Data Mining und Analyse Kurse

Data Mining und Analyse

Tauchen Sie tief in die Welt der Datenanalyse ein mit unserer umfassenden Schulung zu Data Mining und Analyse.

Verstehen, analysieren und prognostizieren Sie mit verbesserten Vorhersageergebnissen, indem Sie Techniken zur Verarbeitung, Ableitung und Klassifizierung großer Datensätze beherrschen.

Was werden Sie lernen?

In unserem Kurs "Data Mining und Analyse" werden die Teilnehmer:

Die Feinheiten der Datenvorverarbeitung und -umwandlung verstehen.
Praktische Erfahrungen mit statistischen Schlussfolgerungen, Stichproben und Hypothesentests sammeln.
sich mit fortgeschrittenen Klassifizierungsmethoden und Vergleichen vertraut machen.
Eintauchen in das Potenzial von neuronalen Netzen, Entscheidungsbäumen und Support-Vektor-Maschinen.
Sie erforschen Clustering-Techniken und Methoden zur Modellbewertung und -auswahl. Nach diesem 4-tägigen Intensivkurs sind die Teilnehmer bestens gerüstet, um das Potenzial von Big Data zu nutzen und aus riesigen Informationsreservoirs verwertbare Erkenntnisse zu gewinnen.

Anforderungen:

Grundlegendes Verständnis von IT-Konzepten. Keine Vorkenntnisse in der Datenanalyse erforderlich, aber Vertrautheit mit statistischen Methoden ist von Vorteil.

Grundlegende IT-Kenntnisse: Vertrautheit mit Betriebssystemen, Hardwarekonfigurationen und grundlegenden Netzwerkoperationen.

Optional: Frühere Erfahrungen mit verteilten Systemen sind von Vorteil, aber nicht zwingend erforderlich.

Kursübersicht*:

*Wir wissen, dass jedes Team seine eigenen Bedürfnisse und Anforderungen hat. Deshalb können wir den Schulungsplan je nach Bedarf anpassen.

Vorverarbeitung von Daten:

Datenbereinigung
Datenintegration und -umwandlung
Datenreduzierung
Diskretisierung und Generierung von Konzepthierarchien

Statistische Inferenz:

Wahrscheinlichkeitsverteilungen, Zufallsvariablen, Zentraler Grenzwertsatz
Stichprobenziehung und Konfidenzintervalle
Hypothesentest
Multivariate lineare Regression

Modellspezifikation und -auswahl:

Auswahl von Teilmengen
Schätzung, Validierung und Vorhersage

Klassifizierungsmethoden:

Logistische Regression
Lineare Diskriminanzanalyse
K-Nächste Nachbarn
Naive Bayes
Vergleich von Klassifizierungsmethoden

Neuronale Netze:

Anpassungs- und Trainingsprobleme

Entscheidungsbäume:

Regression und Klassifikationsbäume
Vergleich von Bäumen und linearen Modellen

Ensemble-Methoden:

Bagging, Zufallsforste, Boosting

Support-Vektor-Maschinen:

Maximal Margin Klassifikator
Support-Vektor-Klassifikatoren und -Maschinen
Mehrklassen-SVMs

HauptkomponentenanalyseClustering:

K-means und K-medoids Clustering
Hierarchisches und dichtebasiertes Clustering

Modellbewertung und -auswahl:

Verzerrung, Varianz, Modellkomplexität
Vorhersagefehler in der Stichprobe
Bayesscher Ansatz
Kreuzvalidierung und Bootstrap-Methoden

Praxisnahes Lernen mit erfahrenen Dozenten bei Ihnen vor Ort für Organisationen.

Ebene:

Intermediate

Dauer:

Tage (Stunden:

)

Auf Ihre Bedürfnisse zugeschnittenes Training

Umfassende praktische Erfahrung in einem speziellen Umfeld

*Der Preis kann je nach Teilnehmerzahl, Änderung des Ablaufs, Standort usw. variieren.

Zum Angebot

Erlernen Sie neue Fähigkeiten unter Anleitung erfahrener Lehrer von überall.

Ebene:

Intermediate

Dauer:

Tage (Stunden:

)

Auf Ihre Bedürfnisse zugeschnittenes Training

Reduzierte Schulungskosten

*Der Preis kann je nach Teilnehmerzahl, Änderung des Ablaufs, Standort usw. variieren.

Zum Angebot

You can participate in a Public Course with people from other organisations.

/per trainee

Thanks for the numbers, they could be going to your emails. But they're going to mine... Thanks ;D

Oops! Something went wrong while submitting the form.

Level:

Intermediate

Duration:

Hours (days:

)

Fits ideally for individuals and small groups

Networking opportunities with fellow participants.

*Price can range depending on number of participants, change of outline, location etc.

Get Quote

Data Mining und Analyse

Was werden Sie lernen?

Anforderungen:

Kursübersicht*:

Vorverarbeitung von Daten:

Statistische Inferenz:

Modellspezifikation und -auswahl:

Klassifizierungsmethoden:

Neuronale Netze:

Entscheidungsbäume:

Ensemble-Methoden:

Support-Vektor-Maschinen:

HauptkomponentenanalyseClustering:

Modellbewertung und -auswahl:

Get Quote for:

Data Mining und Analyse

Kontaktaufnahme starten!