschlussprüfung wird zum einen die fachgerechte Zuordnung von Methoden zu Problemstellungen und Aufgaben beinhalten. Zudem werden grundlegende Verständnisfragen zu den gezeigten Werkzeugen und Sprachen gestellt.

Wir freuen uns auf Ihre Teilnahme und intensive Tage in Berlin!

Prof. Dr. Felden, Carsten

Prof. Dr. Carsten Felden ist Universitätsprofessor an der TU Bergakademie Freiberg in Sachsen. Dabei hat er die Professur für ABWL, insbesondere Informationswirtschaft/Wirtschaftsinformatik inne. In der Lehre fokussiert Prof. Dr. Felden auf Business Intelligence und Predictive Analytics. Zentrale Forschungsthemen sind Arbeiten im Bereich der Analytics, des Data Warehousing, der Prozessanalyse, der XBRL und Analysen in IT-Reifegradmodellen. Er ist Vorstandsvorsitzender des TDWI Deutschland e.V. Er publizierte Artikel in internationalen wissenschaftlichen Journalen und Konferenzen und schrieb Bücher zu Themen aus dem Gebiet der Entscheidungsunterstützung. Darüber hinaus ist er als Gutachter für zahlreiche nationale und internationale Journale und tätig. Neben seiner wissenschaftlichen Tätigkeit berät er unterschiedliche Unternehmen zu den oben genannten Themen.

Koschtial, Claudia

Claudia Koschtial leitet als geschäftsführende Gesellschafterin seit 2009 die Marmeladenbaum GmbH. Sie ist Leiterin der Kompetenzzentren Informationslogistik und E-Science des Institutes für Wirtschaftsinformatik und Projektleiterin des sachsenweiten Business Intelligence Kennzahlenprojektes der TU Bergakademie Freiberg. Als thematische Schwerpunkte vertritt sie Predictive Analytics, (Mobile) Business Intelligence, Visualisierung und Konzeption von Berichtslandschaften. Sie publiziert seit Jahren erfolgreich im Bereich Business Intelligence.

Seminarziel

Ziel des Data Science Boot Camp ist es, Grundlagen und analytische Aufgaben des Data Scientist fundiert und praxisnah zu vermitteln!

Kursziele:

 

  1. Aufbau des Verständnisses zur Zuordnung der Methoden zu analytischen Aufgabenstellungen
  2. Aufbau eines Grundverständnisses zu aus Gründen der Popularität beispielhaft ausgewählten Werkzeugen wie Rapid Miner, R und Python
  3. Aufbau eines lösungsorientierten Verständnisses zum Umgang mit Daten

 

Der Mehrwert

Drei permanent vor Ort zur Verfügung stehende Dozenten unterstützen Sie bei den Fallstudien, so dass Sie Ihre Ausbildungsziele erreichen können.

Zielgruppe

Grundsätzlich ist das Data-Science-Boot Camp für alle Vertreter aus fachlichen, analytischen und technischen Unternehmensbereichen offen.

Voraussetzungen

Grundlegende Kenntnisse zu Business Intelligence.

Hard- Software Voraussetzungen

Bitte bringen Sie einen Taschenrechner (die Taschenrechner App Ihres Smartphones ist ausreichend) und Ihren eigenen Rechner mit. Bitte installieren Sie vorab die drei nachstehenden Open-Source-Werkzeuge, so dass wir im Data Science Bootcamp direkt mit den Inhalten starten können:

 

 

Sprachen

Seminar: Deutsch

Unterlagen: Deutsch

Methode

Das Seminar ist als Hands-On-Schulung konzipiert. Sie lernen in Gruppenarbeit und in Einzelarbeit anhand von praktischen Übungen.

Drei permanent vor Ort zur Verfügung stehende Dozenten unterstützen Sie bei den Fallstudien, so dass Sie Ihre Ausbildungsziele erreichen können. Insbesondere das Arbeiten mit Algorithmen kann herausfordernd wirken – durch die permanente Betreuung vor Ort und das interaktive Klima der Veranstaltung wird jedoch jeder Teilnehmer in der Woche den Zugang zu den Aufgaben eines Data Scientist finden.

 

 

Informationen

Termin: 13. - 17. November 2017

Teilnehmergebühren*

TDWI-MitgliedNicht-Mitglied
Vollzahler3590.00 € zzgl. MwSt. (4272.10 € inkl. MwSt.)

3790.00 € zzgl. MwSt. (4510.10 € inkl. MwSt.)

Frühbucher3490.00 € zzgl. MwSt. (4153.10 € inkl. MwSt.) 3690.00 € zzgl. MwSt. (4391.10 € inkl. MwSt.)

Der Frühbucherpreis ist gültig bis 6 Wochen vor Seminarbeginn!

Die Teilnehmergebühren enthalten:

  • Alle Präsentationsfolien der Referenten als umfangreiches Print-Out in einem Schulungsordner oder auf USB-Stick
  • Ein gemeinsames "Social Event & Abendessen" am Mittwoch Abend ab ca. 18.00 Uhr
  • sowie Begrüßungskaffee, alle Tagungsgetränke, Kaffeepausen mit Snacks, Mittagessen (Montag - Freitag), Abendessen (Montag - Donnerstag) und Getränke zum Mittag- und Abendessen an allen Seminartagen 
(* In der Teilnehmergebühr ist kein BI-Spektrum-Abo enthalten.)