Basic Data Analytics

Hier lernen Fachleute mit Grundkenntnissen im Bereich Statistik und erster Programmiererfahrung wesentliche Grundlagen der modernen Datenanalyse kennen. Für die praktischen Übungen kommt das interaktive Werkzeug »KNIME« zum Einsatz. Die weitergehenden Möglichkeiten der Programmiersprache »Python« werden ebenfalls vorgestellt und eingeübt. Nach der Schulung sind Sie in der Lage, erste eigene Analysefragestellungen zu bearbeiten und den Nutzen von maschinellen Lernverfahren zu bewerten.

Zielgruppe: Analysten, die ihre Fähigkeiten zur Auswertung von Datenbeständen ausweiten wollen. Softwareentwickler/-architekten, die Lösungen für analytische Fragestellungen entwickeln. Interessierte aus der Forschung, die eine Orientierung im Bereich Data Science suchen.

Voraussetzung: Grundkenntnisse in Statistik und Programmierung.

Inhalt

Tag 1

  • Einführung in die Datenanalyse
  • Data Vorverarbeitung
  • Einführung in KNIME
  • Einführung in Python

Tag 2

  • Regression und Evaluation
  • Clustering und Evaluation
  • Optimierung und Auswahl von Modellen

Tag 3

  • Livedemo in Python

Rahmen

Dauer: 3 Tage  

Tagungssprache: deutsch

Maximale Teilnehmerzahl: 12
Die Anmeldungen werden in der Reihenfolge des Eingangs berücksichtigt.

Veranstaltungsort:

Fraunhofer-Institutszentrum Schloss Birlinghoven
53757 Sankt Augustin

Teilnahmegebühr:

3 Tage: 2.850 Euro

Die Teilnahmegebühr ist steuerfrei gem. § 4 Nr. 22a UStG. Sie umfasst Begleitunterlagen (auf Englisch) und Verpflegung.  

Bitte beachten Sie die Storno- und Teilnahmebedingungen sowie die Datenschutzerklärung.

Falls Sie die Anmeldung über eine Bestellung vornehmen, erbitten wir eine Kopie der Bestellung an "datascientist(at)iais.fraunhofer.de".

Termine und Anmeldung

* Pflichtfelder

Termine
Hinweis: Gemäß Datenschutzgrundverordnung (DSGVO) unterrichten wir Sie über die Speicherung Ihrer Daten. Die Einwilligung zur Speicherung und Nutzung Ihrer Daten erfolgt freiwillig und kann jederzeit widerrufen werden.
Stornogebühren

Unsere Referenten

Dipl. Math. Raoul Blankertz ist als Data Scientist am Fraunhofer IAIS beschäftigt und arbeitet an zahlreichen Industrie- und Wirtschaftsprojekten, insbesondere in der Maschinenbau- und Werbeindustrie. Er hat langjährige Erfahrung als forensischer Daten Analyst so wie in den Bereich der explorativen Datenanalyse und der interaktiven Visualisierungen. Seine aktuellen Interessen- und Arbeitsschwerpunkte fokussieren sich auf die Bereiche maschinelles Lernen und Zeitreihenanalyse.

Dipl.-Inform. Michael Kamp beschäftigt sich als wissenschaftlicher Mitarbeiter am Fraunhofer IAIS mit Methoden zur effizienten Parallelisierung von Algorithmen aus dem Bereich Maschinelles Lernen und deren Anwendung. Er hat langjährige Erfahrung in theoretischen und angewandten Forschungsprojekten zu Maschinellem Lernen, Kernmethoden und Big Data.

Dr. Sebastian G.A. Konietzny ist Data Scientist am Fraunhofer IAIS und arbeitet in den Themenbereichen Musterklassifikation, statistische Inferenz und Text- und Zeitreihenanalytik. Er hat langjährige Erfahrung in der Erforschung von Verfahren des maschinellen Lernens im Bereich Bioinformatik und arbeitete zuletzt als wissenschaftlicher Mitarbeiter am Max-Planck-Institut für Informatik in Saarbrücken und an der Universität Düsseldorf.

Dr. Daniel Paurat arbeitet als Data Scientist am Fraunhofer IAIS an Methoden zur explorativen Datenanalyse. Er hat langjährige Erfahrung als Entwickler und Forscher in theoretischen und angewandten Forschungsprojekten zu maschinellem Lernen und interaktiven Visualisierungen. Seine aktuellen Interessen- und Arbeitsschwerpunkte fokussieren sich auf die Bereiche Automotive und Materialentwicklung.

Dipl. Inf. Daniel Trabold arbeitet als wissenschaftlicher Mitarbeiter am Fraunhofer IAIS an der Entwicklung von Verfahren und Grundlagen des Fraud Mining. Er hat langjährige Erfahrung im Data Mining und als Entwickler in angewandten Wirtschafts- und Forschungsprojekten, insbesondere in den Industrien Finance, Automotive und Telekommunikation. Seine aktuellen Arbeitsschwerpunkte sind echtzeitfähige Big-Data-Architekturen und Data-Mining-Algorithmen.

Dr. rer. nat. Tim Wirtz betreut als Senior Data Scientist am Fraunhofer IAIS zahlreiche Big Data-Analyseprojekte für Kunden der Pharma- und Automobilindustrie und dem Maschinenbau. Er promovierte mit Zeitreihenanalysen in komplexen physikalischen und nicht-physikalischen Systemen und ist als Gutachter für Physical Review E tätig. Zuletzt arbeitete er als Softwareentwickler im Bereich Automotive an Sensitivitätsanalysen.