Zertifikatskurs Datenmanagement und Analyse
| Datum | 15.09.2024 bis 15.11.2024 |
| Dauer | 6 Vorlesungstermine + 1 Prüfungstermin |
| Unterrichtszeiten | freitags: 15:30 Uhr bis 20:30 Uhr; samstags: 09:30 Uhr bis 16:45 Uhr |
| Kosten | 1.600,00 € |
| Zielgruppe | Arbeitgeber und -nehmer mit Interesse für Datenmanagement & Analyse |
| Bildungsart | Fortbildung/Qualifizierung |
| Unterrichtsform | Vor-Ort-Teilzeit |
| Voraussetzung | Es sind keine besonderen Vorkenntnisse notwendig. |
| Abschluss | ABSCHLUSS UND ERWERB VON ECTS Sie erhalten nach Abschluss eines Kurses entweder eine Teilnahmebestätigung (ohne Prüfungsleistung) oder ein Zertifikat der Hochschule Aalen mit Note und dem Nachweis des Erwerbs von 5 ECTS*, dass nach einer erfolgreich abgel |
| Präsenzkurs | Dieser Kurs findet ausschließlich als Anwesenheitsveranstaltung statt. |
| mind. Teilnehmerzahl | k. A. |
| max. Teilnehmerzahl | k. A. |
| Dozent | Prof. Dr. Carsten Lanquillon |
| URL des Kurses | Details beim Anbieter |
| Anmelde URL des Kurses | Direkte Anmeldung beim Anbieter |
| spezielles Angebot für Dozenten | Keine Angabe. |
|
Veranstaltungsort
|
Graduate Campus Hochschule Aalen
Beethovenstraße 1 73430 Aalen (Württemberg) |
| Abendkurs | Bildungsgutschein | Förderfähig nach Fachkursprogramm des ESF | Barierrefreier Zugang |
|---|---|---|---|
| Ja | Nein | k. A. | k. A. |
| Beschreibung |
|---|
| KURZBESCHREIBUNG Lernen Sie erweiterte datengetriebene Prognosenmodelle zu entwickeln und in betriebswirtschaftlichen Kontexten praktisch anzuwenden. LERNZIELE Die Teilnehmer lernen... o die Beschreibung typischer methodischer Problemen bei der Datenerhebung. o konzeptionelle Ansätze zur Vermeidung von Verzerrungen bei der Datenerhebung. o in der Programmiersprache R statistische Verfahren zur Identifikation verzerrter Daten anzuwenden. o wesentliche Validierungsmethoden zur Beurteilung der Prognose- und Klassifikationsmodelle zu beschreiben. INHALTE o Einführung in Data Mining, Machine Learning, Predictive Analytics o Lineare und generalisierte Regressionsmodelle o Cluster-Analysen o Support Vector Machines o Entscheidungsbäume o Künstliche neuronale Netze o Meinungs- und Stimmungsanalysen mittels Text Mining o Zeitreihenanalyse und -prognose o Strukturgleichungsmodelle |
| Gelistet in folgenden Rubriken: |
|---|