Feature Engineering für Data Science
1.140,00 €
Nettopreis (zzgl. MwSt.)
Bruttopreis (inkl. MwSt.)
Veranstaltungsnummer: DIDI019.09
Preisdetails:
Im Preis enthalten ist Lehrmaterial in digitaler Form.
inkl. 19 % MwSt.:
Zielgruppe
Inhalt
- Einführung in das Feature Engineering
- Datenquellen, Datenmodelle und Analytische Data Marts
- Datenintegration und Datentransformation
- Behandlung fehlender Werte
- Behandlung von Ausreißern
- Binning-Methoden
- Dimensionsreduzierende Methoden
- Aggregationstechniken für Transaktionsdaten
- Feature Engineering für Zeitreihen
- Stichproben-Methoden und Erstellung von Trainings- und Testdaten
- Best Practices Feature Engineering für Machine Learning-Algorithmen
Ist kein passender Termin dabei oder Ihr Wunschtermin ist ausgebucht?
16 Seminarstunden
2 Tage
Kenntnisse in der Nutzung von Python für Data Science, idealerweise die beiden Kurse
VDSI Punkte Brandschutz : 0
VDSI Punkte Managementsysteme : 0
VDSI Punkte Gesundheitsschutz : 0
VDSI Punkte Security : 0
VDSI Punkte Umweltschutz : 0
Die theoretischen Inhalte werden in Form von praxisnahen Übungen vertieft. Die dafür notwendige Schulungsumgebung wird gestellt. Der Zugriff auf die Schulungsumgebung erfolgt mit einem Browser (Chrome oder Firefox).
Künstliche Intelligenz im Dreiklang von Herausforderungen, Vorteilen und Kompetenzen
Verwandte Seminare
Im Seminar erhalten die Teilnehmer eine umfassende Einführung in die Programmiersprache Python als Grundwerkzeug für die spätere Datenanalyse und lernen die Entscheidungskriterien für die Datenauswahl und die Datenquellen kennen, die sie für ihre Betrachtung benötigen.
Wichtige Unterstützung zur Analyse der Datenmassen geben maschinelle Lernverfahren, bei denen ein Algorithmus durch Wiederholung und vorgegebene Kriterien selbstständig lernt, eine Aufgabe zu erfüllen, ohne dass ein Lösungsweg vorgegeben ist.
Die durch die Digitalisierung zahlreicher Prozesse, Transaktionen und weiterer Anwendungsfälle entstehenden Datenmengen müssen ausgewertet und analysiert werden, um einen Mehrwert für Unternehmen und Einrichtungen zu schaffen.
KI-Methoden werden eingesetzt, um verflochtene Zusammenhänge datengetrieben zu lernen und die Grenzen klassischer mathematischer Modelle zu überwinden.
Die voranschreitende Digitalisierung wirkt sich auf nahezu jedes Unternehmen aus. Digitale Anwendungen hinterlassen eine riesige Datenmenge, die es auszuwerten gilt, um Prozesse zu verbessern.