Microsoft Power BI für Datenimporte und Datenmodellierung mit Zusatzqualifikation: Machine Learning, statistische Datenanalyse mit R, Tableau und TensorFlow

Nach Abschluss der Weiterbildung verfügen Sie über Kenntnisse in der Datenmodellierung und im Datenimport mit Microsoft Power BI. Sie sind in der Lage, Machine Learning-Modelle zu entwickeln und statistische Datenanalysen mit R durchzuführen. Zudem können Sie Datenvisualisierungen mit Tableau erstellen und TensorFlow für maschinelles Lernen nutzen. Diese Fähigkeiten ermöglichen Ihnen Tätigkeiten in den Bereichen Datenanalyse, Business Intelligence und maschinelles Lernen.

Datenimport und -modellierung mit Power BI

• Datenvorbereitung für Power BI
• Arbeiten mit Power Query
• Benutzeroberfläche von Power BI
• Datenquellen verbinden und importieren
• Interaktive Dashboards gestalten
• Balken- und Liniendiagramme
• Berechnungen mit DAX-Ausdrücken

Machine Learning Grundlagen

• Einführung in Machine Learning
• Arten des Machine Learning
• Datenvorbereitung für Machine Learning
• Training und Auswahl eines Vorhersagemodells
• Bewertung von Modellen
• Perzeptron-Algorithmen für Klassifikation
• Ensemble Learning (z. B. Bagging und Boosting)

Statistische Analyse mit R

• Grundlagen der Arbeit mit R
• Datenmanagement und diskriptive Statistiken in R
• Importieren, Analysieren und Exportieren von Datensätzen
• Diagramme in ggplot2
• Regressionsanalysen
• Spearman
• Anwendung von R in der Forschung

Visualisierung mit Tableau

• Einführung in Tableau und Verstehen von Datenmodellierung
• Darstellen von Veränderungen durch Ranglisten und Bump-Diagramme
• Aggregationen, Berechnungen und Parameter
• Erstellen von interaktiven Dashboards
• Verwendung von Kartendiensten
• Erstellen von Reporten inklusive Dashboard mit Interaktivität
• Geografische Analyse

Maschinelles Lernen mit TensorFlow

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