03 Infrastruktur für Data Science Projekte
Was genau brauchen Sie für ihr erstes Data Science Projekt? Welche Infrastruktur Sie vor Ort benötigen und was Sie einfach zukaufen können.
03 Infrastruktur für Data Science Projekte
Was genau brauchen Sie für ihr erstes Data Science Projekt? Welche Infrastruktur Sie vor Ort benötigen und was Sie einfach zukaufen können.
Zurück zum Kurs
Kapitel 01
Buzzword-Bingo
-
01
Intro 01:54 -
02
Was künstliche Intelligenz bedeutet 02:06 -
03
Maschinelles Lernen 02:53 -
04
Künstliches neuronales Netz 05:01 -
05
Deep Learning 03:12 -
06
Big Data 03:55 -
07
Internet of Things 03:30 -
08
Predictive Analytics 01:58 -
09
Buzzwords in einem Satz Action Tip -
Zusatzinhalte10
Industrie 4.0 Learn more
Kapitel 02
Erfolg mit datengetriebenen Entscheidungen
-
01
Eine kurze Geschichte der KI 04:57 -
02
Datengetriebene Unternehmen 05:03 -
03
Data-Driven Mindset in Ihrem Unternehmen Put it into Practice -
04
Mythbuster Algorithmik 03:45 -
05
Interview 05:01 -
Zusatzinhalte06
10 Zeichen eines datengetriebenen Unternehmens Learn more -
07
Die Entwicklung der Künstlichen Intelligenz Learn more
Kapitel 03
Es geht los ... Projektstart
-
01
Ablauf von Data Science Projekten 06:33 -
02
CRISP-DM Cycle Action Tip -
03
Infrastruktur für Data Science Projekte 
-
04
Software für Data Science Projekte 04:00 -
05
Projektressourcen im Blick Action Tip -
06
Business Problem 03:26 -
07
Business Understanding Action Tip -
08
Analyserichtungen 04:49 -
09
Die vier Analyserichtungen Put it into Practice -
10
Interview 03:50 -
Zusatzinhalte11
CRISP-DM Handbuch Learn more
Kapitel 04
Best Practices
-
01
Absatzprognosen im Handel 03:23 -
02
Next best offer 03:00 -
03
Dynamic Pricing 03:39 -
04
Predictive Maintenance 03:22 -
05
Soft Sensoren 03:45 -
06
Betrug durch Algorithmen vermeiden 02:52 -
07
An der Börse reich werden mit KI 04:28 -
Zusatzinhalte08
Dynamic Pricing als Wunderwaffe? Learn more -
09
Legal Tech Learn more -
10
Künstliche Intelligenz in der Medizin Learn more
Kapitel 05
Qualität der Datenbasis
-
01
Überwachtes und unüberwachtes Machine Learning 03:53 -
02
Daten für KI Anwendungen 04:24 -
03
Fehler in Daten erkennen 04:34 -
04
Fehler in Daten korrigieren 04:07 -
05
Data Preparation Action Tip -
06
Data Insights 04:31 -
07
Data Understanding Action Tip -
08
Korrelation und Kausalität 03:59 -
09
Auswahl von Eigenschaften 03:27 -
10
Emergenz 04:44 -
11
Fluch der Dimensionalität 05:11 -
12
Interview 03:05 -
Zusatzinhalte13
End of Theory Learn more
Kapitel 06
Methoden des Machine Learnings
-
01
Klassifikation 02:58 -
02
Klassifikationen mit mehreren Kategorien 03:09 -
03
Zeitreihenprognose 03:39 -
04
Regression 02:01 -
05
Clustering 05:05 -
06
Modeling Action Tip -
07
Reinforcement Learning 04:02 -
08
Erklärbare künstliche Intelligenz 04:40 -
Zusatzinhalte09
3rd Wave AI und XAI Learn more -
10
Maschinelles Lernen in Excel Learn more -
11
Spielerisches Reinforcement Learning Learn more
Kapitel 07
Beurteilung als Schlüsselkompetenz
-
01
Beurteilung einer Klassifikation (Wahrheitsmatrix) 04:18 -
02
Wirtschaftliche Bewertung einer Klassifikation 03:54 -
03
Bewerten Sie den wirtschaftlichen Nutzen von Klassifikatoren Put it into Practice -
04
Beurteilung der Regression 05:17 -
05
Beurteilung des Clusterings 05:12 -
06
Kann ich dem Ergebnis vertrauen? 04:59 -
07
Evaluation Action Tip
Kapitel 08
Bereit für künstliche Intelligenz
-
01
Rollen im Unternehmen 04:53 -
02
Rollen und Organisation in Ihrem Unternehmen Put it into Practice -
03
Aufwand der einzelnen Phasen 05:11 -
04
Im Gespräch mit Dienstleistern 04:45 -
05
Beurteilungskompetenz 03:09 -
06
Deployment 04:31 -
07
Erfolgreicher Projektabschluss Action Tip -
08
Interview 02:56 -
09
Outro 00:58 -
10
Ihr Feedback Feedback -
Zusatzinhalte11
Analyzing the Analyzers Learn more