iStock-844535726.jpg

This content is only partially available in English.

MACHINE LEARNING & DATA MINING - 2. DIGITALER WORKSHOP

Ein praktischer Einstieg in Methoden und Werkzeuge für Anwendungen im betrieblichen Alltag

Nach erfolgreicher Durchführung des ersten Machine Learning & Data Mining Workshops im Herbst 2020 freuen wir uns, Ihnen die nächste Workshopreihe zu präsentieren. Lernen Sie im Rahmen eines 2,5-tägigen anwendungsorientierten Digital-Workshops am 07.05 / 10.05 und 17.05.2021 betrieblich relevante Grundlagen des Maschinellen Lernens kennen.
Binnen zweieinhalb Tagen setzen Sie selbst praktische Übungen zum Umgang mit Daten und Analysemethoden anhand von Python in die Tat um. Sie erhalten Einblicke in Fördermöglichkeiten für Projekte des Maschinellen Lernens und identifizieren in einem 90-minütigen Potenzialcheck gemeinsam mit den Workshopleitern unternehmensspezifische Potenziale. Sichern Sie sich mit einer E-Mail an data-science.lab (at) hs-mainz.de einen der limitierten Teilnahmeplätze.

WORKSHOP IM ÜBERBLICK

Zielgruppe

Unser Workshop eignet sich für Sie als interessierte/n Entwickler*in oder IT-Entscheider*in mit Grundlagen in der Programmierung. 

Programm

1. Einstieg in Künstliche Intelligenz & Maschinelles Lernen mit betrieblichen Anwendungsbeispielen
  • Überwachtes Lernen anhand von Klassifikation mit Entscheidungsbäumen und Regression
  • Unüberwachtes Lernen mittels Assoziationsregeln und Clustering
  • Einblick in Neuronale Netze am Beispiel von Bilderkennung und Klassifikation
  • Datenanalyse mit Python & Jupyter Notebooks
  • Nutzung alternativer Software, z.B. RapidMiner
2. Praktische Übungen zum Umgang mit Daten und Analysemethoden mit Python
  • In Kleingruppen mit Einzelbetreuung
  • Basis sind Bibliotheken aus dem Scientific Stack wie pandas, numpy, scikit, matplotlib und tensorflow
3. Einblick in Fördermöglichkeiten für Projekte des Maschinellen Lernens 4. Unternehmensspezifischer 90-minütiger Potenzialcheck Eine kurze Vorstellung der Referenten und konkrete Fragestellungen, die im Zuge des Workshops beantwortet werden, finden sie in den Weiteren Details zum Workshop am Seitenende

Teilnahmedetails

Zeit & Ort Die Veranstaltung findet im Mai 2021 virtuell über Zoom statt
  • Freitag  07.05.2021 - 13:00 - 17:00 Uhr
  • Montag 10.05.2021 - 09:00 - 17:00 Uhr
  • Montag 17.05.2021 - 09:00 - 17:00 Uhr
Beitrag und Rabatte
  • 600 EUR (zzgl. USt.)
  • 100 € Personenrabatt für die zweite angemeldete Person
  • 100 € Rabatt für Mitglieder von TDWI
Leistungsspektrum 
  • 2,5 tägiger Workshop
  • Umsetzungsvorlagen in Pyton
  • 90-minütiger unternehmensspezifischer Potenzialcheck
  • Präsentationen
  • Teilnahmebestätigung

Veranstalter

Data Science Lab - Fachbereich Wirtschaft, Hochschule Mainz

Referenten

Prof. Dr. Gunther Piller         

Hans-Peter Weih

Weitere Betreuung durch wissenschaftliche Mitarbeiter mit umfangreicher Praxiserfahrung im Bereich des Maschinellen Lernens

Workshopflyer

Download

Anmeldung & Weitere Information

Melden Sie sich direkt an unter data-science.lab (at) hs-mainz.de Sie haben noch Fragen? T +49 (0) 6131 / 628-3117 | Hans-Peter Weih Wir freuen uns, von Ihnen zu hören!


Weitere Details zum Workshop

Referenten

Prof. Dr. Gunther Piller

Gunther Piller ist Professor für Wirtschaftsinformatik und unterrichtet Maschinelles Lernen an der Hochschule Mainz. In aktuellen Forschungsprojekten befasst er sich mit der Anwendung neuer Technologien und Methoden im Bereich Business Analytics.

 

Hans-Peter Weih

Hans-Peter Weih war neunzehn Jahre bei der deutschen Niederlassung der Standard Life Versicherung tätig und dort als Teamleiter für den Aufbau des Data Warehouse und der Business Intelligence verantwortlich. Seit einigen Jahren unterrichtet er an der Hochschule Mainz Business Intelligence, Datenbanken und Data Science und berät freiberuflich mittelständische Unternehmen. Zusammen mit weiteren Mitgliedern organisiert er den Round Table der TDWI in Frankfurt.

Fragen, die wir gemeinsam während des Workshops erarbeiten

  • Was sind die Grundlagen des Maschinellen Lernens? (Einführung)
  • Was sind betriebliche Herausforderungen und wie lassen sich diese angehen?
  • Welche Methoden des überwachten/unüberwachten Lernens gibt es und welche Geschäftsprobleme lösen sie?
  • Wie lassen sich Bilder mit Neuronalen Netzen analysieren?
  • Wie führe ich Datenanalysen mit Python und Jupyter Notebooks durch bzw. welche Alternativen gibt es?
  • Was sind Use Cases, die mir in meinem eigenen Unternehmen als Beispiel dienen können?
  • Welche Methoden bieten sich für ein konkretes Beispiel aus meinem Unternehmen an und was sind erste Ideen zur Umsetzung?
  • Welche Förderprogramme gibt es, um Maschinelles Lernen im meinem Unternehmen umzusetzen?

Bildnachweise: Header - iStock, Prof. Dr. Gunther Piller - Gregor Schläger, Hans-Peter Weih - privat.