BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Mittelstand-Digital Zentrum Ilmenau - ECPv6.11.2.1//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-ORIGINAL-URL:https://mdzi.webdevsoftware.net
X-WR-CALDESC:Veranstaltungen für Mittelstand-Digital Zentrum Ilmenau
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:Europe/Berlin
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20220327T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20221030T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Berlin:20220906T150000
DTEND;TZID=Europe/Berlin:20220906T180000
DTSTAMP:20260430T182620
CREATED:20220726T114510Z
LAST-MODIFIED:20220728T084246Z
UID:11074-1662476400-1662487200@mdzi.webdevsoftware.net
SUMMARY:Maschinelles Lernen - Vorhersage von Werten bei Spotify-Daten (Hybrid)
DESCRIPTION:Beim maschinellen Lernen werden Muster und Gesetzmäßigkeiten mithilfe von Algorithmen in Daten gelernt. Derartige statistischen Modelle eignen sich zur Vorhersage von Ereignissen. Die Teilnehmenden erarbeiten praktisch die Erstellung eines Modells zur Regressionsanalyse anhand eines durchgehenden Datenbeispiels (Spotify-Daten). Die Regressionsanalyse gehört zu den statistischen Analyseverfahren. Es werden Beziehungen zwischen einer abhängigen und einer oder mehreren unabhängigen Variablen modelliert. Der Onlinedienst Spotify speichert zu Musikwerken Audio-Eigenschaften\, z.B. Energie und Lautstärke. In der Schulung werden die Teilnehmenden mit dem erstellten Modell Musikstücke untersuchen und Eigenschaften prädiktiv bestimmen. \nAgenda\n\nEinführung zu allgemeinen Aspekten des maschinellen Lernens (10%)\nTutorial zur Erstellung eines Modells zur Vorhersage von Werten bei Spotify-Daten (90%)\n\nHandouts\nFolgende Unterlagen (Folien\, Beispielanwendungen) werden den Teilnehmer:innen zur Verfügung gestellt: \n\nPDF zur „Einführung Maschinelles Lernen“\nCSV-Datei (betriebswirtschaftliche Daten)\nJupyter-Notebook für die Arbeit mit Pandas\n\nVoraussetzungen\n\nGrundkenntnisse in Python 3.x (wünschenswert)\nGrundkenntnisse in Python-Bibliotheken Pandas und numpy\, falls nicht vorhanden\, wird vorher das Training 1 empfohlen\nGrundkenntnisse im Umgang mit Jupyter-Notebook\n\nLernerfolge\nNach der Schulung kennen die Teilnehmenden das von den Trainierenden ausgewählte Regresssions-Modell zur Vorhersage von Werten und können es anwenden. \n  \nRegistrierung\nLink zur Registrierung: https://event.zih.tu-dresden.de/nhr/regression\nDie Registrierung schließt am 26.08.2022. Das NHR-Tutorial ist auf 15 Teilnehmende  (Verhältnis gerne 65% physisch\, 35% online) beschränkt.\nDie Zugangsdaten erhalten Sie kurz vor der Veranstaltung per Email an Ihre registrierte E-Mail-Adresse. \n  \nFür weiteren Fragen steht Ihnen Anja Gerbes (anja.gerbes@tu-dresden.de) zur Verfügung.
URL:https://mdzi.webdevsoftware.net/veranstaltung/maschinelles-lernen-vorhersage-von-werten-bei-spotify-daten-hybrid/
LOCATION:Data Science Forschungszentrum ScaDS.AI Leipzig\, Humboldtstraße 25\, Leipzig\, 04105\, Deutschland
CATEGORIES:KI-Hub
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Berlin:20220831T140000
DTEND;TZID=Europe/Berlin:20220831T180000
DTSTAMP:20260430T182620
CREATED:20220726T113913Z
LAST-MODIFIED:20220728T084315Z
UID:11071-1661954400-1661968800@mdzi.webdevsoftware.net
SUMMARY:Datenanalyse - Datenaufbereitung (Hybrid)
DESCRIPTION:Bei der Datenanalyse werden statistische Methoden systematisch angewendet\, um Zusammenhänge in mitunter sehr großen Datensätzen erkennen und daraus neues Wissen gewinnen zu können. Die in der Regel durchzuführenden Prozessschritte erfordern den Einsatz computergestützter Methoden. Ein relevanter Prozessschritt ist die Datenaufbereitung (Data Preparation)\, um deren Qualität für die anschließende Analyse zu erhöhen. In diesem Training werden anhand eines Beispiel-Datensatzes verschiedene Aspekte der Datenaufbereitung\, sowohl theoretisch betrachtet als auch gemeinsam in einem Jupyter-Notebook praktisch erarbeitet. Betrachtet wird die Restrukturierung und Indexierung der Daten\, der Umgang mit fehlenden Werten und Ausreißern sowie ein abschließender Vergleich der Analyse-Ergebnisse basierend auf verschiedenen Varianten der Vorverarbeitung. \nAgenda\n\nEinführung zu allgemeinen Aspekten der Datenanalyse und dem Prozessschritt der Datenaufbereitung (10%)\nTutorial zur Datenaufbereitung in einem vorbereiteten Jupyter-Notebook an einem Beispiel-Datensatz (90%)\n\nHandouts\nFolgende Unterlagen (Folien\, Beispielanwendungen) werden den Teilnehmer:innen zur Verfügung gestellt: \n\nPDF zur „Einführung Datenanalyse“\nCSV-Datei (betriebswirtschaftliche Daten)\nJupyter-Notebook für die Arbeit mit Pandas\n\nVoraussetzungen\n\nFortgeschrittene Kenntnisse in Python 3.x (wünschenswert)\nGrundkenntnisse in Python-Bibliotheken Pandas und numpy\, falls nicht vorhanden\, wird vorher das PANDAS-Tutorial empfohlen\nGrundkenntnisse im Umgang mit Jupyter-Notebook\n\nLernerfolge\nNach der Schulung kennen die Teilnehmenden die von den Trainierenden ausgewählten theoretischen und praktischen Sprachkonzepte von Python – mit Pandas und numpy – zur Datenvorbereitung. \n  \nRegistrierung\nLink zur Registrierung: https://event.zih.tu-dresden.de/nhr/data-prep\nDie Registrierung schließt am 19.08.2022. Das NHR-Tutorial ist auf 15 Teilnehmende  (Verhältnis gerne 65% physisch\, 35% online) beschränkt.\nDie Zugangsdaten erhalten Sie kurz vor der Veranstaltung per Email an Ihre registrierte E-Mail-Adresse. \n  \nFür weiteren Fragen steht Ihnen Anja Gerbes (anja.gerbes@tu-dresden.de) zur Verfügung.
URL:https://mdzi.webdevsoftware.net/veranstaltung/datenanalyse-datenaufbereitung-hybrid/
LOCATION:Data Science Forschungszentrum ScaDS.AI Leipzig\, Humboldtstraße 25\, Leipzig\, 04105\, Deutschland
CATEGORIES:KI-Hub
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Berlin:20220830T140000
DTEND;TZID=Europe/Berlin:20220830T180000
DTSTAMP:20260430T182620
CREATED:20220726T113528Z
LAST-MODIFIED:20220728T084347Z
UID:11068-1661868000-1661882400@mdzi.webdevsoftware.net
SUMMARY:Datenanalyse - Pandas vs. Excel  (Hybrid)
DESCRIPTION:Der Fokus der Schulung wird auf der Vermittlung von Grundkenntnissen in der Benutzung der Pandas-Bibliothek an einem durchgehenden betriebswirtschaftlichen Datenbeispiel liegen. \nAgenda\n\nEinführung Datenanalyse (Anteil 10%)\nDie Teilnehmenden erarbeiten praktisch an Beispielen die grundlegenden Sprachelemente der Pandas-Bibliothek (Dictionary\, Series\, Dataframe\, etc.) mit Jupyter Notebook (Python-Werkzeug zur Datenverarbeitung)\, (Anteil 30%)\nDatenbeispiel Excel (Anteil 10%): der Trainer zeigt an den Verkaufsdaten eines Beispiel-Webshops ausgewählte Untersuchungsmethoden mit Excel (deskriptive Statistik\, Matrixformel\, Pivot-Tabelle)\nDatenbeispiel Pandas (Anteil 30%): Die Teilnehmenden erarbeiten praktisch die mit Excel gezeigte Datenuntersuchung nun unter Anleitung mit Python- und Pandas-Funktionen mit einem Jupyter Notebook\nAusblick Pandas für Fortgeschrittene\, der Trainer zeigt ausgewählte Methoden (Anteil 10%)\nZusammenfassung und Diskussion (Anteil 10%)\n\nHandouts\nFolgende Unterlagen (Folien\, Beispielanwendungen) werden den Teilnehmer:innen zur Verfügung gestellt: \n\nPDF zur „Einführung Datenanalyse“\nCSV-Datei (betriebswirtschaftliche Daten)\nJupyter-Notebook für die Arbeit mit Pandas\n\nVoraussetzungen\n\nGrundkenntnisse in Python 3.x (nicht zwingend notwendig)\nDies ist eine Anfänger-Schulung! Vorkenntnisse sind nicht zwingend erforderlich!\n\nLernerfolge\nNach der Schulung kennen die Teilnehmenden nicht nur die von den Trainierenden ausgewählten theoretischen und praktischen Sprachkonzepte von Python und Pandas\, sondern sie können diese auch mit gleichwertigen Funktionen in Excel vergleichen. \nRegistrierung\nLink zur Registrierung: https://event.zih.tu-dresden.de/nhr/pandas\nDie Registrierung schließt am 19.08.2022. Das NHR-Tutorial ist auf 15 Teilnehmende  (Verhältnis gerne 65% physisch\, 35% online) beschränkt.\nDie Zugangsdaten erhalten Sie kurz vor der Veranstaltung per Email an Ihre registrierte E-Mail-Adresse. \n  \nFür weiteren Fragen steht Ihnen Anja Gerbes (anja.gerbes@tu-dresden.de) zur Verfügung.
URL:https://mdzi.webdevsoftware.net/veranstaltung/datenanalyse-pandas-vs-excel/
LOCATION:Data Science Forschungszentrum ScaDS.AI Leipzig\, Humboldtstraße 25\, Leipzig\, 04105\, Deutschland
CATEGORIES:KI-Hub
END:VEVENT
END:VCALENDAR