Machine Learning für Controller - Praxisübungen

Einführung

Data Scientists sind im besonderen Maße qualifizierte Experten. Leider mangelt es ihnen oft am Hintergrundwissen zu betriebswirtschaftlichen und organisatorischen Zusammenhängen im Kontext zu den Unternehmenszielen. Controller mit Data Science-Ambitionen sind mit ihrem breiteren Know-how hier klar im Vorteil. In diesem Seminar lernen Sie die praktischen Tools kennen, die Sie dabei unterstützen, Daten gezielt auszuwählen, Analysen durchzuführen und bspw. Machine Learning-Ergebnisse zu interpretieren und für Unternehmensentscheidungen aufzubereiten.

Inhalt

Grundbegriffe aus Advanced Analytics, Big Data und Machine Learning; Strukturiertes Projektvorgehen mit dem QRISP-DM Vorgehensmodell; Machine Learning Konzepte und Workflows; Praktische Übungen mitKNIME: Datenbeschaffung – Explorative Analysetechnik – Datenaufbereitung – Modell Training – Modell Evaluation – Export der Ergebnisse und Visualisierungen; Eigenständige Bearbeitung eines Use-Cases zum Abschluss.

Diese Technik benötigen Sie:

Für den Praxisteil benötigen Sie ein internetfähiges Notebook, um das WLAN am Seminarstandort zu nutzen.
Bitte installieren Sie vorab die Open Source Software KNIME. Bitte prüfen Sie im Vorfeld mit Ihrer IT die erforderlichen Voraussetzungen.

Lernziel

Zunächst machen wir Sie mit den Grundbegriffen und den relevanten Methoden des Machine Learnings vertraut. Nach einem Überblick über gängige Tools für den Citizen Data Scientist üben Sie die Bearbeitung eines Use-Cases von der Spezifikation bis zur Umsetzung anhand des auf dem Industriestandard CRISP-DM basierenden und in der Praxis optimierten Vorgehensmodells QRISP-DM. Den Praxisteil führen wir mit der Analyseumgebung KNIME durch, damit Sie lernen, komplexe Analysen mittels einer grafischen Oberfläche ganz ohne Programmierung eigenständig durchzuführen. Zudem machen wir Sie mit praktischen Techniken zur explorativen Analyse unbekannter Datensätze nach Extraktion aus unterschiedlichen Quellen vertraut. Sie lernen auch die wichtigsten Methoden zur Datenaufbereitung (Pre-Processing) kennen und trainieren Machine Learning Modelle an Fallbeispielen und wie Sie die Ergebnisse bewerten und kommunizieren können.

Zielgruppe

Das Seminar richtet sich an alle, die sich für das Rollenbild des Citizen Data Scientist interessieren, die handlungssicher in der teilautomatisierten Anwendung moderner Methoden zur Datenanalyse und -interpretation werden wollen, die sich das Data Science-Themengebiet im ersten Schritt ohne Programmierkenntnisse erschließen möchten. Als Voraussetzung bringen Sie Grundkenntnisse und Spaß im Umgang mit Daten mit. Als Vertiefungsseminar eignen sich zunächst das Seminar Predictive und Advanced Analytics und danach das Seminar Deep Dive Advanced Analytics.