Einführung in Data Science ohne Programmierkenntnisse

Durch den Einsatz von Data Science kann Ihr Unternehmen die Effizienz steigern, Prozesse optimieren und innovative Produkte und Dienstleistungen entwickeln, um in einem dynamischen Marktumfeld wettbewerbsfähig zu bleiben. Selbst ohne tiefgreifende Programmierkenntnisse können Sie durch die Analyse von Kundendaten wertvolle Einblicke gewinnen, die es Ihnen ermöglichen, maßgeschneiderte Angebote zu entwickeln und die Kundenbindung zu stärken.

Erfahren Sie, wie Sie Data Science ohne Programmierkenntnisse nutzen können, um das volle Potenzial Ihrer Daten zu erschließen! In unserem Seminar lernen Sie, wie Sie mithilfe benutzerfreundlicher Analyse-Oberflächen und Tools ohne aufwendiges Programmieren Daten analysieren, aufbereiten und modellieren können.

Sie werden in die Welt der Data Science eingeführt und lernen die wichtigsten Konzepte und Begriffe kennen. Sie lernen verschiedene Low-Code-Plattformen kennen und werden gemeinsam eine Plattform installieren, konfigurieren und die grundlegenden Funktionen der Benutzeroberfläche erkunden. 

In dem Seminar wird die KNIME Analytics Platform eingesetzt, die 2004 im „Schwabenländle“ (Universität Konstanz) entwickelt wurde.

Am Ende des Seminars werden Sie befähigt sein, Daten in auf einer Low-Code-Plattform zu analysieren und für weiterführende Analysen vorzubereiten.

Das Seminar richtet sich an Einsteiger sowie Fachleute, die ein grundlegendes Verständnis für Data Science erlangen und Low-Code-Plattformen kennenlernen möchten.

Vorkenntnisse im Bereich Data Science oder Programmierung sind nicht erforderlich.

Donnerstag, 19. und Freitag, 20. September 2024
jeweils von 9.00 bis 16.30 Uhr, inkl. Pausen

Einführung Datenanalyse und Data Science
Eine kurze Einführung in die wichtigsten Data Science Begriffe, Tools und Anwendungen

• Motivation und Merkmale datengetriebener Unternehmen
• Data-driven-Mindset: Bedeutung und Entwicklung
• Daten als Entscheidungshilfe: Analyseergebnisse erfolgreich kommunizieren und präsentieren
• Von Daten zu Informationen
• Grundlegende Begriffe und Methoden der Datenanalyse
• Abgrenzung von Business INtelligence und Data Analytics
• Best practice Beispiele für Datenprojekte

Übersicht Low-Code-Plattformen 

• Übersicht und Vergleich von Low Code Data Science Plattformen (z.B. RapidMiner, Weka, Orange) und BI Tools (z.B. Power BI)
• Unterschiede und Vorteile gegenüber Excel
• Limitierung im Vergleich zu Skriptsprachen wie Python und R und Möglichkeiten der Integration
• Typische Anwendungsfälle im Unternehmensalltag 

Einführung KNIME
Einführung und Erklärung der KNIME Analytics Platform sowie ihrer wichtigsten Funktionen.

• Grundlagen der KNIME Analytics Plattform
• Installation Start, Einstellungen und Optionen
• Übersicht zur grafischen Benutzeroberfläche 
  • Workspace, Workbench, Explorer, Tool Bar, KNIME Hub
• Grundprinzip von Knoten und visuellen Workflows
  • Node Repository, Description, Workflow Coach, Node Monitor
• Workfloworganisation
  • Comments & Annotations
• Extensions

Extrahieren, Transformieren & Laden (ETL) mit KNIME
Erklärung anhand von Praxisbeispielen in KNIME.

• Datenimport & Datenprüfung
• Umgang mit unterschiedlichen Datenformaten (z.B. Zeit- und Datumsformate)
• Datenbereinigung & Zusammenführung
• Aggregation eigener Daten zur weitergehenden Verarbeitung (z.B. Pivotierung, SVERWEIS)
• Standardisierung eigener Daten zur weitergehenden Verarbeitung
• Tabellen- & Workfloworganisation
• Datenexport (z.B. Excel, pdf) 

Statistische Grundlagen
Erklärung anhand von Beispiele und Umsetzung in KNIME

• Deskriptive Statistik
• Darstellungsformen (Tabelle & Diagramme)
• Lagemaße: Mittelwert, Median und Modus 
• Streuungsmaße: Varianz und Standardabweichung, Spannweite und Normalverteilung 
• Fallstricke der Datenanalyse 

Fallstricke der Datenaufbereitung

• Übliche Datenprobleme
• Umgang mit großen Datenmengen
• Kommunikation von Analyseergebnissen

Reporting und Datenvisualisierung

• Nutzung unterschiedlicher Diagrammtypen 
• Berichte und Datenvisualisierung mit interaktiven Grafiken
• Visualisierungselemente und Best Practices Dashboards in KNIME
• Datenbereitstellung zur Visualisierung in Power BI

Arbeiten mit und Anbindung von Datenbanken
Anbindung von Datenbanken an die KNIME Analytics Platform

• Daten automatisiert abrufen und transformieren
• Datenbank Verbindung 
• Anbindung von REST-APIs zur Datengewinnung

Erweiterte Möglichkeiten und Anwendungen

• Automatisierung mit Loop-Funktionen 
• Logik & mathematische Operationen
• Zeitreihenanalysen
• Data Mining Einführung

Zusammenfassung und Fragerunde

• Tipps und Tricks vom Experten
• Wiederholung der wichtigsten Inhalte
• Diskussion und Klärung offener Fragen