Kurs im Selbststudium

Big Data Analytics

Angeboten von Prof. Dr. Emmanuel Müller

Beim Laden des Videoplayers ist ein Fehler aufgetreten, oder es dauert lange, bis er initialisiert wird. Sie können versuchen, Ihren Browser-Cache zu leeren. Bitte versuchen Sie es später noch einmal und wenden Sie sich an den Helpdesk, wenn das Problem weiterhin besteht.

In diesem kostenlosen offenen Online-Kurs führen wir Sie in das aktuelle und viel diskutierte Thema Big Data Analytics ein. Der sechswöchige Kurs wird Ihnen verständlich machen, warum Daten der Schatz des 21. Jahrhunderts sind und wie man diesen heben kann. Ob Finanzdienstleister, produzierende Unternehmen, Internet-Dienstleister oder Forschungszentren: In Wirtschaft und Wissenschaft wächst das Interesse, in dem gewaltig anschwellenden Meer an erhobenen und anfallenden Daten diejenigen herauszufischen, die es auf interessante Zusammenhänge hin zu analysieren sowie vernünftig zu strukturieren und zu verknüpfen gilt. So können schneller bessere Erkenntnisse gewonnen, Entscheidungen getroffen und Prognosen erstellt werden. Das Meer an Daten führt dann zu einem Mehr an Wissen!

Im Kurs erfahren Sie, wie bei der Auswertung riesiger Datenmengen sinnvoll vorzugehen ist - angefangen bei modernsten Data Mining-Techniken zum "Schürfen" bislang verborgener oder ungenutzter Informationen über die Aufbereitung bis hin zur Analyse der Daten. Aktuelle Anwendungen und einprägsame Praxisbeispiele machen Sie mit den grundsätzlichen Problemstellungen vertraut. Welche verschiedenen Algorithmen bei der Lösung helfen können, wird ebenfalls diskutiert. Schließlich stellen wir Ihnen noch gängige Methoden vor, mit denen Sie in die Lage versetzt werden, Data-Mining-Lösungen für konkrete Anwendungen zu bewerten.

Seit 3. Januar 2018 im Selbststudium
Kurssprache: Deutsch
Big Data and AI, Expert

Kursinformationen

In diesem kostenlosen offenen Online-Kurs führen wir Sie in das aktuelle und viel diskutierte Thema Big Data Analytics ein. Der sechswöchige Kurs wird Ihnen verständlich machen, warum Daten der Schatz des 21. Jahrhunderts sind und wie man diesen heben kann. Ob Finanzdienstleister, produzierende Unternehmen, Internet-Dienstleister oder Forschungszentren: In Wirtschaft und Wissenschaft wächst das Interesse, in dem gewaltig anschwellenden Meer an erhobenen und anfallenden Daten diejenigen herauszufischen, die es auf interessante Zusammenhänge hin zu analysieren sowie vernünftig zu strukturieren und zu verknüpfen gilt. So können schneller bessere Erkenntnisse gewonnen, Entscheidungen getroffen und Prognosen erstellt werden. Das Meer an Daten führt dann zu einem Mehr an Wissen!

Im Kurs erfahren Sie, wie bei der Auswertung riesiger Datenmengen sinnvoll vorzugehen ist - angefangen bei modernsten Data Mining-Techniken zum "Schürfen" bislang verborgener oder ungenutzter Informationen über die Aufbereitung bis hin zur Analyse der Daten. Aktuelle Anwendungen und einprägsame Praxisbeispiele machen Sie mit den grundsätzlichen Problemstellungen vertraut. Welche verschiedenen Algorithmen bei der Lösung helfen können, wird ebenfalls diskutiert. Schließlich stellen wir Ihnen noch gängige Methoden vor, mit denen Sie in die Lage versetzt werden, Data-Mining-Lösungen für konkrete Anwendungen zu bewerten.

Inhalt:

  1. Einführung
  2. Datenexploration
  3. Statistische Grundlagen
  4. Clustering — unüberwachtes Lernen
  5. Klassifikation — überwachtes Lernen
  6. Frequent Pattern Mining — Suche nach häufigen Mustern
  7. Outlier Mining — Ausreißererkennung
  8. Weiterführende Themen

Eckdaten zum Kurs:

  • Kurssprache: Deutsch (Folien in Englisch)
  • Kursstart: 6. November 2017
  • Kursende: 18. Dezember 2017
  • Kursdauer: 6 Wochen
  • Arbeitsaufwand: 3-6 Stunden pro Woche

Zielgruppen:

  • Alle, die sich für das Thema Big Data Analytics und Knowledge Discovery interessieren
  • Datenanalysten in Unternehmen und Start-ups
  • Mitarbeiter in Vertrieb und Marketing
  • Wissenschaftler, die mit großen Datenmengen arbeiten

Lernmaterial

  • Woche 1

  • Woche 2

  • Woche 3

  • Woche 4

  • Woche 5

  • Woche 6

  • Abschlussprüfung

  • I like, I wish:

    Vielen Dank für Ihr Feedback!

Für diesen Kurs einschreiben

Der Kurs ist kostenlos. Legen Sie sich einfach ein Benutzerkonto auf openHPI an und nehmen Sie am Kurs teil!
Jetzt einschreiben

Lernende

Aktuell
Heute
19.021
Kursende
3. Januar 2018
10.093
Kursstart
6. November 2017
8.118

Bewertungen

Der Kurs wurde mit durchschnittlich 4.03 Sternen bei 87 abgegebenen Stimmen bewertet.

Anforderungen für Leistungsnachweise

  • Das Zertifikat erhält, wer es gebucht hat und den Leistungsnachweis erhalten hat. Mehr Informationen finden Sie in den Richtlinien für das Zertifikat.
  • Den Leistungsnachweis erhält, wer in der Summe aller benoteten Aufgaben mindestens 50% der Höchstpunktzahl erreicht hat.
  • Die Teilnahmebestätigung erhält, wer auf mindestens 50% der Kursunterlagen zugegriffen hat.

Mehr Informationen finden Sie in den Richtlinien für Leistungsnachweise.

Dieser Kurs wird angeboten von

Prof. Dr. Emmanuel Müller

Prof. Dr. Emmanuel Müller leitet das Fachgebiet Knowledge Discovery and Data Mining. Data Mining endet dabei in vielen wissenschaftlichen und wirtschaftlichen Systemen jedoch nicht mit der Ausführung von Algorithmen. Vielmehr möchte man mit Hilfe von Analysetechniken neue, unbekannte und unerwartete Muster aufdecken, aus denen der Mensch entsprechende Entscheidungen ableiten kann. Auf der einen Seite erforschen wir effiziente Algorithmen, welche sowohl mit der Größe als auch mit der Komplexität von Datenbeständen skalieren. Auf der anderen Seite generieren unsere Algorithmen aus Sicht der Anwender leicht zu verifizierendes Wissen.

Das Fachgebiet entwickelt hierzu neue Methoden zur Datenanalyse von großen und komplexen Datenbeständen. Dies beinhaltet unter anderem Methoden zur Selektion von relevanten Attributen in hochdimensionalen Datenbanken, zur Korrelationsanalyse in multivariaten Datenströmen und zur Erkennung homophiler Strukturen in attributierten Graphen. Weitere Forschungsgebiete sind die Analyse von multi-skalen Sensordaten und die interaktive Exploration von heterogenen Informationssystemen, welche in Kooperation mit dem Deutschen GeoForschungsZentrum GFZ erforscht werden.