Data Science in R / Data Mining in R Kurs

Machine Learning, Einführung in tidyverse, Data Mining / Data Science mit RStudio

Dieser Kurs erklärt, wie Sie R für Data Science benutzen können. In der Schulung werden die Grundlagen für die Benutzung von R gelegt und Sie lernen mit RStudio und Paketen aus dem tidyverse „Universum“, wie Sie Daten einlesen, modifizieren und analysieren können. Weiterhin werden Machine Learning Algorithmen erläutert und in R umgesetzt. Sie erlernen, Grafiken mit ggplot2 zu erstellen und eigene kleine Funktionen zu schreiben.

Dieser Kurs erklärt, wie Sie R für Data Science benutzen können. In der Schulung werden die Grundlagen für die Benutzung von R gelegt und Sie lernen mit RStudio und Paketen aus dem tidyverse „Universum“, wie Sie Daten einlesen, modifizieren und analysieren können. Weiterhin werden Machine Learning Algorithmen erläutert und in R umgesetzt. Sie erlernen, Grafiken mit ggplot2 zu erstellen und eigene kleine Funktionen zu schreiben.

(*) zzgl. MwSt  (**) inkl. MwSt
Termin (3 Tage) Ort Belegung Preise
Mo 15.07 -
Mi 17.07.24
Live-Online
Zoom Meeting
1.750,00  (*)
2.082,50  (**)
Mo 28.10 -
Mi 30.10.24
Live-Online
Zoom Meeting
1.750,00  (*)
2.082,50  (**)
Inhouse-/Firmenschulung:
Kundenbewertungen & Erfahrungen zu Enable AI. Mehr Infos anzeigen.

Kurs auf einen Blick

Über die Schulung

  • Dauer: 3 Tage
  • Gruppengröße: 3-10
  • Level: Programmiererfahrung in einer anderen Sprache
  • Anteil Coding: 60%
  • Sprache: R
  • Bibliotheken: tidyverse, ggplot2, caret, rpart, stats, randomForest,…
  • Skript: .pdf (Theorie, Aufgaben & Lösungen)

Ihr Trainer für den Kurs

Seminar auf einen Blick

  • Tidyverse und dplyr
  • Statistiken berechnen
  • Eine eigene Funktion schreiben
  • Grafiken mit ggplot2 erstellen
  • Daten einlesen und schreiben (csv, xls, .RData)
  • Machine Learning Einführung
  • Train-Test-Split, Kreuzvalidierung
  • Lineare Regression, Entscheidungsbaum, Random Forest, K-Means

Beschreibung vom Data Mining in R Kurs mit Machine Learning

Der Data Science in R Kurs führt in die Verwendung von R für Data Science/Data Mining ein, erklärt die Grundlagen von datascience und die Verwendung von R. Das notwendige theoretische Verständnis wird geschult mit dem Ziel, die Verfahren praktisch in R umsetzen zu können. Am Ende der Schulung können Sie selbstständig erste Datenanalysen in R mit tidyverse umsetzen und Machine Learning Algorithmen mit R für die Datenanalyse oder das Data Mining mit R einsetzen.

Das Paket tidyverse ist ein Schwerpunkt dieser Schulung, da dieses Paket speziell für Data Science entwickelt wurde und aufgrund seiner Performance überzeugt. Wir behandeln vor allem das Modul dplyr, welches für die Datenmanipulation hilfreich ist. Die Datenstruktur der tibbles aus tidyverse entsprechen den häufig in der statistischen Programmiersprache R verwendeten data.frames und ermöglichen eine elegante Analyse der Daten.

Das Paket ggplot2 wird für die Erstellung von Plots und Grafiken erläutert. ggplot2 ist eines der beliebtesten Pakete in R für die Visualisierung.

Nach den Grundlagen der Datenanalyse mit R erhalten Sie einen Überblick über Algorithmen im Machine Learning in R, welche wir mit den entsprechenden Paketen aus R umsetzen werden. Ein wichtiger Bestandteil der Data Mining Schulung ist das eigenständige Arbeiten und Lösen von Übungsaufgaben, so dass Sie mit Hilfe des Trainers das Besprochene direkt in der Praxis umsetzen und anwenden können.

Der Data Science in R Kurs führt in die Verwendung von R für Data Science/Data Mining ein, erklärt die Grundlagen von datascience und die Verwendung von R. Das notwendige theoretische Verständnis wird geschult mit dem Ziel, die Verfahren praktisch in R umsetzen zu können. Am Ende der Schulung können Sie selbstständig erste Datenanalysen in R mit tidyverse umsetzen und Machine Learning Algorithmen mit R für die Datenanalyse oder das Data Mining mit R einsetzen.

Das Paket tidyverse ist ein Schwerpunkt dieser Schulung, da dieses Paket speziell für Data Science entwickelt wurde und aufgrund seiner Performance überzeugt. Wir behandeln vor allem das Modul dplyr, welches für die Datenmanipulation hilfreich ist. Die Datenstruktur der tibbles aus tidyverse entsprechen den häufig in der statistischen Programmiersprache R verwendeten data.frames und ermöglichen eine elegante Analyse der Daten.

Das Paket ggplot2 wird für die Erstellung von Plots und Grafiken erläutert. ggplot2 ist eines der beliebtesten Pakete in R für die Visualisierung.

Nach den Grundlagen der Datenanalyse mit R erhalten Sie einen Überblick über Algorithmen im Machine Learning in R, welche wir mit den entsprechenden Paketen aus R umsetzen werden. Ein wichtiger Bestandteil der Data Mining Schulung ist das eigenständige Arbeiten und Lösen von Übungsaufgaben, so dass Sie mit Hilfe des Trainers das Besprochene direkt in der Praxis umsetzen und anwenden können.

Inhalte - Data Science in R und Machine Learning Kurs

In diesem Kurs erhalten Sie einen Überblick über die in der Statistik, Data Science und Machine Learning viel benutzte Programmiersprache R. Als Entwicklungsumgebung/IDE wird RStudio verwendet, die am Meisten verwendete Umgebung für R. Nach dem Seminar können Sie Daten aus verschiedenen Formaten einlesen, Daten mit ggplot2 plotten bzw. Daten mit dpylr aus tidyverse bereinigen (fehlende Werte ersetzen, Zeilen und Spalten anpassen, neue Spalten erzeugen).

Sie können eigene einfache Funktionen schreiben und kennen die Umsetzung von Control Flows (For-Schleife, If-Else) in R. Sie verstehen das Grundkonzept tidyverse/dplyr und können damit Data Wrangling und Data Cleaning durchführen.

Die Einteilung von Machine Learning in supervised-unsupervised und Reinforcement Learning wird vorgestellt und Sie können eigenständig Algorithmen in R trainieren, validieren, einen Train-Test Split durchführen und Gütekriterien zur Beurteilung eines Algorithmus berechnen und interpretieren. Bekannte Algorithmen im Machine Learning werden erläutert und Sie können die verschiedenen Algorithmen verstehen und in R im Code schreiben. Das Seminar umfasst Algorithmen für die Regression, Klassifikation und dem Clustering: Lineare Regression, Logistische Regression, Entscheidungsbaum, Random Forest, k-means clustering.

Nach der Data Science und Machine Learning Schulung ist die Einstiegshürde für die Benutzung von R im Machine Learning und Data Science genommen, so dass Sie eigenständig Ihr Wissen erweitern können. Der Schwerpunkt im Kurs liegt auf der eigenen Umsetzung in RStudio mit Unterstützung des Dozenten.

In diesem Kurs erhalten Sie einen Überblick über die in der Statistik, Data Science und Machine Learning viel benutzte Programmiersprache R. Als Entwicklungsumgebung/IDE wird RStudio verwendet, die am Meisten verwendete Umgebung für R. Nach dem Seminar können Sie Daten aus verschiedenen Formaten einlesen, Daten mit ggplot2 plotten bzw. Daten mit dpylr aus tidyverse bereinigen (fehlende Werte ersetzen, Zeilen und Spalten anpassen, neue Spalten erzeugen).

Sie können eigene einfache Funktionen schreiben und kennen die Umsetzung von Control Flows (For-Schleife, If-Else) in R. Sie verstehen das Grundkonzept tidyverse/dplyr und können damit Data Wrangling und Data Cleaning durchführen.

Die Einteilung von Machine Learning in supervised-unsupervised und Reinforcement Learning wird vorgestellt und Sie können eigenständig Algorithmen in R trainieren, validieren, einen Train-Test Split durchführen und Gütekriterien zur Beurteilung eines Algorithmus berechnen und interpretieren. Bekannte Algorithmen im Machine Learning werden erläutert und Sie können die verschiedenen Algorithmen verstehen und in R im Code schreiben. Das Seminar umfasst Algorithmen für die Regression, Klassifikation und dem Clustering: Lineare Regression, Logistische Regression, Entscheidungsbaum, Random Forest, k-means clustering.

Nach der Data Science und Machine Learning Schulung ist die Einstiegshürde für die Benutzung von R im Machine Learning und Data Science genommen, so dass Sie eigenständig Ihr Wissen erweitern können. Der Schwerpunkt im Kurs liegt auf der eigenen Umsetzung in RStudio mit Unterstützung des Dozenten.

Rezensionen auf Google
Ilias Seifie
Weiterlesen
Ich habe an einem einwöchigen Kurs über Deep Learning teilgenommen. Die Kursmaterialien sind sehr gut und vollständig ausgearbeitet. Außerdem haben das Skript und auch der Kurs insgesamt eine sehr gute Struktur. Der Tutor ist sehr engagiert …
Aylin Keskin
Weiterlesen
Super Seminar ! (...) Die Inhalte waren sehr gut gegliedert und wurden absolut verständlich vermittelt. Insgesamt hat die Kombination aus theoretischen Inhalten und praktischen Übungen ein ganzheitliches Verständnis ermöglicht ...
Marvin
Weiterlesen
Sehr gutes Verhältnis aus Information und Zeit, sehr gute persönliche Ansprache, sehr angenehmer Vortrag ohne viel Bla-Bla. Insgesamt absolut zufrieden.
Martin Schlederer
Weiterlesen
Sehr hilfreicher Kurs um die praktischen basics von Künstlicher Intelligenz und neuronalen Netzwerken zu lernen. Theorie und Praxis in schneller Abwechslung um die gelernten Konzepte umzusetzen und zu üben ...
Alicia S.
Weiterlesen
Ein toller Kurs, durchgeführt mit geballter Expertise und einer Engelsgeduld bei der Beantwortung von Fragen und Behebung von Problemen. Ich habe in diesen drei Tagen enorm viel gelernt, ...
Voriger
Nächster
Kursinhalte

Organisatorisches

FAQ
Tag 1
Tag 2
Tag 3
09:00 – 09:15
Begrüßung und Organisatorisches
  • Vorstellungsrunde
  • Erwartungen der Teilnehmer
09:15 – 10:45
Einführung in R
  • R und RStudio
  • Installation und Laden von Paketen
  • Wie finde ich weiterführende Informationen?
10:45 – 11:00
Kaffeepause
11:00 – 12:30
dplyr (tidyverse) – Einführung
  • Überblick über das Tidyverse Universum
  • Ein Tibble – die Erweiterung eines data.frames
  • Erste Funktionen mit dplyr zur Auswahl von Spalten
  • select(), filter(), rename(), slice()
  • Logische Operatoren
12:30 – 13:30
Mittagspause
13:30 - 15:00
Datenmanipulation mit dplyr
  • Zeilen sortieren – arrange()
  • Neue Spalten berechnen – mutate()
  • Eine Statistik berechnen – summarise()
  • Der Pipe Operator %>%
  • Analysen gruppieren – group_by()
  • Umgang mit fehlenden Werten – drop_na(), replace_na()
15:00 – 15:15
Kaffeepause
15:15 – 17:00
Berechnen von Statistiken mit dplyr
  • Wichtigste deskriptive Statistiken
  • Korrelationen (Spearman, Pearson)
  • Kontingenztabellen
09:00 – 09:15
Rückblick und offene Fragen von Tag 1
09:15 – 10:45
Control Flows
  • Eine eigene Funktion schreiben
  • Default Parameter in einer Funktion setzen
  • For Schleifen
  • If-Else Bedingungen
10:45 – 11:00
Kaffeepause
11:00 – 12:30
Datenvisualisierung mit ggplot2
  • Das Konzept hinter der Grammar of Graphics
  • Die Layer von ggplot2 zur Erstellung erster Plots und zum Plotten von Statistiken
  • Darstellungen (Größe der Datenpunkte, Farbe, Gruppierung) mit einer Variable variieren oder festsetzen
  • Mehrere Subplots erstellen, Plots anpassen und speichern
12:30 – 13:30
Mittagspause
13:30 - 15:00
Daten einlesen und schreiben
  • Das Arbeitsverzeichnis in R und RStudio setzen
  • Ein CSV, Excel bzw SPSS Datei einlesen / schreiben
  • Überblick über nützliche Parameter
  • Die fread() Funktion für große Datenmengen
15:00 – 15:15
Kaffeepause
15:15 – 17:00
Überblick über Machine Learning
  • Einführung in Machine Learning
  • Anwendungsbeispiele von Machine Learning
  • Künstliche Intelligenz – Machine Learning – Deep Learning
  • Unterschied Supervised – Unsupervised Learning (überwachtes – unüberwachtes Lernen)
  • Overfitting, Train-Test-Split und cross-validation (Kreuzvalidierung)
09:00 – 09:15
Rückblick und offene Fragen von Tag 2
09:15 – 10:45
Lineare Regression
  • Aufteilung der Daten in Test-Train, ein Model erstellen und validieren
  • Grundlagen des Algorithmus
  • Umsetzung in R
  • Validieren der Ergebnisse (mean squared error)
10:45 – 11:00
Kaffeepause
11:00 – 12:30
Entscheidungsbaum in R
  • Aufteilung der Daten in Test-Train, ein Model erstellen und validieren
  • Grundlagen des Algorithmus
  • Umsetzung in R
  • Validieren der Ergebnisse (u.a. confusion matrix, sensitivity, accuracy)
  • Anpassen von Hyperparametern im Training
12:30 – 13:30
Mittagspause
13:30 – 15:00
Weitere Machine Learning Algorithmen in R
  • Überblick der Algorithmen Random Forest und K-means
  • Umsetzung der Algorithmen in R
  • Validieren der Ergebnisse
15:00 – 15:15
Kaffeepause
15:15 – 17:00
(Optional) Logistische Regression in R
  • Aufteilung der Daten in Test-Train, ein Model erstellen und validieren
  • Grundlagen des Algorithmus
  • Umsetzung in R
  • Validieren der Ergebnisse (u.a. AIC; BIC; confusion matrix, sensitivity, accuracy)
  • ROC curve und AUC
  • Interpretation der Ergebnisse

Zielgruppe der Data Science/Data Mining mit R Schulun

Dieses Seminar für Data Science und Datenanalyse mit R richtet sich an Personen, die in ihrem Unternehmen als data scientists, Machine Learning engineers oder Data Analysts, o.ä. tätig sind bzw. tätig werden. Der Einsatz von Machine Learning Algorithmen ist bei den Teilnehmern auch geplant.

Voraussetzungen für den Data Science in R Kurs

Diese Schulung, um R für Data Mining und Machine Learning einzusetzen, benötigt keine Vorkenntnisse in R. Jedoch sind grundlegende Kenntnisse einer anderen Programmiersprache nötig, da wir in R Variablen anlegen, diesen Werte zuweisen und eigene Funktionen oder for-Schleifen schreiben.

Statistische Grundlagen sind auch notwendig. Teilnehmer sollten folgende Begriffe kennen: Mittelwert, Standardabweichung, Median, Normalverteilung. Auch das Summenzeichen, das Integral oder eine mathematische Funktion sollte bekannt sein. Sehr hilfreich ist Kenntnis der drei logischen Operatoren UND, ODER, NICHT.

Da wir Daten mit R analysieren, sollten die Teilnehmer bereits mit Daten in Excel oder einer BI-Software gearbeitet haben, denn wir berechnen bspw. spaltenweise einfache Statistiken wie den Mittelwert oder die Varianz.

Die Dokumentation und weiterführende Einträge über R sind im Internet meist auf Englisch. Daher werden die Folien dieses Kurses auf Englisch sein. Das Seminar selbst wird auf Deutsch gehalten.

Didaktischer Aufbau des Datenanalyse Seminars

In dieser Data Mining Schulung steht die Praxis im Vordergrund. Teilnehmer programmieren selbstständig mit RStudio, so dass sie das Erlernte einüben können und Unklarheiten sofort geklärt werden können. Der Trainer unterstützt bei den Lösungen und hilft auch weiterführende Fragestellungen zu beantworten.

Technik im datascience mit R Seminar

  • Die Teilnehmer benötigen für die Übungsaufgaben Laptops. Wir empfehlen, Ihren eigenen Laptop mit der vorab installierten Software mitzubringen. Eine genaue Installationsanleitung für die Software wird Ihnen vor dem Seminar per E-mail zugesandt.
  • Bitte prüfen Sie, ob Ihr Firmenlaptop Zugangsbeschränkungen im Internet hat. Die digitalen Unterlagen (Skript, Code, Dateien) werden im Seminar online zum Download zur Verfügung gestellt. Sie erhalten vor dem Seminar per E-Mail den Link zu einer Testdatei zum Download, um dies überprüfen zu können.
  • Sie sollten sich in firmenfremde WLAN-Netze registrieren können.
  • Als Backup Lösung ist es möglich, dass der USB Port bei Ihrem Laptop freigeschalten ist, um damit verwendete Dateien oder sonstige Unterlagen übertragen zu können.
  • In der Schulung wird das Betriebssystem Windows verwendet. Der Umgang mit Ihrem verwendeten Betriebssystem und Laptop sollte bekannt sein. Insbesondere sollten Sie ohne Schwierigkeiten Sonderzeichen auf der Tastatur finden (insbesondere bei Apple Geräten werden auf manchen Tastaturen nicht immer runde, eckige bzw. geschweifte Klammern dargestellt).
Gibt es ein Buch, welches den datascience in R Kurs ergänzt?

Für das Seminar ist folgendes Buch als Ergänzung hilfreich:

Hadley Wickham: R for Data Science.

Grundsätzlich wird alles Wissen und Codebeispiele im Kurs so erklärt, dass es nicht nötig ist vor dem Kurs ein Buch zu lesen. Sie sollten lediglich darauf achten, dass Sie die Voraussetzungen (siehe Reiter Organisatorisches –> Voraussetzungen) erfüllen.

In welchen Städten wird das Data Mining mit R Seminar angeboten?

Wir bieten den Kurs in folgender Stadt an: Stuttgart, München, Nürnberg, Frankfurt, Hamburg, Berlin. Falls Sie die Schulung gerne in einer anderen Stadt oder direkt bei Ihnen im Unternehmen besuchen möchten, kontaktieren Sie uns gerne.

Ich möchte gerne viel coden und hands-on Lernen. Ist das der richtige Kurs?

Definitiv. Sie werden sich im Kurs wohlfühlen. Die erste Lektion schafft die Grundlagen und sie können den Editor gleich selbst ausprobieren. Ab der zweiten Lektion ist mindestens die Hälfte der Zeit zum selbstständigen Üben, so dass Sie das Besprochene direkt coden können und selbst erkennen, wo noch Fragen bestehen, die Sie mit dem Dozenten direkt besprechen können.

Welche Lernmethoden werden verwendet?

Im Seminar enthält jeder Block (meist über etwa 90 Minuten) eine oder mehrere Theorie- und Praxiseinheiten. Die Theorieeinheit dient dazu, Ihnen das nötige Wissen zu vermitteln, um die Übungsaufgaben zu verstehen und selbstständig lösen zu können. Wir verzichten auf langatmige, wissenschaftliche Theorieeinheiten und konzentrieren uns auf den theoretischen Stoff der zu einem besseren Verständnis beiträgt. Der Fokus liegt auf der Praxis, d.h. dem Codeschreiben und Lösen von kleinen Verständnisaufgaben zum Lernstoff. Fragen von Teilnehmern sind jederzeit möglich. Während der Praxiseinheit werden die Fragen individuell vom Dozenten beantwortet. Fragen von allgemeinem Interesse werden allen Teilnehmern erklärt. Die Folien, welche die Theorie und weitere Erklärungen vom Code enthalten erhalten Sie als pdf und in gedruckter Version. Codebeispiele und die Musterlösung der Übungsaufgaben liegen digital vor.

Wie sehen die Übungen für die Teilnehmer aus?

Die Übungen bestehen hauptsächlich aus Coding Aufgaben, d.h. Sie schreiben entweder kurze Codebeispiele oder Sie werden gefragt, Codelücken in einem bestehenden Code zu ergänzen. Letzteres schult auch das Codeverstehen. Die Aufgaben sind so gewählt, dass die wichtigen Aufgaben von allen Teilnehmern in der verfügbaren Zeit gelöst werden können. Wir haben Coding Aufgaben unterschiedlichen Schwierigkeitsgrades vorbereitet, so dass schnellere Teilnehmer oder Teilnehmer mit Vorwissen zusätzlich an weiteren Aufgaben üben können. Desweiteren gibt es für manche Kapitel kurze Kontrollfragen zum Theorieteil.

Data Science R Kurs im Detail
YouTube

Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren

Video laden

Bildungsschecks
Bildungsscheck Nordrhein Westfalen
Bildungsprämie
Wir akzeptieren den Bildungsscheck NRW und die Bildungsprämie.
Warum bei Enable AI buchen
Leistungen im Kurs
Durchführungsgarantie

Online ab 2 Teilnehmer und in Präsenz ab 3 Teilnehmer führen wir ein Seminar durch, so dass Sie auch bei kleinerer Gruppengröße intensiv lernen können und Ihren Lernerfolg erzielen können.

Zufriedenheitsgarantie

Sollten Sie in einem mehrtägigen Seminar bis zum Ende des ersten Seminartags merken, dass dieses Seminar nicht Ihren Erwartungen entspricht, sprechen Sie bitte mit dem Kursleiter am ersten Seminartag und es wird Ihnen die volle Kursgebühr inkl. Anreise (30 cent / km bzw. Bahnfahrt 2. Klasse) erstattet. Ohne Wenn und Aber.

Wissensgarantie

Falls Ihr(e) MitarbeiterIn unerwarteterweise innerhalb eines halben Jahres nach dem Besuchen eines Kurses für mehr als 6 Monate (Krankheit, Elternzeit, Sabbatical,...) ihr Unternehmen verlässt, darf kostenlos ein Kollege innerhalb eines Jahres ab dem Verlassen des Kollegens ein stattfindendes Seminar mit demselben Inhalt besuchen.

Hands-on Schulungen

Die Kurse sind hands-on Trainings, mit vielen Coding Übungen (inkl. digitalen Musterlösungen). Denn durch praktische Beispiele lernt man am meisten.

Individuelle Schulungen

Wenn es im Interessen der Schulungsgruppe ist, ändert der Trainer das Seminar nach Ihren Wünschen ab bzw. integriert Ihre Daten nach Rücksprache in den Kurs.

Aktualisierte Schulungen

Sollten Sie eine Schulung zweimal besuchen, wird diese nicht identisch sein. Ihr Feedback wird berücksichtigt und die Schulungen werden an die aktuelle Themen in Forschung und Entwicklung angepasst.

Trainer aus der Praxis

Die Trainer, die in exklusiver Kooperation mit Enable AI zusammen arbeiten, kommen alle aus der Praxis und vermitteln praxisnahes, aktuelles Wissen auf leicht verständliche Art und Weise mit dem Ziel, dass Sie in Ihrer Arbeit das Wissen direkt anwenden können.

Kleine Gruppen

Garantierte maximale Gruppengröße von 10 Teilnehmern. Im Durchschnitt besuchen 3-6 Teilnehmer einen Kurs.

Fundiertes Wissen

Vor der Zusammenarbeit werden unsere Trainer geprüft. Alle besitzen fundierte Kenntnisse, u.a. durch Studium, Promotion und Berufserfahrung in den Bereichen Mathematik, Informatik, Statistik und Machine/Deep Learning.

Ihr Trainer für den Kurs

Jan Köhler

Vom Hintergrund Statistiker und Wirtschaftsingenieur arbeitet er seit fast 10 Jahren mit den neuesten Technologien im Machine Learning, Deep Learning und Data Science.

In der Industrie hat er bei verschiedenen Projekten Machine Learning und Deep Learning in der Praxis umgesetzt und eigene Ideen in über 25 Patentanmeldungen eingebracht.

Er forscht im Bereich Deep Learning und hat wissenschaftliche Veröffentlichungen, u.a. in den Bereichen Medizinstatistik, Operations Research und Deep Learning. Seine fundierte Praxiserfahrung und die Mitarbeit in zahlreichen Data Mining Projekten ermöglicht seinen Schulungsteilnehmer auch für ihre Anwendungen aus seinen Kursen viel mitzunehmen.

Haben Sie noch Fragen

Jan Köhler - Gründer von Enable AI

  • Fragen zum Inhalt des Seminars?
  • Sind Sie sich unsicher, ob der Kurs Sie weder über- noch unterfordert?
  • Fragen, ob Sie das Wissen aus dem Kurs für Ihre tägliche Arbeit anwenden können?
  • weitere generelle Fragen zur Schulung?
  • einen Terminwunsch?

Rufen Sie uns an oder schreiben Sie uns eine Email

0711-96 88 15 53
info@enable-ai.de

Gerne können Sie auch direkt einen Termin mit uns vereinbaren oder eine Nachricht schreiben.

Inhouseschulung / Firmenschulung

Sie suchen einen Data Science/Data Mining Intensivkurs mit Machine Learning in der Programmiersprache R als Firmen-Weiterbildung bzw. inhouse Schulung. Der Inhalt der Schulung kann individuell angepasst werden. In Abstimmung mit dem Dozenten können Sie Schwerpunkte der Firmen-Schulung setzen, Inhalte aus der offenen Schulung streichen und weitere Inhalte hinzufügen.

Vereinbaren Sie einen Termin für ein kostenloses Beratungsgespräch.

Die Firmen-Trainings des Data Mining R Kurses können Live-Online oder bei Ihnen vor Ort gehalten werden. Zudem können Sie auch in München, Stuttgart, Berlin, Hannover, Köln, Hamburg, Düsseldorf, Frankfurt, Dortmund, Münster, Essen, Bonn, Dresden, Leipzig, Bremen, Duisburg, Bochum, Wuppertal, Bielefeld, Mannheim, Freiburg, Brauschweig, Kiel oder Karlsruhe stattfinden.

Thematisch ähnliche
Schulungen
Auswahl ähnlicher Kurse wie der R Data Science Kurs
DSPy – Data Science Kurs Python

Kompakter Einstieg in die Programmiersprache Python für Datenanalyse und Data Science. Erläuterung der Grundlagen von Python, dem pandas DataFrame, Plotten und Einführung in das Maschinelle Lernen. Erste Machine Learning Algorithmen (Regression, Entscheidungsbaum, K-Means Clustering). Verwendete Pakete: pandas, matplotlib, seaborn, scikit-learn.

MLPy – Machine Learning Kurs

Aufbauend auf Python Grundkenntnissen, werden supervised und unsupervised Machine Learning Algorithmen in scikit-learn und die wichtigsten Schritte beim Trainieren der Algorithmen behandelt. Folgende Algorithmen werden erläutert: Lineare & Logistische Regression, Entscheidungsbaum, Ensembles, Neuronales Netz (MLP), K-Nearest Neighbor, K-means, DBSCAN Clustering.

DSBoot – Data Science Bootcamp Weiterbildung

Sie erlernen einen umfassenden Einstieg in die Programmiersprache Python mit Fokus auf Data Science und Machine Learning. Nach dem Seminar sind sie fähig einfache Datenanalysen in Ihrem Unternehmen durchzuführen und ihre erworbende Kenntnisse selbständig zu vertiefen. U.a. folgende Python Pakete werden erläutert: pandas, numpy, matplotlib, seaborn, scikit-learn, statsmodels.

Risikofrei Buchen

Rücktritt bei Nichtgefallen

Sollten Sie in einem mehrtägigen Seminar bis zum Ende des ersten Seminartags merken, dass dieses Seminar nicht Ihren Erwartungen entspricht, sprechen Sie bitte mit dem Kursleiter am ersten Seminartag und es wird Ihnen die volle Kursgebühr inkl. Anreise (30 cent / km bzw. Bahnfahrt 2. Klasse) erstattet. Ohne Wenn und Aber.

Stornierung

Sie können eine Bestellung kostenlos bis 14 Tage vor Beginn der Schulung stornieren.

Bis 7 Tage vor Kursbegin fallen 50% Stornokosten zzgl. MwSt an.

Weniger als 7 Tage vor Kursbegin ist die gesamte Seminargebühr zzgl. MwSt zu zahlen.

Anfallende Stornokosten werden Ihnen bei Umbuchung auf einen anderen Termin oder auf ein anderes Seminar verrechnet.

Sie können einen Ersatzteilnehmer für Ihr gebuchtes Seminar zum gebuchten Termin benennen. In diesem Falle verändern wir Ihre Buchung kostenfrei und tragen den Ersatzteilnehmer ein.

Sie haben bei Stornierung zudem auch die Möglichkeit einen anderen Termin, an dem das Seminar bereits stattfindet (d.h. die Mindestteilnehmerzahl ist erreicht), oder ein anderes Seminar (das aufgrund der Buchungslage bereits stattfindet) kostenfrei bzw. nach Bezahlung des Differenzbetrages, teilzunehmen. Ist das gewählte Seminar preisgünstiger, erstatten wir Ihnen den Differenzbetrag nach Teilnahme am Seminar zurück. Diese Möglichkeit erfolgt aus Kulanz ohne Anerkennung einer Rechtspflicht.

Falls die Buchungslage es ermöglicht, können wir einen Ersatzteilnehmer aus der Warteliste benennen. In diesem Fall ist Ihre Stornierung kostenfrei. Dies ist jedoch nicht garantiert und erfolgt aus Kulanz ohne Anerkennung einer Rechtspflicht.

Schulungsort Live Online

Für unsere Live Online Schulungen verwenden wir die Software Zoom.

Durch die Möglichkeiten die Teilnehmer in Breakout Räumen aufzuteilen und auf die Bildschirme der einzelnen Teilnehmer zu schauen, ist es für uns möglich, Sie auch in einem Live Online Seminar individuell zu betreuen.

Etwa eine Wochen vor Beginn der Schulung erhalten Sie von uns den Zugangslink zu Zoom per Email zugesandt.

Schulungsraum in München

Die Seminarräume in München befinden sich 900m von der S-Bahn Haltestelle Donnersbergerbrücke. Von dort sind es 6 min bis zum Hauptbahnhof München.

Adresse Seminarraum München

Regus
Landsberger Straße 155
80687 München