Vertiefung 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.

Dieses Seminar bietet Ihnen eine umfassende Einführung in die Welt der Datenprojekte und zeigt Ihnen, wie Sie sie erfolgreich umsetzen können. Sie lernen, wichtige Konzepte wie CRISP-DM und Gartner's Stufen der Analyse kennen und erfahren, wie Sie datenbasierte Anwendungsfälle identifiziert und beschreibt. Zudem erhalten Sie Einblicke in Best Practices, um die Einhaltung von DSGVO-Vorschriften sicherzustellen. Durch interaktive Workshops können Sie Ihre eigenen Ideen für Datenprojekte entwickeln, Ziele definieren und Use Cases bewerten. Wir unterstützen Sie bei der Auswahl passender Analysemethoden, erarbeiten gemeinsam Umsetzungspläne und bieten Optimierungsmöglichkeiten für Ihre KNIME-Workflows.

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

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, 26. und Freitag, 27. September 2024
9.00 bis 16.30, inkl. Pausen

Einführung und Grundlagen

• Modell zur Bearbeitung von Datenprojekten (CRISP-DM) und die Stufen der Analyse (nach Gartner)
• Identifikation und Beschreibung von datenbasierten Anwendungsfällen (Use cases)
• Umgang mit vertraulichen Daten und Einhaltung von DSGVO Vorschriften etc.
• Best Practice: Data Analytics Projekt
• Vergleich Power BI mit KNIME Einordnung der beiden Tools in Projektrahmen

Workshop – interaktive Bearbeitung in der Gruppe und Kleingruppen

• Entwicklung von Ideen fu¨r Datenprojekte
• Beschreibung von Zielen, Nutzen und Mehrwert 
• Bewertung von Use Cases im Hinblick auf die Umsetzbarkeit und Wirtschaftlichkeit
• Prüfung der Verfügbarkeit und Verwertbarkeit von Daten 
• Auswahl der passenden Vorgehensweise zur Datenanalyse
• Erarbeitung eines initialen Konzepts zur Umsetzung
• Unterstützung bei der Umsetzung von laufenden Projekten
• Optimierung von KNIME Workflows 
• Kla¨rung konkreter Themen und Fragestellungen 
• Integration von KNIME und Power BI

Zusammenfassung und Fragerunde

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