Data Science Schulungen finden - Das passende Seminar in Ihrer Nähe

Verarbeitung von großen Datenmengen mit Apache Spark und Python

In dieser 2-tägigen Schulung "Data Vault Datenmodellierung im Enterprise Data Warehouse" lernen Sie die Konzepte und Anwendungsszenarien von Data Vault im Enterprise Data Warehouse kennen. Sie erfahren, wie Data Vault in der Architektur positioniert ist und verglichen wird mit 3NF, Star Schema und BUS Matrix. Sie behandeln Skalierbarkeit, Design-Prinzipien und Elemente wie HUB, LINK und SATELLITE. Sie lernen Aggregation, Indizierung und Asynchrone Datenlieferungen im EDW Design kennen. Die Lade-Schemata im mehrschichtigen Data Warehouse und Delta Verarbeitung werden ebenso behandelt wie Historienkettenbildung und Restart Fähigkeit. Der Kurs beinhaltet Empfehlungen zum Entwurfsprozess, zur Modellierung, Surrogate Keys und Namenskonventionen. Nach Abschluss des Kurses sind Sie in der Lage, Data Vault als effiziente Datenmodellierungstechnik im Enterprise Data Warehouse einzusetzen und die Datenverarbeitung in einem hochwertigen Data Warehouse zu optimieren.

DP-500 Designing and Implementing Enterprise-Scale Analytics Solutions Using Microsoft Azure and Microsoft Power BI

Python ist laut PYPL, der PopularitY of Programming Language, die zurzeit mit Abstand populärste Programmiersprache. Dies ist auf die einfache Syntax und die vielfältigen Einsatzgebiete zurückzuführen. So lassen sich in Python Skripte, aber auch komplexe Applikationen, Web-Back- und Frontends und Data Science Anwendungen realisieren.
Obwohl Python sehr einfach zu erlernen ist, gibt es doch eine Vielzahl an Programmiermöglichkeiten und Sprachkonstrukten, die einer tieferen Analyse bedürfen. Gleichzeitig gibt es eine enorme Anzahl an Paketen, Modulen und Frameworks, die meist frei zugänglich verfügbar sind. In diesem Kurs wird auf beide Aspekte eingegangen. Darüber hinaus gibt es einen Ausbli

Der SAS-Kurs Grundlagen der Statistik mit SAS Studio bietet eine verständnisorientierte Einführung in die zentralen statistischen Verfahren der deskriptiven Statistik, der schließenden Statistik und der angewandten Statistik. Neben den statistischen Inhalten steht SAS lernen im Vordergrund: Sie erhalten eine fundierte Einführung in die grundlegenden Funktionen der Statistiksoftware SAS Studio und der Skriptsprache SAS Language mit den gängigen Methoden und Verfahren des Datenimports, der Datenaufbereitung, Datenanalyse und Präsentation von Ergebnissen. Der Lehrstoff wird unter Zuhilfenahme professioneller Didaktik durch den Wechsel von Input und anwendungsbezogenen Übungen mit der Statistiksoftware SAS Studio vermittelt.

Feedbacks unserer Teilnehmer: https://www.provenexpert.com/dhl-data-science-seminare-gmbh/

Der SAS-Kurs Multivariate Datenanalyse mit SAS Studio führt in die multivariate Statistik ein. Die Anwendung der multivariaten Verfahren mit der statistischen Analysesoftware SAS Studio wird mit vielen Beispielen und Übungsaufgaben trainiert und vertieft. Das Ziel der SAS-Schulung ist es, multivariate Verfahren mit SAS Studio anwenden zu können.

Feedbacks unserer Teilnehmer: https://www.provenexpert.com/dhl-data-science-seminare-gmbh/

Shoppen über Online-Händler, Social Media oder mobile Apps: Das Online-Geschäft boomt und wartet auf digitale Helden, die sein Wachstum beflügeln! Im IU Fernstudium E-Commerce erhältst Du den idealen Mix aus BWL-Skills und technischem Know-how, um Dich in der Branche erfolgreich zu etablieren. So bist Du u.a. in der Lage, Aufgaben agil anzugehen und kennst Dich mit Programmieren aus. Zudem legst Du Deinen individuellen Fokus und hast die Wahl zwischen Online-Marketing, Data Science oder Retail Management. Durch Praxisprojekte legst Du Dir schon im Studium ein persönliches Portfolio an.

In diesem 4-tägigen Kurs "Designing and Implementing a Data Science Solution on Azure (DP-100T01)" erhalten Sie eine umfassende Einführung in Azure Machine Learning und lernen, wie Sie damit arbeiten können. Sie werden mit den Visual Tools für Machine Learning vertraut gemacht und erfahren, wie Sie automatisiertes Machine Learning nutzen können. Der Kurs deckt das Durchführen von Experimenten und das Trainieren von Modellen ab. Sie lernen, mit Daten umzugehen, Compute zu nutzen und Vorgänge mit Pipelines zu orchestrieren. Zusätzlich werden Themen wie Continuous Integration und Delivery, Training optimaler Modelle, verantwortungsvolles Machine Learning und Monitoring von Modellen behandelt. Nach Abschluss des Kurses sind Sie in der Lage, effektiv Datenwissenschafts-Lösungen auf Azure zu entwerfen und umzusetzen.

Selbstlernende Algorithmen trainieren und künstliche Intelligenz für Data-Science-Fragestellungen einsetzen

Wie lernen Algorithmen, wie wähle ich das richtige Modell für meine Fragestellung und wie erhalte ich präzise Vorhersagen? Das zweitägige Seminar behandelt einerseits die Theorie des maschinellen Lernens und zeigt Ihnen anderseits, wie Sie diese in der Praxis umsetzen.

In diesem Kurs werden Ihnen grundlegende Kenntnisse über die Programmiersprache R vermittelt, die in den Bereichen Statistik, Data Science und Machine Learning weit verbreitet ist. Sie werden RStudio als Entwicklungsumgebung kennenlernen, die am häufigsten für R verwendet wird. Nach Abschluss des Kurses werden Sie in der Lage sein, Daten aus verschiedenen Formaten einzulesen, Daten mit ggplot2 zu visualisieren und Daten mit dplyr aus tidyverse zu bereinigen (z.B. fehlende Werte ersetzen, Zeilen und Spalten anpassen, neue Spalten erstellen).

Sie werden in der Lage sein, eigene einfache Funktionen zu schreiben und Control Flows (z.B. For-Schleifen, If-Else-Anweisungen) in R umzusetzen. Sie werden das Grundkonzept von tidyverse/dplyr verstehen und in der Lage sein, Data Wrangling und Data Cleaning durchzuführen.

Der Kurs wird Ihnen die verschiedenen Arten des Machine Learning (überwacht, unüberwacht und verstärkt) vorstellen. Sie werden in der Lage sein, Algorithmen in R eigenständig zu trainieren, zu validieren, einen Train-Test Split durchzuführen und Gütekriterien zur Bewertung von Algorithmen zu berechnen und zu interpretieren. Sie werden bekannte Machine Learning Algorithmen wie lineare Regression, logistische Regression, Entscheidungsbaum, Random Forest und k-means Clustering verstehen und in R implementieren können.

Nach Abschluss des Kurses werden Sie in der Lage sein, R eigenständig für Machine Learning und Data Science zu verwenden und ...