Data Analytics für Process-Automation und Data-Analysis mit Data Visualization und Machine Learning

Nach Abschluss der Weiterbildung verfügen Sie über Kenntnisse in der Anwendung von Data Analytics zur Prozessautomatisierung und Datenanalyse. Sie nutzen Data Visualization und Machine Learning, um Daten zu interpretieren und Entscheidungsprozesse zu unterstützen. Sie sind in der Lage, mit Tools wie Power BI und Tableau Daten visuell darzustellen und mit TensorFlow und R Machine Learning Modelle zu entwickeln. Diese Fähigkeiten ermöglichen Ihnen Tätigkeiten in den Bereichen Datenanalyse, Prozessoptimierung und Automatisierung.

Dashboard-Erstellung und Datenvisualisierung

• Interaktive Dashboards gestalten
• Darstellung und Formatierung in Dashboards
• Erstellen von Reporten inklusive Dashboard mit Interaktivität
• Verwendung von Kartendiensten
• Geografische Analyse
• Diagramme in ggplot2

Datenintegration und -management

• Datenquelle verbinden und importieren
• Datenreinigung
• Importieren, Analysieren und Exportieren von Datensätzen
• Datenmanagement und diskriptive Statistiken in R
• Datenvorbereitung für Machine Learning

Grundlagen der Datenanalyse

• Einführung in Pandas und Dataframes
• Grundlegende statistische Kenngrößen
• Deskriptive Statistik: Analysen und Untersuchungen
• Regressionsanalysen
• Einführung in Machine Learning
• Grundlagen der Arbeit mit R

Machine Learning und Modellierung

• Erstellen von Machine-Learning-Modellen mit Keras
• K-nearest-neighbor-Klassifizierung
• K-means Clustering
• Arten des Machine Learning
• Training und Auswahl eines Vorhersagemodells
• Modellbewertung und Hyperparameter-Tuning

Python und TensorFlow

• Installation und Einrichtung von TensorFlow
• Grundlegende Verwendung von TensorFlow
• Analyse von Machine Learning in TensorFlow
• Laden und Speichern von Modellen
• Erstellen von FCN- und CNN-Modellen mit Keras
• Problemlösung für nicht funktionierende Modelle

Interaktive Datenanalyse mit Power BI

• Einführung in Power BI
• Arbeiten mit Power Query
• Balken- und Liniendiagramme
• Berechnungen mit DAX-Ausdrücken
• Verstehen von Datenmodellierung
• Erstellen von interaktiven Dashboards

Advanced Machine Learning und Deep Learning

• Einführung in Tableau
• Aufgaben und Funktion von Deep Learning
• Neuronale Netze
• Trainieren eines Neuronalen Netzes
• Verbindungen zu TensorFlow
• Python- und Machine-Learning-Bibliotheken