In der modernen Datenanalyse ist die korrekte und kritische Verwendung von statistischen Methoden eine Grundvoraussetzung. Die Seminarteilnehmenden erhalten in diesem Training eine fundierte Grundausbildung in den gängigen statistischen Methoden. Das Erlernte wenden die Schulungsteilnehmenden dann in einer ausführlichen Praxiseinheit in den Analyse- und Visualisierungstools von Excel, Python und dem MS SQL Server an. Zusätzlich erhalten die Kursteilnehmenden einen Einblick in das maschinelle Lernen mit einer Praxiseinheit in Python.
Agenda-Vorschlag
Grundlagen der Datenanalyse
- Methoden, Tools, Darstellung
- Heterogene Datenherkunft (Dateien, DB-Server, Excel, json, xml,…)
- Datensammlung(OLTP und OLAP, Data Warehouse, Data Lake)
- ETL oder ELT?
- Analysetools (Methodenvergleich)
Explorative Datenanalyse
- Lage- und Streuungsmaße
- Exploration der Lagemaße
- Wahrscheinlichkeiten
Datenverteilung
- Stichproben und Grundgesamtheit
- Verteilungsformen
- Bootstrap-Verfahren
- Signifikanztests
Regression und Vorhersage
- Lineare Regressionen
- Vorhersage mittels Regression
- Beurteilung der Vorhersage
- Probleme
Übungsphase
- Umsetzung einer Datenanalyse in Excel und im MS SQL Server
- Umsetzung einer Datenvisualisierung in Excel und Python
Maschinelles Lernen
- Grundlagen des maschinellen Lernens (Entscheidungsbäume, (un)begleitetes Lernen, Deep Learning, neuronale Netze, Algorithmen)
- Maschinelles Lernen in Python (tensorflow, keras)
Zielgruppe
Data Analysts, Data Scientists, Mitarbeitende aus dem Business Intelligence Bereich, Fachinformatiker.innen
Dauer
2,0 Tage