Machine Learning für Controller - Praxisübungen
Seminar-Nummer: 6.47
Seminardauer: 3 Tage
Zum Merkzettel hinzugefügt
Seminar-Nummer: 6.47
Wenden Sie Machine Learning auch ohne Programmierkenntnisse sicher an.
Hochqualifizierte Spezialisten wie Data Scientists bringen oft wenig Kenntnisse und Erfahrungen über betriebswirtschaftliche und organisatorische Zusammenhänge sowie damit verbundene Ziele mit. Hier liegt ein entscheidender Vorteil für Controller, die sich auf den Weg in Richtung Data Science machen wollen, denn sie besitzen diese Kenntnisse bereits. Mit den richtigen Tools sind Sie in der Lage, Daten zielgerichtet auszuwählen, zu analysieren und Ergebnisse z.B. von Machine Learning Anwendungen zu interpretieren sowie für Entscheidungen aufzubereiten.
Nach dem Seminar können Sie
- Machine Learning Methoden anwenden und Ergebnisse interpretieren
- erste komplexe Analysen ohne Programmierkenntnisse erstellen
- praktische Techniken zur explorativen Analyse unbekannter Datensätze anwenden, nachdem Sie diese aus verschiedenen Quellen extrahiert haben
- die wichtigsten Methoden zur Datenaufbereitung (Pre-Processing) einsetzen
Diese Inhalte erwarten Sie im Seminar
- Grundbegriffe aus Advanced Analytics, Big Data und Machine Learning
- Strukturiertes Projektvorgehen mit dem QRISP-DM Vorgehensmodell
- Machine Learning Konzepte und Workflows
- Großer Praxisteil mit KNIME: Datenbeschaffung – Explorative Analysetechnik – Datenaufbereitung – Modell Training – Modell Evaluation – Export der Ergebnisse und Visualisierungen
- Eigenständige Bearbeitung eines Use Cases zum Abschluss
Für den Praxisteil benötigen Sie ein internetfähiges Notebook, das sich mit dem WLAN am Seminarstandort verbinden kann. Auch wenn keine lokalen Admin-Rechte benötigt werden, prüfen Sie bitte vor dem Seminar, ob der Internetzugang Ihres Notebooks via WLAN trotzdem uneingeschränkt funktioniert. Auf dem Rechner muss die Open Source Software KNIME Analytics Platform installiert werden. Am besten prüfen Sie im Vorfeld mit Ihrer IT die Voraussetzungen hierfür (https://www.knime.com/downloads).
Zielgruppen
Das Seminar richtet sich an alle, die sich für das Rollenbild des Citizen Data Scientist interessieren, handlungssicher in der teilautomatisierten Anwendung fortgeschrittener Methoden zur Analyse und Interpretation von Daten werden wollen und sich das Themengebiet der Data Science im ersten Schritt ohne Programmierkenntnisse erschließen möchten. Als Voraussetzung bringen Sie Grundkenntnisse und Spaß im Umgang mit Daten mit.
Trainer/in
Ilona Tag
hält als Expertin für Data & Analytics Seminare im Bereich Big Data und Advanced Analytics der CA controller akademie. Sie ist seit über 30 Jahren als Expertin für Data & Analytics tätig. Als Enablement Lead und Principal Consultant bei der QUNIS GmbH gestaltet sie datengetriebene Lösungen, die Unternehmen bei fundierten Entscheidungen unterstützen. Ihre Schwerpunkte liegen in Data Engineering, Data Architecture und Datenmodellierung – mit dem Ziel, komplexe Daten in nachhaltige strategische Mehrwerte zu übersetzen.
Sarem Seitz
hält die Seminare Machine Learning für Controller und Predictive und Advanced Analytics der CA controller akademie. Seit acht Jahren ist er im Bereich Data Science und Data Engineering tätig und hat zahlreiche Unternehmen bei Advanced Analytics und Machine Learning Themen beraten. Vor seiner Zeit bei QUNIS hat er unter anderem als wissenschaftlicher Mitarbeiter der Universität Bamberg Lehrveranstaltungen im Bereich des maschinellen Lernens abgehalten. Bei QUNIS unterstützt er Unternehmen bei der Entwicklung und Umsetzung von Advanced Analytics Use-Cases und allgemeinen Datenplattformen.
Wolfgang Dödlinger
hält als Data Engineer das Seminar Machine Learning für Controller der CA controller akademie. Vor seiner Zeit bei der QUNIS hat er im Beteiligungscontrolling und in verschiedenen Finanzpositionen gearbeitet. Mit seinem Hintergrund in Finanzen und seiner aktuellen Fokussierung auf Datenanalyse bringt er ein Verständnis für Geschäftsprozesse und Datenstrategien mit. Bei seiner Arbeit konzentriert er sich auf die Entwicklung von Datenpipelines und die Anwendung moderner Data-Engineering-Techniken.
