Grundlagen Data Science und Data Analytics mit KNIME

Diese Agenda ist auch Bestandteil (1.-3. Tag) des Kurses

• Einführung und Kontext
  • Überblick Data Science, Data Analytics und Co.
  • Chancen und Risiken der Data Science
  • Tools für das interaktive Reporting
  • Ergebniskommunikation und Reporting
  • Tools zur Datenanalyse

• Extract, Transform, Load (ETL) mit KNIME
  • Einführung in KNIME
  • Datenimport von einfachen Formaten
  • Datenprüfung
  • Zusammenführen von Daten
  • Datenbereinigung
  • Datenformate
  • Arbeitsdokumentation
  • Workfloworganisation
  • Weiterbearbeitung von Daten
  • Datenvisualisierung
  • Datenexport

• KNIME - Erweiterte Möglichkeiten und Anwendungen
  • Datenimport aus Datenbanken lokal und remote
  • Data Streaming
  • Zeit- und Datumsformate
  • Logik und Mathematische Operationen
  • Grundlagen der Statistik
  • Looping in KNIME
  • Datenexport in lokalen und remote Datenbanken
  • automatisierte Prozesse
  • Emailversand
  • Vorstellung weiterer Datatools

• Data Science - Überblick
  • Einführung in die Data Science und ihre Ursprünge
  • Die Stufen der Analyse (nach Gartner)
  • Grundkonzepte der Statistik
  • Beschreibende Statistik und Dateneigenschaften
  • Regression, Overfitting, TreeMethoden, Bagging und Boosting
  • Methoden zur Klassifizierung
  • Cross Correlation
  • Unüberwachtes Lernen
  • Weitere Tools der Data Science

LernzieleSie haben eine Einführung in das Thema Data Science, Data Analytics erhalten und können mit KNIME Daten extrahieren, transformieren, laden und visualisieren. Sie erhalten einen Data Science - Überblick und kennen wesentliche Konzepte und Begriffe rund um das Thema Data Science und Co.ZielgruppenMitarbeitende aus Fachbereichen, Techniker:innen, Ingenieur:innen, die Data Analytics, Data Science im Unternehmen nutzen möchten.