Lernplan Data Scientist
Ziele
Data Science ist eines der aktuellen Schlagworte der IT-Branche. Zahlreiche Data Scientists bieten vielerorts ihre Dienste an und man fragt sich, ob man mit seinem Wissen über relationale Datenbanken und Business Intelligence noch auf der Höhe der Zeit ist.
Das Seminar setzt an diesem Punkt an und spannt den Bogen zu den neuen Möglichkeiten, die Big Data und Machine Learning bieten. Breiten Raum nehmen dabei die inhaltlichen, personellen und technologischen Anforderungen für die erfolgreiche Anwendung ein.
In einem fiktiven Anwendungsszenario wird die Möglichkeiten von Data Science beispielhaft demonstriert.
Weitere Seminarinfos:
- Schwierigkeitsgrad: 100
- Darreichung: PowerPoint-Präsentation, Live-Demo.
- Materialien: Präsentation in elektronischer Form (Format .PDF)
- Credits: Nein (Credits für Zertifizierung)
Zielgruppe
Entscheider, Personalverantwortliche, Projektmanager
Voraussetzungen
IT-Grundkenntnisse zu Datenhaltung und Business Intelligence. Darüber hinaus werden keine Anforderungen gestellt.
Folgende Seminare und Kurse können darüber hinaus dieses Angebot ergänzen:
1) Einstiegs-Seminare (Schwierigkeitsgrad 100)
a. Big Data Einstieg
b. Big Data Technologien, Strategien und Trends
c. Hortonworks HDP Einstieg
d. Cloudera CDH Einstieg
2) Überblicks-Seminare (Schwierigkeitsgrad 200)
a. Big Data Architekturen Überblick
b. Hadoop Datentechnologien Überblick
Agenda Was heißt Data Science?
Data Science ist als Begrifflichkeit älter als mancher vermutet und wird etwa seit Mitte der 90er Jahre inhaltlich in der Form interpretiert, wie er heute allgemein verwendet wird: Der Ableitung von neuem Wissen aus Daten. Allerdings wurde er in den letzten fünf Jahren in Zusammenhang mit der Zunahme der Bedeutung von Daten stark aufgewertet. In diesem Abschnitt wird auf verschiedene aktuelle Interpretationen und Abgrenzungen eingegangen.
Worin besteht der Mehrwert von Data Science?
Es geht also um die Extraktion von Wissen aus Daten – wieder einmal. Auch dies ist kein neuer Anspruch. Allerdings bieten das Internet, leistungsfähigere Technologien, effizientere Algorithmen und nicht zuletzt der mit Big Data verbundene Paradigmenwechsel neue Möglichkeiten der Mehrwertgenerierung. In diesem Abschnitt werden den Teilnehmern Beispiele dafür aufgezeigt.
Data Science. Ein fiktives Anwendungsbeispiel
In einem fiktiven Anwendungsszenario wird der Einsatz von "Data Science beispielhaft demonstriert und Daten aus der lokalen Umgebung mit Daten aus dem Internet verknüpft, um mit geeigneten Werkzeugen und analytischen Methoden neue Erkenntnisse zu gewinnen.
Welche Voraussetzungen benötigt Data Science?
Einige: Daten, Infrastruktur, Prozesse, motivierte Mitarbeiter und eine Unternehmenskultur, die den passenden Rahmen vorgibt. Und natürlich Problemstellungen, die Fragen impliziert, die mit Hilfe von Data Science beantwortet werden können.
In diesem Abschnitt wird ein Reifegrad-Modell für Data Science im Unternehmen vorgestellt und erläutert.
Was ist das Profil eines Data Sciencist?
Was ist ein Data Scientist? Welche Anforderungen sind an einen Data Scientist zu stellen? Ist Data Scientist gleich Data Scientist? Lohnt die Investition in die Weiterbildung von gestandenen Mitarbeitern oder benötigt es Köpfe mit frischem Abschluss von der Universität? Diese und andere Fragen werden hier beantwortet.
Wie starten mit Data Science?
Auf der Grundlage des vorher definierten Reifegradmodells für Data Science werden – ausgehend von unterschiedlichen Voraussetzungen und Rahmenbedingungen – verschiedene Start- und Entwicklungsszenarien für Unternehmen unterschiedlicher Größe skizziert.
Welche Stolperfallen bietet Data Science?
Wie mit jeder neuen Technologie kann man auch mit Data Science vieles richtig und manches falsch machen. Zum Abschluss des Seminars werden mögliche Stolperfallen herausgearbeitet und Wege aufgezeigt, wie Sie diese umgehen können. Eine Checkliste hilft zudem beim "stolperfreien" Einstieg.
-
1. Step
(one of these educational contents) -
2. Step
(one of these educational contents) - Further educational content
- Classroom training
- Big Data: Technologien, Strategien & Trends
- Eventverarbeitung und RealTime BI Überblick
- Big Data - Anwendungs-Szenarien und Implementierungs-Strategien
- Big Data - Hands On für Predictive Analytics
- Big Data - Hands On für RealTime Analytics
- Big Data - Hands On für Sentiment Analytics
- Big Data - Hands On für Data Analytics
- Big Data - Hands On für DWH Integration
- Big Data & Hadoop – Datentechnologien
- Big Data – NoSQL-Konzepte
- Big Data & Hadoop – SQL-basierter Zugriff
- Big Data & Microsoft BI HandsOn
- Hybrider Einsatz von Hadoop mit MongoDB
- Integration von Hadoop und klassischer DWH-Technologie Fortgeschrittenenkurs
- Big Data LAB für Ihr Proof of Concept
- MongoDB Administrator-Kurs
- Data Warehouse Lösung mit AWS
- Big Data Einstieg
- Big Data Architekturen - Überblick
- Big Data Governance - Überblick
- MongoDB für Sharded Cluster Administrator-Kurs
- MongoDB BI Connector für Self Service BI
- Administration von MongoDB und Adobe Experience Manager
- Data Mining und Data Science mit MongoDB und Apache Spark
- MongoDB Entscheider-Workshop
- MongoDB Administrator-Kompaktkurs
- ACT82001 Alibaba Cloud Big Data Essentials
- ACT82002 Alibaba Cloud MaxCompute Essentials
- Big Data Analysen mit Hadoop und NoSQL
- Talend Open Studio - Big Data, Cloud und Datenbank-Integration
- Aufbau eines Hadoop-Clusters
- Betrieb, Optimierung und Instandhaltung eines Hadoop-Clusters
- Hadoop & Mahout Fortgeschrittenenworkshop
- Integration von Hadoop und klassischer DWH-Technologie Grundkurs
- Apache Hive
- Apache HBase
- Apache Storm
- Apache Kafka
- Apache HDFS
- Apache Impala
- Video
- Big Data Analytics with HDInsight - (1) Hadoop on Azure
- Designing and Implementing Hybrid Cloud Solutions for Architects
- Einführung Microsoft Azure – Advanced Services
- Die Microsoft Cloud in Deutschland
- Interaktive Datenanalysen mit Apache Spark auf Microsoft Azure (1.0) Was ist Apache Spark?
- Interaktive Datenanalysen mit Apache Spark auf Microsoft Azure (1.1) PPT: Was ist Apache Spark?
- Interaktive Datenanalysen mit Apache Spark auf Microsoft Azure (1.2) Microsoft Azure Management Portal
- Interaktive Datenanalysen mit Apache Spark auf Microsoft Azure (2.0) Spark Core
- Interaktive Datenanalysen mit Apache Spark auf Microsoft Azure (2.1) PPT: SparkCore
- Interaktive Datenanalysen mit Apache Spark auf Microsoft Azure (3.0)SparkSQL & Visualisierung
- Interaktive Datenanalysen mit Apache Spark auf Microsoft Azure (3.1) PPT: SparkSQL & Visualisierung
- Interaktive Datenanalysen mit Apache Spark auf Microsoft Azure (3.2) Chicago Crime Data
- Interaktive Datenanalysen mit Apache Spark auf Microsoft Azure (3.3) Power BI
- Interaktive Datenanalysen mit Apache Spark auf Microsoft Azure (3.4) Azure Storage Explorer
- SQL Konferenz 2016: U-SQL: The U in Big Data
- Design and Implement Big Data & Advanced Analytics Solutions (1) Microsoft Cloud Data Platform Introduction
- Design and Implement Big Data & Advanced Analytics Solutions (3) Design Batch Processing and Interactive Solutions
- Eine Einführung in Microsoft R Server (ehemals Revolution Analytics)
- The Future of Data Analysis - Keynote Session: Dr. Edward Tufte
- Data Mining with Microsoft R Server - Webinar
- Connecting On-premises Hadoop to Azure Data Lake Store
- Time Series Insight for IoT apps
- Introducing Microsoft R Server Version 9.1 - Part 2
- Using Azure Data Lake to analyze IoT Data
- Azure Data Lake Storage Gen2 Überblick
- Unlock petabyte-scale datasets in Azure with aggregations in Power BI
- Introducing ML Services 9.3 in Azure HDInsight
- Learning plan
- Big Data Specialist - Development mit Hadoop
- Big Data Specialist - Analytics mit Hadoop
- Big Data Specialist zu Microsoft-Technologien
- Big Data für Entscheider
- Big Data für Entwickler - Fachrichtung Echtzeit-Analysen
- Big Data für Entwickler - Fachrichtung Strukturierte Daten
- Big Data für Entwickler - Fachrichtung Java-Entwicklung
- Big Data für Entwickler - Fachrichtung Suche
- Big Data für Administratoren
- Big Data für Anwender
- Videolernplan: Interaktive Datenanalysen mit Apache Spark auf Microsoft Azure
- Alibaba Cloud Big Data
- Lernplan: Webinar: Einführung in Machine Learning
- MongoDB Sharded Cluster Administrator
- MongoDB für Big Data Spezialisten
- Download
- Security, Privacy, and Compliance in Microsoft Azure
- The Trusted Cloud: Microsoft Azure Security, Privacy, and Compliance
- Whitepaper: Überblick über Microsoft Azure
- Microsoft Azure Essentials: Azure Machine Learning
- Introducing Microsoft Azure HDInsight
- Erweiterte Analyse von Big Data
- Solve your big data and AI challenges with an Azure Databricks use case eBook
- Cloud Application Architecture Guide
- Banking on AI