WERDEN SIE DATA SCIENTIST! Schulungen und Zertifizierung für Experten in Unternehmen

Transkript

1 WERDEN SIE DATA SCIENTIST! Schulungen und Zertifizierung für Experten in Unternehmen

2 GRUSSWORT Immer mehr Unternehmen realisieren das Potenzial der heute verfügbaren Datenmengen und beginnen, sich als»data-driven Company«neu zu definieren. Mit prädiktiven Modellen gewinnen sie aus den Daten Prognosen für Entscheidungen und Maßnahmen auf allen Geschäftsebenen. Dazu benötigen sie Teams mit einem besonderen Mix an Kompetenzen. Für diese Teams sind»data Scientists«, die Konzepte und Techniken aus Informatik, Statistik und Mathematik zu nutzen wissen, enorm gefragt. Unsere tägliche Erfahrung in der Beratung von Unternehmen zeigt uns, dass bei der strategischen Einführung von Big Data genau diese Kompetenzen noch an vielen Stellen fehlen und Unterstützung beim Aufbau von Big-Data-Know-how notwendig ist. An diesen Bedarf knüpft unser Schulungsprogramm an: Mit einem modularen Schulungs- und Zertifizierungsangebot richten wir uns an Führungskräfte, die fit für Big Data werden möchten, und an Fachkräfte, die sich kompakt zu Data Scientists weiterbilden und zertifizieren lassen möchten. Business-Developer und Manager profitieren von unserem Schulungsprogramm für die Unternehmensentwicklung etwa für neue Geschäftsmodelle, individualisierte Angebote, smartere Produkte oder die Optimierung von Geschäftsprozessen. Daten-Ingenieure und Information-Security-Analysten lernen, wie man Daten effektiv beschreibt und integriert und wie man dabei Datenschutz- und sicherheit in Big-Data- Umgebungen gewährleisten kann. Daten-Analysten erfahren, wie sie mit maschinellen Lernverfahren prädiktive Modelle entwickeln, um neue Trends in Daten aufzuspüren, Prognosen zu erstellen und Handlungsoptionen abzuleiten. Software-Ingenieure lernen, mit modernen Datenbanken, verteilter Speicherung und hocheffizienten Technologien robuste, skalierbare Lösungen zu entwickeln. Wir freuen uns, wenn Ihnen unser Schulungs- und Zertifizierungsprogramm zusagt, und wünschen Ihnen viel wertvolle neue Erkenntnisse bei der Umsetzung in Ihren Projekten und viel Erfolg für Ihre Karriere als Data-Scientist. Prof. Dr. Stefan Wrobel Sprecher der Fraunhofer- Allianz Big Data Dr. Dirk Hecker Geschäftsführer der Fraunhofer-Allianz Big Data 2

3 DIE FRAUNHOFER-ALLIANZ BIG DATA BIETET IHNEN... BESTE SCHULUNGSBEDINGUNGEN LANGJÄHRIGE PRAXISERFAHRUNG Unsere Data-Scientist-Schulungen werden von erfahrenen Data Scientists durchgeführt. Unsere Experten garantieren Ihnen praxisnahe und gleichzeitig theoretisch fundierte Inhalte, die stets am Puls der Zeit sind. In kleinen Gruppen erhalten Sie eine intensive Betreuung, die es ermöglicht, auf individuelle Fragen einzugehen und spezifische Anwendungsfälle in der Gruppe zu diskutieren. Wir vermitteln Ihnen einen herstellerneutralen Überblick über gängige Tools und Methoden, die Sie in praktischen Übungen direkt erproben und umsetzen. Zentrale Aufgabe der Fraunhofer-Gesellschaft ist die anwendungsorientierte Forschung für Wirtschaft und Gesellschaft. Wir begleiten unsere Kunden aus den unterschiedlichsten Branchen von der ersten Projektidee über die strategische Entwicklung bis hin zur operativen Umsetzung ihrer Big-Data-Vorhaben. So profitieren unsere Schulungsteilnehmer sowohl von unserem fundierten wissenschaftlichen Know-how, als auch von unseren direkten Erfahrungen aus der Unternehmens praxis. Dies schließt wichtige Aspekte wie Datenschutz und -sicherheit im Kontext von Big-Data-Anwendungen ein. UNABHÄNGIGE SPITZENFORSCHUNG Die Fraunhofer-Gesellschaft steht für Spitzenforschung auf höchstem Niveau. Unsere Fraunhofer-Allianz Big Data bündelt die Expertise zahlreicher Institute zur Forschung und Technologieentwicklung im Bereich Big Data. Unsere Institute haben jahrzehntelange Erfahrung in verschiedenen Branchen und wissenschaftliche Expertise in den Bereichen Data Mining, Maschinelles Lernen und Mustererkennung. Diese setzten wir für innovative Entwicklungen in nationalen und internationalen Forschungs- und Entwicklungsprojekten ein. Unsere Mitarbeiterinnen und Mitarbeiter sind Autoren wichtiger wissenschaftlicher Publikationen und haben mit der viel zitierten Innovationspotenzialanalyse»Big Data Perspektiven für Deutschland«2012 eine der ersten grundlegenden Big-Data-Studien für den deutschen Markt herausgebracht INTENSIVE VERNETZUNG Durch eine branchenübergreifende Vernetzung können wir den Teilnehmenden un serer Schulungen ein breites Markt- und Technologiewissen vermitteln. Wir engagieren uns in wichtigen Initiativen und Branchenverbänden, wie dem BITKOM, dem»smart Data Inno vation Lab«, der»networked European Software and Service Initiative«(NESSI) und der»big Data Value Association«(BDVA). 1 1 Bei der Fortbildung kooperieren wir mit der Fraunhofer 1 1 Academy, der Professional School des Europäischen Instituts für Innovation und Technology (EIT Digital) und der»european Data Science Academy«

4 UNSER ANGEBOT IM ÜBERBLICK SCHULUNGSPROGRAMM Unser Schulungsprogramm richtet sich an Experten in Unternehmen, die sich kompakt als Data Scientist weiterqualifizieren möchten. Das Angebot umfasst eine einwöchige Basisschulung und weiterführende Fachschulungen für Spezialisten aus verschiedenen Disziplinen oder Branchen. BASIC DATA SCIENTIST Themen: Business Potentials, Data Engineering, Data Analytics, Big Data Systems, Security & Privacy Die Schulung dauert 4,5 Tage. Sie vermittelt gezielt das Wissen für das Zertifikat»Basic Data Scientist«. Die schriftliche Prüfung findet am 6. Tag statt. METHODENSPEZIFISCHE SCHULUNGEN Dauer: 2-3 Tage BRANCHENSPEZIFISCHE SCHULUNGEN Dauer: 2-3,5 Tage Analysis of Big Data Potentials in Business Data Management and Integration Security and Privacy for Big Data Basic Analytics Visual Analytics Big Data Architecture Big Data Analytics Für folgende Schulungen ist ab Mitte 2016 schrittweise eine Zertifizierung zum Data Scientist mit Spezialisierung möglich: Scientific Data Management for Life Sciences & Health Care Text Analytics in Life Sciences Data Scientist for Smart Energy Systems Weitere branchenspezifische Schulungen: Data Scientist for Smart Buildings Social Media Analytics Multimedia Analytics Beteiligte Fraunhofer-Institute I I Algorithmen und Wissenschaftliches Rechnen, SCAI, Sankt Augustin Angewandte Informationstechnik, FIT, Sankt Augustin Experimentelles Software Engineering, IESE, Kaiserslautern Graphische Datenverarbeitung, IGD, Darmstadt Integrierte Schaltungen, EAS.S, Dresden I I Intelligente Analyse- und Informationssysteme, IAIS, Sankt Augustin Molekularbiologie und Angewandte Ökologie, IME, Aachen Sichere Informationstechnologie, SIT, Darmstadt Techno- und Wirtschaftsmathematik, ITWM, Kaiserslautern 4

5 ZERTIFIZIERUNGSPROGRAMM Die Zertifzierung findet durch das HSI Certification Board, der Personalzertifizierungsstelle des Fraunhofer FIT, statt. Die Zertifikate bescheinigen den Absolventen relevantes, innovatives Praxiswissen und nachgewiesene Kompetenz. Auf der ersten Stufe des dreistufigen Zertifizierungssystems für den Bereich Data Science kann das Zertifikat»Basic Data Scientist«oder alternativ eines der Spezialistenzertifikate erworben werden. Das Basiszertifikat und ein Spezialistenzertifikat, zusammen mit nachgewiesener Praxiserfahrung, führen zur Zertifizierung als»advanced Data Scientist«. Darauf aufbauend kann die Zertifizierung als»senior Data Scientist«durch die Dokumentation und Präsentation eines eigenständig durchgeführten Projekts erworben werden. 3 Senior Level Certified»Senior Data Scientist«kann ein Projekt durchführen Zu erbringende Leistungen I Studienarbeit und Präsentation I Advanced-Zertifikat I Berufserfahrung 2 Advanced Level Certified»Advanced Data Scientist«kann Methoden im Alltag anwenden Zu erbringende Leistungen I Basiszertifikat I Spezialistenzertifikat I Berufserfahrung 1 Foundation Level Certified»Data Scientist Specialized in...«kann Methoden im Spezialgebiet anwenden Certified»Basic Data Scientist«hat Überblickwissen Zu erbringende Leistungen I Erfolgreiche Prüfung zum Basiskurs oder einem Spezialistenkurs I Erfüllung schwerpunktabhängiger Zugangsvoraussetzungen 5

6 SCHULUNG ZUM»BASIC DATA SCIENTIST«MIT ZERTIFIZIERUNG Durch die Schulung zum»basic Data Scientist«erlangen Sie breitgefächertes Wissen, um effizient in Data-Science-Teams zu arbeiten. Sie erfahren, wie Business Developer die Potenziale von Big Data in ihrem Unternehmen erschließen, wie Dateningenieure Daten beschreiben und integrieren, wie Analysten mit maschinellen Lernverfahren Muster und Trends erkennen, und wie Software-Ingenieure mit modernen Datenbanken und verteilten Berechnungsverfahren robuste und skalierbare Big-Data- Systeme entwickeln. All dies unter Berücksichtigung von Datenschutz und -sicherheit. : Potenzialanalyse für Big Data Nutzenanalyse und strategische Ausrichtung Fertigkeiten, Bereitschaft und Qualitätsmanagement Analyse und Visualisierung Infrastrukturen und Kompetenzen : Datenmanagement Einführung Metadatenmmanagement Datenintegration Workflows Tag 3: Datenanalyse Der Prozess der Datenanalyse Datenvorverarbeitung Grundlegende Lernaufgaben Modelle und Modellauswahl Evaluation Am Nachmittag ist Zeit für die Vorbereitung auf die Prüfung für das Zertifikat»Basic Data Scientist«, die am nächsten Vormittag von der Personalzertifizierungsstelle des Fraunhofer FIT durchgeführt wird. Institute Fraunhofer IAIS, FIT, IESE, SIT, IGD Ort Sankt Augustin Teilnahmegebühr Euro inkl. Teilnehmerunterlagen und Prüfungsgebühr Abschluss Zertifikat»Basic Data Scientist«Tag 4: Big-Data-Systeme Eine Referenzarchitektur für Big-Data-Systeme Batch- und Datenstromverarbeitung Werkzeuge zur Big-Data-Analyse Technologiegruppen für Big Data Tag 5: Datenschutz und -sichrheit Ziele und Herausforderungen für Sicherheit und Schutz von Big Data Prinzipien des Datenschutzes 6

7 METHODENSPEZIFISCHE SCHULUNGEN ANALYSIS OF BIG DATA POTENTIALS IN BUSINESS Sie erfahren, wie Business Developer systematisch Anforderungen und Vorteile analysieren können, die mit der Nutzung von Big Data in ihrem Unternehmen verbunden sind und zwar, bevor sie in Big-Data-Werkzeuge und -Beratung investieren. Motivation und Überblick Strategische Aufstellung und Nutzenanalyse Analyse der Fähigkeiten und Bereitschaft Qualitätsmanagement für Big Data Datananalyse Datenvisualisierung Ableitung einer Big-Data-Infrastruktur Big-Data-Kompetenzen Unternehmen, die den Einstieg in Big Data erwägen : Fraunhofer IESE, Kaiserslautern

8 DATA MANAGEMENT AND INTEGRATION SECURITY AND PRIVACY FOR BIG DATA Sie lernen Methoden kennen, um Metadaten effektiv für das Suchen und Finden von Informationen zu nutzen und lösen grundlegende Datenintegrationsprobleme. Praktische Beispiele werden mit»talend Open Studio«bearbeitet. Einführung und Motivation Extraktion von Metadaten aus Dateien I I Vokabulare zur Definition von Metadatenstrukturen Entwicklung von Ontologien für Metadaten Matching von Metadaten Modellierung von Metadaten Operationen zur Datenintegration Datenintegration mit NoSQL-Datenbanken Tag 3 Datenintegration mit Ontologien Integration von Web-Daten Best Practices im Datenmanagement Berücksichtigung von Datenschutz und Datensicherheit Anwender mit datenintensiven Arbeitsprozessen und IT-Fachkräfte aus dem Bereich Daten-Management. Voraussetzungen Diese Schulung sensibilisiert Sie in Bezug auf Sicherheit und Datenschutz und vermittelt Ihnen Grundwissen für die Anwendung von Sicherheitslösungen in Big-Data-Umgebungen. : Datensicherheit Ziele und Einführung Herausforderungen an die Sicherheit Zugriffskontrolle Kryptologische Prinzipien : Datenschutz Privacy by design Datenschutzziele und -gesetze Anonymität und Pseudonymität Methoden zur Verbesserung des Datenschutzes Online Lernen Es werden Selbsttests und Material für selbstständiges Weiterlernen zur Verfügung gestellt. IKT-Experten und Datenanalysten, die Anwendungen zur Verarbeitung großer Mengen digitaler Daten entwerfen und entwickeln. Voraussetzungen Allgemeines Wissen über Big Data und IT und sind separat buchbar Fraunhofer FIT, Sankt Augustin Fraunhofer SIT, Sankt Augustin und Darmstadt 8

9 v v BASIC DATA ANALYTICS VISUAL ANALYTICS Hier lernen Sie wesentliche Grundlagen der modernen Datenanalyse kennen. Für die praktischen Übungen kommt der»rapidminer«zum Einsatz. Die weitergehenden Möglichkeiten der statistischen Programmiersprache»R«werden ebenfalls vorgestellt und eingeübt. Nach der Schulung sind Sie in der Lage, erste eigene Analysefragestellungen zu bearbeiten und den Nutzen von maschinellen Lernverfahren zu bewerten. Data Mining, maschinelles Lernen und Advanced Analytics Datenanalyse nach dem Vorgehensmodell CRISP-DM Datenaufbereitung und -evaluation I I Demonstration eines einfachen Workflows mit RapidMiner Auswahl von Modellen und Attributen Um Firmendaten übersichtlich und verständlich zu präsentieren, ist die Wahl geeigneter Darstellungen von entscheidender Bedeutung. Die grafische Veranschaulichung von Mustern und Trends unterstützt Analysten und Experten dabei, auch komplexe Zusammenhänge visuell schnell zu erfassen und Hypothesen zu entwickeln. Diese können Sie unmittelbar prüfen, indem Sie die maschinellen Verfahren über interaktive Grafiken steuern. Anhand des etablierten»crisp-data-mining-prozesses«werden verschiedene Einsatzszenarien der visuellen Datenanalyse durchgespielt. I I Visualisierung, Visual Analytics und Business Intelligence Grundlagen der Visualisierung Datenanalyse kompakt Klassifikation Regression Clustering Transformation Tag 3 optional Einführung in R Demonstration und Übung eines Workflows in R IAnalysten I I I Software-Entwickler/-Architekten I I Interessierte aus der Forschung Visual Analytics Einführung in»tableau«und Verknüpfung mit R Datenvorverarbeitung und visuelle Exploration mit Tableau Modellierung und visuelles Debugging, Beispiel: Clustering Visuelle Evaluation, Beispiel: Residuenanalyse Analysten Projektleiter Entwickler Voraussetzungen Grundkenntnisse in der Datenanalyse Voraussetzung Grundkenntnisse in Statistik und Programmierung Fraunhofer IAIS mit Fraunhofer IGD, Sankt Augustin Fraunhofer IAIS, Sankt Augustin 9

10 v v BIG DATA ARCHITECTURE BIG DATA ANALYTICS Sie erhalten einen fundierten Überblick über Software- Architek turentwürfe und technische Komponenten. Auf der Basis von Berechnungskonzepten wie»map Reduce«, theoretischen Einsichten wie dem»cap-theorem«sowie nicht-funktionalen Anforderungen wie Echtzeitfähigkeit werden Big-Data-Produkte vorgestellt und eingeordnet. Sie werden in die Lage versetzt, die Einsatzmöglichkeiten von Big-Data-Technologien für verschiedene Szenarien realistisch zu bewerten und mit eigenen Experimenten zu beginnen. I I Einführung Big Data Grundlagen, Begriffe, NoSQL- Datenbanken, CAP-Theorem und Eventual Consistency Lambda-Architektur Batch-Verarbeitung Diese Schulung schließt an die Angebote»Big Data Architecture«und»Data Scientist Basic Analytics«an. Sie lernen Methoden und Tools zur Analyse von Big Data kennen. Nach der Schulung verstehen Sie, wie Analysealgorithmen für eine skalierbare Big-Data-Architektur implementiert werden, und haben Beispiele für Batch- und Streaming-Verarbeitung kennengelernt. Sampling als Ansatz zur Analyse großer Datenmengen I I Analyse großer Datenmengen in existierenden IT- Umgebungen I I Modellentwicklung und -anwendung in Big-Data- Umgebungen Analyse von Datenströmen Echtzeitdatenströme Big Data in Memory mit Spark Big-Data-Technologiegruppen Software-Architekten und -Entwickler, die Big-Data-Anwendungen entwerfen, konfigurieren und den Betrieb steuern. Voraussetzung Grundkenntnisse in Datenbank- und Softwaretechnik K-means und Clustering mit Spark Lineare Regression mit Spark Übungen zur Datenanalyse mit Spark I I Erkennung komplexer Ereignisse für die Betrugserkennung mit Proton Beispiele für kommerzielle Big-Data-Systeme IAnalysten I I I Software-Entwickler/-Architekten Fraunhofer IAIS, Sankt Augustin Voraussetzung Grundkenntnisse in Statistik und Programmierung Fraunhofer IAIS, Sankt Augustin 10

11 BRANCHENSPEZIFISCHE SCHULUNGEN SCIENTIFIC DATA MANAGEMENT FOR LIFE SCIENCES AND HEALTH CARE Erlernen Sie einen nachhaltigen Umgang mit Daten und Dokumenten für einen effizienten Zugriff und eine leichtere Nachvollziehbarkeit Ihrer Arbeit. Hier erfahren Sie in Theorie und Praxis, wie Sie Labordaten richtig organisieren, Metadaten nutzen und verschiedene Softwaretypen für Datenmanagement, Datenintegration und Datenanalyse einsetzen. Einführung und Motivation Extraktion von Metadaten aus Dateien Datenintegration mit Talend, Schemaintegration Prozesse und UML-Aktivitätsdiagramme Metadatenmodellierung, RDF, UML-Klassendiagramme Metadatenstandards, Linked Data, semantische Annotationen NoSQL-Datenbanken und JSON Datenmanagement in MongoDB Tag 3 Datenbereinigung Datenvorverarbeitung Anomalieerkennung Datenvalidierung Visuelle Analytik Fach- und Führungskräfte mit einem Bezug zu Labor- und Experimentaldaten Voraussetzung Der Umgang mit Office-Programmen wird vorausgesetzt, Grundkenntnisse in Statistik und Programmierung sind von Vorteil. Zertifizierung Diese Schulung bereitet auf die Prüfung zum»data Scientist Specialized in Data Management for Life Sciences and Health Care«vor. Fraunhofer FIT mit Fraunhofer IME, Sankt Augustin Tag 4 Explorative Datenanalyse Best Practices Kosten von Datenmanagementsystemen 11

12 TEXT ANALYTICS IN LIFE SCIENCES Freitextliche Information liegt in vielen verschiedenen Formaten und Formen vor. Sie bleibt meist ungenutzt, da die Erschließung aufwändig und rechenintensiv zu sein scheint. In dieser Schulung lernen Sie bereits etablierte Ansätze kennen, um Wissen aus den unstrukturierten Freitexten zu extrahieren, mit anderen Datenquellen zu harmonisieren und gemeinsam auszuwerten. : Tools & Ressourcen Einführung Datentypen und Datenquellen Terminologien und Ontologien Textanalyse-Workflow in Apache UIMA : Erkennung von Entitäten Datenformate Textextraktion Skalierbare Textextraktion Erkennung von Genen und Proteinen Voraussetzung Zertifizierung Diese Schulung bereitet auf die Prüfung zum»data Scientist Specialized in Text Analytics in Life Sciences«vor. Fraunhofer SCAI, Sankt Augustin Tag 3: Textklassifikation Semantische Indexierung Maschinelle Lernverfahren Informationsextraktion Extraktion von Proteinbeziehungen Tag 4: Hands-on Übungen mit UIMA Eingabe von Dokumenten, Termerkennung, Suche und Informationsextraktion 12

13 v v DATA SCIENTIST FOR SMART ENERGY SYSTEMS Um bei volatilen Energiequellen wie Wind und Sonne Stabilität zu garantieren, muss das Stromnetz intelligent gesteuert werden. Die Teilnehmer diskutieren mit erfahrenen Experten diese Herausforderungen an die IKT, lernen Datenquellen zu identifizieren, mit Python zu visualisieren und mit Machine-Learning-Techniken wertvolle Informationen zu extrahieren. Sie bekommen Einblick in aktuelle Big-Data-Technologien und sammeln aktiv Erfahrung mit dem Fraunhofer Big Data Framework»GPI-Space«. : Überblick Wichtige Begriffe und regulatorische Rahmen bedingungen Markttrends und Informationstechnologie Datenquellen Prognosen und Data Science Anwendungen und Beispiele : Hands-On Methoden Datenvisualisierung mit Python Der Analyse-Workflow Vorverarbeitung und statistische Analysen Erkennung von Ausreißern Maschinelle Lernverfahren Online Lernen Es werden Selbsttests und Material für selbstständiges Weiterlernen und Üben zur Verfügung gestellt. ist sind separat buchbar Fachleute aus der Energiewirtschaft sowie IKT-Architekten, Entwickler und Datenanalysten im Bereich Energiewirtschaft. Voraussetzung Basiswissen über das Stromnetz und IT, angeraten sind Grundlagen in Python. Tag 3: Big-Data-Technologien Hadoop, Spark und GPI-Space Hands-On: Apache Spark Datenbanktechnologien, Message Brokers und Cloud Computing Auswahl der passenden Technologien Hands-On: GPI-Space Zertifizierung Diese Schulung bereitet auf die Prüfung zum»data Scientist Specialized in Smart Energy Systems«vor. Fraunhofer ITWM, Kaiserslautern 13

14 v v DATA SCIENTIST FOR SMART BUILDINGS In smarten Gebäuden und Anlagen findet sich eine Vielzahl an Sensoren, die laufend große Mengen von Messungen erzeugen. Diskutieren Sie mit unseren Experten, wie man diese Daten für ein intelligentes Energiemanagement nutzen kann. Sie erfahren, welche Fragestellungen bei Monitoring, Analyse, Simulation und Optimierung auftreten und mit welchen Methoden und Werkzeugen man sie angehen kann. An praktischen Beispielen lernen Sie ebenfalls, wie man Daten und Modelle visualisieren sowie alternative Ergebnisse kommunizieren und qualifiziert bewerten kann. : Data Analysis Datenbereinigung Data Mining Data cleaning: outliers, missing data, corrupted data GNU R, Rapidminer, DesParO Fallstudien und Übungen : Systemmodelierung und Simulation Modellierung des Systemzustands Systemidentifikation Netzwerkmodellierung Simulation Tag 3: Prozess- und Kostenoptimierung Model predictive control Globale Optimierung Pareto-Optimierung Optimierung mit COIN-OR tools, MYNTS & DesParO Online Lernen Es werden Selbsttests und Material für selbstständiges Weiterlernen und Üben zur Verfügung gestellt. ist separat buchbar. Fachleute, die sich mit der Optimierung des Energiemanagements in Gebäuden, Rechenzentren, Produktionsanlagen etc. befassen. Voraussetzung Wissen aus Mathematik, IT, Naturwissenschaften, Ingenieurwesen oder entsprechende praktische Erfahrungen. Fraunhofer SCAI mit Fraunhofer EAS.S, Sankt Augustin 14

15 SOCIAL MEDIA ANALYTICS MULTIMEDIA ANALYTICS Sie erfahren, wie Sie Texte und Multimedia-Inhalte aus sozialen Netzwerken untersuchen können und die Meinungen und Emotionen der Nutzer im Hinblick auf bestimmte Themen, Produkte, Personen oder Firmen automatisch erkennen. Sie lernen die wichtigsten Verfahren der Social Media Analytics aus Anwendersicht kennen. Es werden exemplarische Workflows zur zielgerichteten Analyse von Social-Media-Texten erläutert und Best Practices zur Analyse sozialer Netzwerke vermittelt. Szenarien, Probleme, Aufgaben, aktueller Stand Crawling und Monitoring Repositories und Vorverarbeitung Analyse von kompletten Social-Media-Beiträgen Semantische Ähnlichkeit von Begriffen Erkennung von Namen, Produkten und Firmen Produkt-bezogene Social Media Analyse in der Praxis I I Sales-, Marketing- und Produktmanager Analysten Entwickler Voraussetzungen Mathematische Kenntnisse auf Abiturniveau. Elementare Kenntnisse in Python sind von Vorteil, aber nicht Bedingung. Fraunhofer IAIS, Sankt Augustin Projektleiter und Entwickler, die audiovisuelle Inhalte analysieren oder erschließen wollen, erhalten in diesem Schulungsmodul einen Überblick über die Möglichkeiten der Multimedia- Analyse und einen vertiefenden Einblick in vier exemplarische Verfahren. Sie lernen Einsatzmöglichkeiten der Analyseverfahren kennen und können die Bedingungen einschätzen, unter denen Sie bestmögliche Ergebnisse erzielen. Ausgewählte Beispiele erfolgreicher Anwendungen runden die Schulung ab. Automatische Spracherkennung Deep Neural Networks Optische Zeichenerkennung in Videos Audio-Fingerprinting Sprechererkennung Logo-Erkennung Produkt- und Innovationsmanager Projektleiter und Entwickler I I Interessierte, die Analyseverfahren einsetzen wollen, um mehr aus ihren multimedialen Daten zu machen Voraussetzungen Es sind keine Vorkenntnisse notwendig, mathematisches Wissen, insbesondere in der Stochastik, ist jedoch von Vorteil. Fraunhofer IAIS, Sankt Augustin 15

16 Kontakt und weitere Information Regine Freitag Geschäftsstelle der Fraunhofer-Allianz Big Data Telefon Weitere Information und Online-Anmeldung: 02/2016