Live-Online: Predictive Analytics: Methoden Verfahren - Anwendungen

Statistik trifft Machine LearningMethodische Grundlagen zu Predictive Analytics, Machine Learning und KI

• Segmentierung, Regression und Klassifikation.
• Aufbau und Optimierung von Machine-Learning-Modellen.
• Training, Testing und Evaluation.
• Vermeidung häufiger Fehlerquellen im Machine Learning.
• Vertiefung in KI-Methoden: neuronale Netze, Deep Learning und Reinforcement Learning.
• Praxisorientierte Identifikation von Einsatzfeldern (Controlling, Marketing, Sales, Produktion etc.).

Datenbeschaffung und -aufbereitung als Erfolgsbasis

• Datenintegration und Bereinigung heterogener Rohdaten.
• Vorbereitung und Feature Engineering für effektive KI-Anwendungen.
• Explorative Datenanalyse und Visualisierung zur Erkenntnisgewinnung.
• Cross Validation zur Modellvalidierung und Qualitätssteigerung.

Praxisprojekte und Case Studies

• Einführung in gängige Machine-Learning- und Predictive-Analytics-Verfahren anhand praxisnaher Fallstudien.
• Spezifische Anwendungsbeispiele zu Zeitreihenanalyse und Prognoseverfahren.
• Hands-on-Übungen mit Machine Learning Tools wie Knime.
• Erstellung eigener KI-Modelle zur Bearbeitung konkreter Unternehmensfragestellungen.
• Praxisübung zur Kundensegmentierung und Prognosemodellen.

Aktuelle KI-Trends und Entwicklungstendenzen

• Ausblick auf neue Trends und zukünftige Entwicklungsperspektiven im Bereich KI, Data Science und Machine Learning.

Lerndauer: 2 Tage

Mit dieser Veranstaltung sind sie flexibel: Diese Veranstaltung wird vollständig online ausgeliefert!

Wichtige Information: Bitte beachten Sie, dass einige unserer Webinare auch aus mehreren Online-Modulen bestehen können. Erkennbar ist dies, wenn die Dauer länger als ein Tag ist.

Eine Übersicht der einzelnen Termine zu den Online-Modulen erhalten Sie nach der Buchung in Ihrer persönlichen Online-Lernumgebung.

LernzieleIm Seminar profitierst du von umfassendem Expert:innenwissen und lernst praxisnah

• wie du Predictive Analytics und KI erfolgreich in deinem Unternehmensumfeld einsetzt,
• wie du deine Planungs-, Steuerungs- und Entscheidungsprozesse durch valide Prognosen verbesserst,
• welche Voraussetzungen und Kompetenzen für den erfolgreichen Einsatz von Machine Learning und Predictive Analytics erforderlich sind,
• welche konkreten Methoden und Verfahren in deinem Arbeitsumfeld besonders effektiv sind,
• wie du KI-basierte Analyseergebnisse zielgerichtet evaluierst und gewinnbringend nutzt,
• wie du praktische Erfahrungen mit Knime sammelst und eigene KI-Modelle entwickelst.

Du kannst optional eine E-Prüfung absolvieren und erhältst neben der Teilnahmebestätigung ein Zertifikat entsprechend dem Prüfungsergebnis.

Hast du eine Live-Online-Veranstaltung gebucht?

Dann beachte bitte folgendes:

Das Seminar wird in einer virtuellen Schulungsumgebung durchgeführt.

Für die Nutzung dieser zentralen Remotedesktop-Farm (Microsoft 365-Schulungsumgebung) wird der Remotedesktop-Client (Bestandteil Windows (mstsc.exe)) sowie ein unbeschränkter Zugriff auf das Internet über das IP-Protokoll https (TCP 443) und eine DNS-Auflösung externer DNS-Namen benötigt. Fragen zu diesen technischen Voraussetzungen kann deine IT-Abteilung beantworten. Sollte ein Zugriff auf die Serverfarm für dich nicht möglich sein, dann ist eine Teilnahme an dem Live-Online-Seminar leider nicht möglich.

Außerdem brauchst du natürlich einen Laptop/ Computer und eine stabile Internetverbindung.

Auch wäre es sehr hilfreich, zwei Bildschirme oder zwei Geräte zu nutzen, um die Präsenzseminarumgebung nachzuempfinden: Auf dem einen Bildschirm oder Tablet wäre das Videobild des:der Trainer:in analog zur Leinwand im Präsenzseminar zu sehen und auf dem anderen Bildschirm/ Laptop kannst du an deinem Computer das Gezeigte umsetzen bzw. üben. Ggf. würde auch ein einziger großer Bildschirm helfen, um 2 Programme auf die rechte und linke Hälfte eines Bildschirms aufzuteilen.

Zielgruppen

Fach- und Führungskräfte, Controller:innen sowie Verantwortliche für Planung, Berichtswesen und Budgetierung, die ihre methodischen Kompetenzen in Predictive Analytics, Machine Learning und Künstlicher Intelligenz praxisnah erweitern möchten. Erfahrungen mit Knime und Excel sind hilfreich, aber keine Voraussetzung.