Big Data Analysis & Data Mining
Modul I: 21.-23. März 2017, Leoben, Modul II: 11.-13. April 2017, Leoben
Veranstaltungsort: Leoben
Seminarzeit:
21.-23. März 2017 (Modul I), 09.00 – 16.00 Uhr
11.-13. April 2017 (Modul II), 09.00 – 16.00 Uhr
Zielgruppe:
Qualitätsmanager und -ingenieure, Six Sigma Green Belts und Black Belts, Produktionsplaner, KVP-Coaches, Verbesserungs-manager, Entwicklungsingenieure, Innovationsmanager, Customer Service
Referent:
Ing. Gernot Freisinger BSc, MA in Kooperation mit unserem Partner für Statistik und Datenanalyse STATCON
Teilnahmegebühren: € 3.750,- exkl. 20% MwSt.
Anmeldung:
successfactory management coaching GmbH
Cosima Horn, marketing@successfactory.cc
Hauptplatz 17, 8700 Leoben
+43 3842/43 0 33-14
Thema
„Industrie 4.0, Internet of Things, und System of Systems sind drei Schlagworte welche zur Zeit heiß diskutiert werden. Was diese drei Begriffe mit sich bringen ist eine immer stärkere Vernetzung von Systemelementen und Systemen und damit werden auch immense Mengen an Daten generiert. Die Analyse dieser Datenberge stellt quer durch alle Branchen und Unternehmensbereichen neue Herausforderungen und es bedarf dazu spezieller statistischer Methoden. Unter Data Mining verstehen wir die Extraktion Wissen aus großen Datenmengen, das bisher unbekannt aber potentiell nützlich ist. Ziel ist es mit systematischer Anwendung statistischer Methoden Querverbindungen, Muster und Trends zu erkennen. Sie erhalten einen Überblick über die gängigsten Tools und Methoden zum Thema Big Data Analysis und Data Mining. Mit Hilfe von praxisnahen Fallbeispielen werden Ihnen die einzelnen Themengebiete spannend und interaktiv nähergebracht. Entdecken und erlernen Sie bei uns die Tools für Data Mining und Big Data Analysis und werden Sie in nur 6 Tagen zum Experten für die Analyse großer Daten-bestände.“
Inhalte des Workshops
Multivariate Datenanalysen: 21.-23. März 2017 – Übersicht über Data Mining Tools und Methoden
Einführung/Grundlagen Statistiksoftware für Big Data Analysis (JMP oder R)
Multivariate Statistik im Vergleich zur univariaten Statistik
Multivariate Varianzanalyse, multiple Vergleiche, MANOVA, Kontraste
Multivariate lineare Modelle, multiple Regression, kanonische Korrelation
Diskriminanzanalyse: kanonisch, linear und quadratisch
Clusteranalyse
Variablenreduktion, Extraktion bedeutender Faktoren, Hauptkomponenten- und Faktorenanalyse
PLS (partial least squares) , erstellen und validieren von Kalibrationsmodellen
Pfaddiagramme und Modellstruktur, latente Variablen aufdecken
Data Mining: 11.-13. April 2017
Kennenlernen der verschiedenen Anwendungen im Bereich Datamining
Clustering (KMEANS, Hierarchisches Clustering)
Hauptkomponentenanalyse
Prognosemodelle (Logistische Regression, Entscheidungsbäume, Neuronale Netze)
Idee der Ensemble-Modelle
Mit dem folgenden Link kommen Sie zur Anmeldungsseite von Successfactory: