Data Analytics: Maschinelles Lernen, Deep Learning, und Visual Analytics

Data Analytics Grundlagen
• Datenplattformen, Datenarchitekturen, Data Pipelines
• Datenvorverarbeitung
• Statistik-Grundlagen

Maschinelles Lernen
• Überwachtes Lernen und Klassifikation: Bayes’sche Klassifikation, Entscheidungsbäume, Support Vector Machine, Ensemble-Methoden (Random Forests, Adaboost, etc.)
• Unüberwachtes Lernen und Clustering: K-Means Clustering, Dichte-basiertes Clustering, Hierarchisches Clustering
• Deep Learning: Neuronale Netze, Faltende Neuronale Netze (Convolutional Neural Networks),Deep Learning

Visual Analytics
• Datentypen, visuelle Symbole, Wahrnehmungsaspekte
• Überblick über Visualisierungstechniken

Fach- und Führungskräfte aus den Bereichen Forschung & Entwicklung, Projektmanagement und Vertrieb, die grundlegende Kenntnisse aus dem Bereichen Data Analytics, Maschinelles Lernen und Visual Analytics erwerben oder auffrischen wollen.