Alpha Epsilon Logo
    Dr. Alexander Engelhardt
 engelhardt@alpha-epsilon.de
 0176 5690 6728

Schulungen

Wenn Sie Interesse an einer Schulung im Bereich Data Science haben, sprechen Sie mich einfach an. Ich bringe Sie und Ihre Mitarbeiter gerne auf den neuesten Stand.

Dauer
Die hier aufgeführten Schulungen sind zweitägige Kurse. Für speziell auf Ihre Bedürfnisse zugeschnittene Kurse können Sie mich gerne ansprechen.
Übungen
Die Kurse enthalten Übungen etwa in der Aufteilung 70/30, so dass neu erlernte Techniken direkt angewendet werden können.
Sprache
Alle Schulungen können wahlweise in Deutsch oder Englisch abgehalten werden.
Ort
Alle Kurse können entweder inhouse bei Ihnen, oder (gegen Aufpreis) in einem gebuchten Seminarraum durchgeführt werden.
Anpassbarkeit
Die hier beschriebenen Kursinhalte sind Vorschläge, und können sowohl thematisch, als auch zeitlich (z.B. auf einen oder drei Tage) angepasst werden. Für speziell zugeschnittene Kurse fällt evtl. ein Aufpreis an.
Teilnehmerzahl
Ich empfehle maximal 10-12 Teilnehmer pro Kurs, da sonst in den Übungen nicht mehr auf Einzelne eingegangen werden kann. Bei mehreren Teilnehmern besteht die Möglichkeit, einen zusätzlichen Dozenten in den Kurs aufzunehmen, oder alternativ die Übungen weniger interaktiv zu gestalten.
Zertifikate
Jedem Teilnehmer wird am Ende des Kurses ein Zertifikat ausgestellt.
R-Kurse

R ist eine Statistikumgebung, die in den vergangenen Jahren sowohl in Unternehmen, als auch im akademischen Umfeld zu einer Standardsoftware für moderne statistische Datenanalyse geworden ist. Dank der aktiven Entwicklergemeinde und der Open-Source-Philosophie sind auch hochmoderne Analysemethoden kostenlos verfügbar, wodurch R eine vielseitige und mächtige Programmiersprache ist.

R Grundlagenkurs
Ein zweitägiger Kurs für Einsteiger, die das Analysieren und Visualisieren von Daten mit R erlernen wollen.
Schulungsinhalte »
  • Einführung in den Umgang mit R
  • Installation und Administration
  • Objekte und Sprachelemente von R
  • Datenmanipulation
  • Berechnung statistischer Kennzahlen
  • Häufigkeits- und Kontingenztabellen
  • Grafische Datenanalyse
  • Grundlegende Statistische Hypothesentests
  • Einführung in lineare Regressionsmodelle
Angewandte Datenanalyse mit R
Ein Kurs, der sich auf angewandte Datenanalyse anhand vieler Beispiele und Übungen konzentriert.
Schulungsinhalte »
  • Wiederholung der Grundlagen von R
  • Ein Leitfaden zur professionellen Datenanalyse
  • Fortgeschrittene Datenmanipulation mit dplyr
  • Statistische Hypothesentests
  • Lineare Regression
  • Generalisierte Regression
  • Professionelle Grafiken mit ggplot2
  • Automatische Berichterstellung mit knitr
Machine Learning und Data Mining mit R
Eine Einführung in moderne statistische Verfahren zur Klassifikation und Regression.
Schulungsinhalte »
  • Wiederholung der Grundlagen von R
  • Datenvorbereinigung und Imputation
  • Grundlagen des Machine Learnings
  • Entscheidungsbäume
  • Random Forests
  • Modelltuning
  • Logistische Regression
  • Neuronale Netze
Effizientes Programmieren mit R
Werkzeuge zur automatischen und wiederholten Analyse von Daten.
Schulungsinhalte »
  • Wiederholung der Grundlagen von R
  • Prinzipien eines guten und effizienten Programmierstils
  • Bedingte Codeausführung
  • Schleifen
  • Funktionen schreiben
  • Parallelisierung von Code (via MapReduce-Ansatz)
  • Fehleranalyse / Debugging
  • Laufzeitanalyse
SPSS-Kurse

SPSS ist ein beliebtes Programm für anwendungsorientierte Analysten, da die grafische Umgebung und das strukturierte Menü auch ohne Programmierkenntnisse eine Datenanalyse erlauben.
Um aber eine saubere, nachvollziehbare Analyse zu gewährleisten, ist auch in SPSS das Beherrschen der Syntax essentiell.

Datenanalyse mit SPSS
Ein Kurs, der in die anwendungsorientierte Datenanalyse mit SPSS einführt.
Schulungsinhalte »
  • Einführung in die Syntaxprorammierung
  • Häufigkeitsverteilungen
  • Grafische Darstellung von Daten
  • Zusammenfassen / Aggregieren von Datensätzen
  • Analyse von Zusammenhängen
  • Statistische Hypothesentests
  • ANOVAs
  • Lineare Regressionsanalyse
Programmieren mit SPSS
Eine Einführung in die automatische Datenanalyse mit SPSS.
Schulungsinhalte »
  • Einführung in die Syntaxprogrammierung
  • Grundprinzipien eines guten Programmierstils
  • Datenimport aus Fremdformaten
  • Rekodieren von Variablen
  • Datensätze zusammenführen
  • Fehleranalyse
Methodenkurse

Ein statistisches Verständnis sind für Entscheidungsträger und alle, die mit Daten arbeiten, essentielle Grundkenntnisse. Wir bieten auch Schulungen über die Grundlagen statistischer Theorie an, die diese Grundkenntnisse vermitteln.

Data Science Methodenkurs
Eine Einführung in das komplexe Gebiet der Data Science: Regression und Klassifikation, sowie Machine Learning und statistische Modelle. Der Methodenkurs ist illustriert anhand vieler Beispieldaten, Analysen, und zwei kompletten Fallstudien.
Schulungsinhalte »
  • Was ist Data Science?
  • Statistische Grundlagen: Das Fundament für Machine Learning und statistische Modelle
  • Statistische Modelle
    • Lineare Regression
    • Modellanalyse: Wie man ein gutes Modell erkennt
    • Variablentransformation: log-lineare und polynomiale Modelle
    • Generalisierte Lineare Modelle, z.B. Logit-Regression
    • Generalisierte Additive Modelle
    • Modellwahl und Variablenselektion
  • Machine Learning
    • Übersicht über die Terminologie
    • Machine-Learning-Algorithmen
      • Bäume
      • Random Forests
      • Support Vector Machines (SVMs)
      • Neuronale Netze und Deep Learning
      • Ensemble-Methoden: Bagging, Boosting, und Stacking
    • Modellwahl und -validierung
      • Trainings- und Testdaten
      • Underfitting und Overfitting
      • Gütemaße für Klassifikation: Sensitivität, Spezifizität, ROC-Kurven, AUC
      • Gütemaße für Regression: R2, MSE
      • Kreuzvalidierung
  • Best Practices in der Data Science
  • Case Studies: Ausführliche Fallstudien
Statistik-Theoriekurs
Dieser Kurs vermittelt Grundkenntnisse der Statistik: Deskriptive Analyse, Hypothesentests, und Regression.
Schulungsinhalte »
  • Mathematische Grundlagen
  • Deskriptive Statistik
  • Grafische Darstellungen
  • Zusammenhangsanalyse
  • Wahrscheinlichkeitsrechnung
  • Zufallsvariablen
  • Wahrscheinlichkeitsverteilungen
  • Parameterschätzung und Konfidenzintervalle
  • Hypothesentests
  • Lineare Regression