Methoden zur Datenanalyse und Datenexploration

Dauer
Ausführung
Online
Startdatum und Ort

Methoden zur Datenanalyse und Datenexploration

Haus der Technik e. V.
Logo von Haus der Technik e. V.
Bewertung: starstarstarstarstar_half 9,1 Bildungsangebote von Haus der Technik e. V. haben eine durchschnittliche Bewertung von 9,1 (aus 14 Bewertungen)

Tipp: Haben Sie Fragen? Für weitere Details einfach auf "Kostenlose Informationen" klicken.

Startdaten und Startorte

computer Online: hdt+ digitaler Campus
28. Apr 2022

Beschreibung

Wie kann man aus großen Datenmengen Informationen und Wissen gewinnen? Der Kurs vermittelt methodische Grundlagen (Einführung) aus den Bereichen Data Science und maschinelles Lernen und befähigt, Einsatzszenarien der Datenanalyse (Datenauswertung) zu erkennen und einfache Aufgaben zu lösen. Zunächst werden im Online-Seminar Vorverarbeitungsschritte im Vorfeld einer Datenanalyse vorgestellt. Im Anschluss werden die Grundlagen des maschinellen Lernens vorgestellt, hierbei wird auf überwachte Lernverfahren (z. B. Klassifikation) und unüberwachte Lernverfahren (z. B. Clustering) eingegangen. Einen weiteren Schwerpunkt bilden neuronale Netze und "Deep Learning". In der Weiterbildung werden die Me…

Gesamte Beschreibung lesen

Frequently asked questions

Es wurden noch keine Besucherfragen gestellt. Wenn Sie weitere Fragen haben oder Unterstützung benötigen, kontaktieren Sie unseren Kundenservice.

Noch nicht den perfekten Kurs gefunden? Verwandte Themen: Datenanalyse, Data Science, Big Data, Data Mining und Datenmodellierung.

Wie kann man aus großen Datenmengen Informationen und Wissen gewinnen? Der Kurs vermittelt methodische Grundlagen (Einführung) aus den Bereichen Data Science und maschinelles Lernen und befähigt, Einsatzszenarien der Datenanalyse (Datenauswertung) zu erkennen und einfache Aufgaben zu lösen. Zunächst werden im Online-Seminar Vorverarbeitungsschritte im Vorfeld einer Datenanalyse vorgestellt. Im Anschluss werden die Grundlagen des maschinellen Lernens vorgestellt, hierbei wird auf überwachte Lernverfahren (z. B. Klassifikation) und unüberwachte Lernverfahren (z. B. Clustering) eingegangen. Einen weiteren Schwerpunkt bilden neuronale Netze und "Deep Learning". In der Weiterbildung werden die Methoden an Beispielaufgaben der Textklassifikation oder Bildanalyse eingeführt. Schließlich wird ein Einblick in das Gebiet Visual Analytics gegeben und aufgezeigt, wie menschliche Wahrnehmung, Mensch-Maschine-Interaktion und Data Analytics zusammenspielen.

zum Thema

In der Forschung zu maschinellen Lernverfahren und neuronalen Netzen wurden in den letzten Jahren erhebliche Fortschritte erzielt. In manchen spezialisierten Aufgaben wie z.B. der Gesichtserkennung in Bildern haben solche Systeme nunmehr teilweise menschenähnliche Fähigkeiten erreicht. In dem Kurs lernen Sie die zugrundeliegenden Technologien kennen und lernen, wie diese zur Analyse und Exploration von großen Datenmengen mit unterschiedlichen Datentypen (nummerische Daten, Texte, Bilder) eingesetzt werden können.

 

Teilnehmerkreis

Fach- und Führungskräfte aus den Bereichen Forschung & Entwicklung, Vertrieb, die grundlegende Kenntnisse aus den Bereichen Data Analytics, maschinelles Lernen und Visual Analytics erwerben oder auffrischen wollen. Ingenieure (Elektrotechnik, Automotive, Maschinenbau, Prozeassindustrie), IT-Mitarbeiter sowie Personen aus der Verwaltung, die den Fachaustausch im Umgang mit großen Datenbeständen suchen, sind in diesem Seminar angesprochen.

 

Methoden zur Datenanalyse und Datenexploration 

Beschreibung der wichtigsten Begriffe

Data Analytics 

Mit Hilfe von systematischen, rechnergestützten Data-Analytics-Methoden werden Informationen, Wissen und Strukturen aus potenziell großen, heterogenen, multimodalen oder unstrukturierten Datenmengen abgeleitet. Dies dient der Entdeckung, Interpretation und Kommunikation von aussagekräftigen Mustern in Daten. Die Anwendung von Data-Analytics-Methoden kann besonders in Bereichen wertvoll sein, die reich an aufgezeichneten Informationen bzw. Messdaten sind und so z. B. zu (großen) hochdimensionalen oder multimodalen Datenmengen führen. Die Erkennung und Interpretation von Datenmustern kann einer Entscheidungsfindung dienen oder diese unterstützen.

Maschinelles Lernen

Maschinelles Lernen ist ein Teilgebiet der Künstlichen Intelligenz und umfasst vorwiegend statistische Methoden, die aus „Erfahrung“ (d.h. mithilfe von Beispieldaten) lernen. Beim überwachten maschinellen Lernen (Klassifikation, Regression) werden mithilfe von Beispieldaten Regeln gelernt, die auf neue, unbekannte Daten angewendet werden können. Beim unüberwachten maschinellen Lernen wird für eine gegebene Menge von Daten – ohne Nutzung von Beispieldaten – ein statistisches Modell erstellt, das Kategorien und Zusammenhänge, z.B. in Form von Clustern (Gruppen von Daten), repräsentiert.

Neuronale Netze und Deep Learning

Neuronale Netze zählen zum Gebiet des maschinellen Lernens und sind ein mathematisches Modell, das die menschliche Informationsverarbeitung in vereinfachter Form nachbildet. Ein neuronales Netz besteht aus einer Menge von Neuronen, die typischerweise in Schichten organisiert sind. Dabei sind in der Regel alle Neuronen einer Schicht mit allen Neuronen der vorherigen sowie der nachfolgenden Schicht verbunden. Unter tiefen neuronalen Netzen („Deep Learning“) versteht man (sehr) große Netze mit vielen Schichten. Für verschiedene Aufgaben des künstlichen Sehens (Computer Vision) oder der Textanalyse erreichen die jeweils auf die Aufgabenstellung spezialisierten Netze eine Leistungsfähigkeit, die zum Teil an menschliche Fähigkeiten heranragt. Im Bereich Computer Vision sind sogenannte faltende Netzwerke (Convolutional Neural Networks) sehr leistungsstark. Mit Faltung ist die mathematische Operation gemeint, die in der Bildverarbeitung klassischerweise zur Filterung von Bilddaten eingesetzt wird.

Visual Analytics

Visual Analytics können wir als ein Teilgebiet von Data Analytics betrachten. Durch das Zusammenspiel von Methoden der Informationsvisualisierung, des maschinellen Lernens und der Mensch-Computer-Interaktion ermöglicht Visual Analytics Nutzerinnen und Nutzern, große Datenmengen zu explorieren und Muster darin zu erkennen, z. B. zur Bewertung von Situationen oder zur Entscheidungsfindung. Visual Analytics kann auf beliebige Datenarten angewendet werden (nummerische Daten, Texte, Bilder, geografische Daten, Zeitreihen, Bewegtbild, Audio, multimodale Daten etc.), das Wort „Visual“ bezieht sich auf den Aspekt der Informationsvisualisierung und nicht auf die Art der zu verarbeitenden Daten.

 

Werden Sie über neue Bewertungen benachrichtigt

Es wurden noch keine Bewertungen geschrieben.

Schreiben Sie eine Bewertung

Haben Sie Erfahrung mit diesem Webinar? Schreiben Sie jetzt eine Bewertung und helfen Sie Anderen dabei die richtige Weiterbildung zu wählen. Als Dankeschön spenden wir € 1,00 an Stiftung Edukans.

Es wurden noch keine Besucherfragen gestellt. Wenn Sie weitere Fragen haben oder Unterstützung benötigen, kontaktieren Sie unseren Kundenservice.

Bitte füllen Sie das Formular so vollständig wie möglich aus.

Anrede
(optional)
(optional)
(optional)
(optional)
(optional)
(optional)
(optional)
Damit Ihnen per E-Mail oder Telefon weitergeholfen werden kann, speichern wir Ihre Daten und teilen sie ggf. mit Haus der Technik e. V.. Mehr Informationen dazu finden Sie in unseren Datenschutzbestimmungen.