Post on 06-Mar-2018
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 Ge-
schäftsebenen. 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 strate-
gischen 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.
I Business-Developer und Manager profitieren von unserem Schulungsprogramm für die Unter-
nehmensentwicklung – etwa für neue Geschäftsmodelle, individualisierte Angebote, smartere
Produkte oder die Optimierung von Geschäftsprozessen.
I 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.
I Daten-Analysten erfahren, wie sie mit maschinellen Lernverfahren prädiktive Modelle
entwickeln, um neue Trends in Daten aufzuspüren, Prognosen zu erstellen und Handlungs-
optionen abzuleiten.
I Software-Ingenieure lernen, mit modernen Datenbanken, verteilter Speicherung und hoch-
effizienten 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.
Dr. Dirk Hecker
Geschäftsführer der
Fraunhofer-Allianz Big Data
Prof. Dr. Stefan Wrobel
Sprecher der
Fraunhofer-Allianz Big Data
2
DIE FRAUNHOFER-ALLIANZ BIG DATA BIETET IHNEN...
BESTE SCHULUNGSBEDINGUNGEN
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 Anwen-
dungsfälle 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.
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 – Perspek-
tiven für Deutschland« 2012 eine der ersten grundlegenden
Big-Data-Studien für den deutschen Markt herausgebracht.
LANGJÄHRIGE PRAXISERFAHRUNG
Zentrale Aufgabe der Fraunhofer-Gesellschaft ist die anwen-
dungsorientierte 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.
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).
Bei der Fortbildung kooperieren wir mit der Fraunhofer
Academy, der Professional School des Europäischen Instituts
für Innovation und Technology (EIT Digital) und
der »European Data Science Academy«.
3
UNSER ANGEBOT IM ÜBERBLICK
SCHULUNGSPROGRAMMUnser 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 SCIENTISTThemen: 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 SCHULUNGENDauer: 2–3 Tage
I Analysis of Big Data Potentials in Business
Diese Schulungen gibt es auch kompakt in einer Woche:
I Data Management and Integration
I Security and Privacy for Big Data
I Basic Data Analytics
I Visual Analytics
I Big Data Architecture
I Big Data Analytics
Beteiligte Fraunhofer-Institute
I Algorithmen und Wissenschaftliches Rechnen SCAI,
Sankt Augustin
I Angewandte Informationstechnik FIT, Sankt Augustin
I Experimentelles Software Engineering IESE, Kaiserslautern
I Graphische Datenverarbeitung IGD, Darmstadt
I Integrierte Schaltungen EAS.IIS, Dresden
I Intelligente Analyse- und Informationssysteme IAIS,
Sankt Augustin
I Molekularbiologie und Angewandte Ökologie IME-SP,
Hamburg
I Sichere Informationstechnologie SIT, Darmstadt
I Techno- und Wirtschaftsmathematik ITWM, Kaiserslautern
BRANCHENSPEZIFISCHE SCHULUNGENDauer: 2–3,5 Tage
Für folgende Schulungen ist ab Mitte 2016 schrittweise
eine Zertifizierung zum Data Scientist mit Spezialisierung
möglich:
I Scientific Data Management for Life Sciences & Health Care
I Text Analytics in Life Sciences
I Data Scientist for Smart Energy Systems
Weitere branchenspezifische Schulungen:
I Data Scientist for Smart Buildings
I Social Media Analytics
I Multimedia Analytics
4
111111100000100011000110001100000100000011111111000001000110001100011000001000000
1111111000001000110001100011000001000000111111110000010001100011000110000010000001
1111111111111111111111111111111111111111111111111
1111
1111
1111
1111
1111111111
00000000000000000000000000000000000000000000000000000000000
0000
0000
0000
0000
0 1111111111111111111111111111111111111111111111111111111111
1111
1111
1111
1111
100
0000
0000
0000
00000000000000000000000000000000000000000000000000000000000
000
1111
1111
1111
1111
11111111111111111111111111111111111111111111111111111111111
0000
0000
0000
0000
00000000000000000000000000000000000000000000000000000000000
1111
1111111111111111111111111111111111111111111111111111111111
1111
1111
1111
1100
00
0000000000000000000000000000000000000000000000000000000000
0000
0000
0000
0
11111111111111111111111111111111111111111111111111111111111
1111
1111
1111
1111 000000000000000000000000000000000000000000000000000000000
0000
0000
0000
0000
00
0
ZERTIFIZIERUNGSPROGRAMMDie Zertifzierung findet durch die Personenzertifizierungsstelle am Fraunhofer FIT statt. Die Zertifikate bescheinigen den Absol-
venten 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 Spezialisten zertifikat, zu-
sammen 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.
3Senior Level
2Advanced Level
1Foundation Level
Certified »Senior Data Scientist«– kann ein Projekt durchführen
Certified »Advanced Data Scientist«– kann Methoden im Alltag anwenden
Certified »Data Scientist Specialized in ...«– kann Methoden im Spezialgebiet anwenden
Certified »Basic Data Scientist«– hat Überblickwissen
Zu erbringende Leistungen
I Studienarbeit und PräsentationI Advanced-ZertifikatI Berufserfahrung
Zu erbringende Leistungen
I BasiszertifikatI SpezialistenzertifikatI Berufserfahrung
Zu erbringende Leistungen
I Erfolgreiche Prüfung zum Basis-kurs oder einem Spezialistenkurs
I Erfüllung schwerpunktabhängiger Zugangsvoraussetzungen
5
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 Dateninge-
nieure 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.
Tag 1: Potenzialanalyse für Big Data
I Nutzenanalyse und strategische Ausrichtung
I Fertigkeiten, Bereitschaft und Qualitätsmanagement
I Analyse und Visualisierung
I Infrastrukturen und Kompetenzen
Tag 2: Datenmanagement
I Anforderungen an Big-Data-Management-Systeme
I Metadatenmanagement
I Datenintegration
I Workflows
Tag 3: Datenanalyse
I Der Prozess der Datenanalyse
I Datenvorverarbeitung
I Grundlegende Lernaufgaben
I Modelle und Modellauswahl
I Evaluation
Tag 4: Big-Data-Systeme
I Eine Referenzarchitektur für Big-Data-Systeme
I Batch- und Datenstromverarbeitung
I Werkzeuge zur Big-Data-Analyse
I Technologiegruppen für Big Data
Tag 5: Datenschutz und -sicherheit
I Ziele und Herausforderungen für Sicherheit und
Schutz von Big Data
I Prinzipien des Datenschutzes
Am Nachmittag ist Zeit für die Vorbereitung auf die Prüfung
für das Zertifikat »Basic Data Scientist«, die am nächsten
Vormittag von der Personenzertifizierungsstelle am Fraunhofer
FIT durchgeführt wird.
Abschluss
Zertifikat »Basic Data Scientist«
Voraussetzung
Grundkenntnisse in Statistik und Datenanalyse; Basiswissen in
Programmierung und über Datenbanken ist von Vorteil
Ort
Sankt Augustin
Teilnahmegebühr
4.900 € inkl. Teilnehmerunterlagen und Prüfung
Institute
Fraunhofer IAIS, FIT, IESE, SIT, IGD
SCHULUNG ZUM »BASIC DATA SCIENTIST« MIT ZERTIFIZIERUNG
6
METHODENSPEZIFISCHE SCHULUNGEN
ANALYSIS OF BIG DATA POTENTIALS IN BUSINESS
Sie erfahren, wie Business Developer systematisch Anforderun-
gen 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.
Tag 1
I Motivation und Überblick
I Strategische Aufstellung und Nutzenanalyse
I Analyse der Fähigkeiten und Bereitschaft
I Qualitätsmanagement für Big Data
Tag 2
I Datenanalyse
I Datenvisualisierung
I Ableitung einer Big-Data-Infrastruktur
I Big-Data-Kompetenzen
Zielgruppe
Unternehmen, die den Einstieg in Big Data erwägen
Institut und Ort:
Fraunhofer IESE, Kaiserslautern
1
1
111111111111111111111111111111111111111111000000000000000000000000000000000000000000
0000000000000000000000000000111111111111111111111111111111111111111111000000000000000000000000000000000000000000
0000000000000000000000000000
0000000000000000000000 00000000000000000000
00000000000000000000000000000000
00000000000000000000
00000000000000000000
000000000000000000000000000000000000000000
0000000000000000000000000000
000000000000000000000000000000000000000000000000000000000000000000
000000000000000000000000000000000000000000
0000000000000000000000000000
000000000000000000000000000000000000000000000000000000000000000000
00000000000000000000
00000000000000000000
1 111
11
1
0000000
0000000
1
1
111111111111111111111111111111111111111111000000000000000000000000000000000000000000
0000000000000000000000000000111111111111111111111111111111111111111111000000000000000000000000000000000000000000
0000000000000000000000000000
0000000000000000000000 00000000000000000000
00000000000000000000000000000000
00000000000000000000
00000000000000000000
000000000000000000000000000000000000000000
0000000000000000000000000000
000000000000000000000000000000000000000000000000000000000000000000
000000000000000000000000000000000000000000
0000000000000000000000000000
000000000000000000000000000000000000000000000000000000000000000000
00000000000000000000
00000000000000000000
1 111
11
1
0000000
0000000
7
DATA MANAGEMENT AND INTEGRATION
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.
Tag 1
I Einführung und Motivation
I Extraktion von Metadaten aus Dateien
I Vokabulare zur Definition von Metadatenstrukturen
I Entwicklung von Ontologien für Metadaten
Tag 2
I Matching von Metadaten
I Modellierung von Metadaten
I Operationen zur Datenintegration
I Datenintegration mit NoSQL-Datenbanken
Tag 3
I Datenintegration mit Ontologien
I Integration von Web-Daten
I Best Practices im Datenmanagement
I Berücksichtigung von Datenschutz und Datensicherheit
Zielgruppe
Anwender mit datenintensiven Arbeitsprozessen und
IT-Fachkräfte aus dem Bereich Daten-Management
Voraussetzung
Grundkenntnisse in Datenmodellierung und
Datenbanktechnik
Institut und Ort
Fraunhofer FIT, Sankt Augustin
SECURITY AND PRIVACY FOR BIG DATA
Diese Schulung sensibilisiert Sie in Bezug auf Sicherheit und
Datenschutz und vermittelt Ihnen Grundwissen für die Anwen-
dung von Sicherheitslösungen in Big-Data-Umgebungen.
Tag 1: Datensicherheit
I Ziele und Einführung
I Herausforderungen an die Sicherheit
I Zugriffskontrolle
I Kryptologische Prinzipien
Tag 2: Datenschutz
I Privacy by design
I Datenschutzziele und -gesetze
I Anonymität und Pseudonymität
I Methoden zur Verbesserung des Datenschutzes
Online Lernen
Es werden Selbsttests und Material für selbstständiges
Weiterlernen zur Verfügung gestellt.
Zielgruppe
IKT-Experten und Datenanalysten, die Anwendungen zur
Verarbeitung großer Mengen digitaler Daten entwerfen
und entwickeln
Voraussetzung
Allgemeines Wissen über Big Data und IT
Institut und Ort
Fraunhofer SIT, Sankt Augustin und Darmstadt
Hinweis: Tag 1 und Tag 2 sind separat buchbar
Beide
Schulungen
auchkompakt
in einer
Woche
buchbar !
8
BASIC DATA ANALYTICS
Hier lernen Sie wesentliche Grundlagen der modernen
Datenanalyse kennen. Für die praktischen Übungen kommt
der »RapidMiner« zum Einsatz. Die weitergehenden Mög-
lichkeiten 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.
Tag 1
I Data Mining, maschinelles Lernen und Advanced Analytics
I Datenanalyse nach dem Vorgehensmodell CRISP-DM
I Datenaufbereitung und -evaluation
I Demonstration eines einfachen Workflows mit RapidMiner
I Auswahl von Modellen und Attributen
Tag 2
I Klassifikation
I Regression
I Clustering
I Transformation
Tag 3 – optional
I Einführung in R
I Demonstration und Übung eines Workflows in R
Zielgruppe
I Analysten
I Software-Entwickler/-Architekten
I Interessierte aus der Forschung
Voraussetzung
Grundkenntnisse in Statistik und Programmierung
Institut und Ort
Fraunhofer IAIS, Sankt Augustin
VISUAL ANALYTICS
Um Firmendaten übersichtlich und verständlich zu präsen-
tieren, ist die Wahl geeigneter Darstellungen von entschei-
dender 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.
Tag 1
I Visualisierung, Visual Analytics und Business Intelligence
I Grundlagen der Visualisierung
I Datenanalyse kompakt
Tag 2
I Visual Analytics
I Einführung in »Tableau« und Verknüpfung mit R
I Datenvorverarbeitung und visuelle Exploration mit Tableau
I Modellierung und visuelles Debugging, Beispiel: Clustering
I Visuelle Evaluation, Beispiel: Residuenanalyse
Zielgruppe
I Analysten
I Projektleiter
I Entwickler
Voraussetzung
Grundkenntnisse in der Datenanalyse
Institut und Ort
Fraunhofer IAIS mit Fraunhofer IGD, Sankt Augustin
0000
0110
1000
0000
1111
1111
1000
0010
1010
0011
1111
1111
1100
0010
0000
0111
0100
000 00111111111000001010100011111111111100001000000111010000000111111111000001010100011111111111100001000000111010000000111111111000001010100011111111111100001v0000001110100000001111111110000010101000111111111111000010000001110100000001111111110000010101000111111
1111
1100
0010
0000
01110100000001111111110000010100 00
00 1
0001
0101
0100
1000
1 01
0100
1010
0001
001
1111
1111
1100
0001
0101
0101
0101
0
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
01 0
100 0
0000
0000
0000
0101
0101
0101
0100
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
0101
0101
010
0000
100
0101
01
001
010
1001
0100
001
0011
1111
1111
1000
0010
1010
1010
1010
0000
0100
1000
0001
0101
0000
00 1
0001
0101
0100
1000
1 01
0100
1010
0001
001
1111
1111
1100
0001
0101
0101
0101
00
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
01 0
1000
0000
0000
0000
0101
0101
0101
0100
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
01 0
1000
0000
0000
0000
0101
0101
0101
0100
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1 111
0000
0101
01 0
1000
0000
0000
0000
0101
0101
0101
0100
0000
100
0101
01
0100
1010
0001
001
1111
1111
1100
0001
0101
010
0000
0000
0000
0001
0101
0101
0101
00
0000
100
0101
0101
0010
001
01
111
1111
1000
0010
1010
1010
1010
0000
100
0101
0101
0010
001
01
1
1111
1100
0001
0101
0101
0101
000
00 1
0001
0101
0100
100
1
1
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
0 1
1111
0000
0101
0101
0
0000
100
0101
0101
0010
0 1
111
1100
0001
0101
0101
0101
000
00 1
0001
0101
0100
100
1
1
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
0 11
111
1100
0001
0101
0101
0101
000
00 1
0001
0101
0100
100
11
111
1110
0000
1010
1010
1010
1000
00 1
0001
0101
0100
100
11 1
1
1111
1100
0001
0101
0101
0101
0
0 1
0001
0101
0100
100
11
0000
11
1111
1110
0000
1010
1010
1010
100
00
1000
1010
1010
0100
11
11 0
111
1110
0000
1010
1010
1010
10 0000011010000000111111111000001010100011111111111100001000000111010000000111111111000001010100011111111111100001000000111010000000111111111000001010100011111111111100001000000111
0100
0000
0111111111000001010100011111111111100001v000000111010000000111111111000001010100011
1111
1111
1100
001000000111010000000111111111000001010100
0111
1111
111110000100000 0
1110
1000
0000
1111111110000010100 0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101 010000000000000000101010101010100
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101
001 01010010100001 001111111111100000101010101010100000010010000001010100
0000 100010101010010001 01010010100001 001111111111100000101010101010100
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101 010000000000000000101010101010100
0000 100010101010010001 01010010100001 00111111111110000010101 010000000000000000101010101010100
0000 100010101010010001 01010010100001 00111111111110000010101 010000000000000000101010101010100
0000 1000101
01010010100001 00111111111110000010101 010000000000000000101010101010100
0000 100010101010010001 01
111111110000010101010101010
0000 100010101010010001 01
1 1111110000010101010101010
0000 1000101010100100 1
111110000010101010101010
0000 1000101010100100 1
1
1110000010101010
0000 1000101010100100 1
111110000010101010101010
0000 1000101010100100 1
111110000010101010101010
0000 1000101010100100 11
111110000010101010101010
0000 1000101010100100 11
1111110000010101010101010
0000 1000101010100100 11 11
1111110000010101010101010
0 1000101010100100 1
1 0000
1
111111110000010101010101010
0 00 1000101010100100 11 11 0
1111110000010101010101010Beide
Schulungen
auchkompakt
in einer Woche
buchbar !
9
BIG DATA ARCHITECTURE
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.
Tag 1
I Einführung Big Data – Grundlagen, Begriffe, NoSQL-
Datenbanken, CAP-Theorem und Eventual Consistency
I Lambda-Architektur
I Batch-Verarbeitung
Tag 2
I Echtzeitdatenströme
I Big Data in Memory mit Spark
I Big-Data-Technologiegruppen
Zielgruppe
Software-Architekten und -Entwickler, die Big-Data-Anwen-
dungen entwerfen, konfigurieren und den Betrieb steuern
Voraussetzung
Grundkenntnisse in Datenbank- und Softwaretechnik
Institut und Ort
Fraunhofer IAIS, Sankt Augustin
BIG DATA ANALYTICS
Diese Schulung schließt an die Angebote »Big Data Archi-
tecture« 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.
Tag 1
I Sampling als Ansatz zur Analyse großer Datenmengen
I Analyse großer Datenmengen in existierenden
IT- Umgebungen
I Modellentwicklung und -anwendung in
Big-Data-Umgebungen
I Analyse von Datenströmen
Tag 2
I K-means und Clustering mit Spark
I Lineare Regression mit Spark
I Übungen zur Datenanalyse mit Spark
I Erkennung komplexer Ereignisse für die Betrugserkennung
mit Proton
I Beispiele für kommerzielle Big-Data-Systeme
Zielgruppe
I Analysten
I Software-Entwickler/-Architekten
Voraussetzung
Grundkenntnisse in Statistik und Programmierung
Institut und Ort
Fraunhofer IAIS, Sankt Augustin
0000
0110
1000
0000
1111
1111
1000
0010
1010
0011
1111
1111
1100
0010
0000
0111
0100
00000111111111000001010100011111111111100001000000111010000000111111111000001010100011111111111100001000000111
010000000111111111000001010100011111111111100001v000000111010000000111111111000001010100011111111111100001000000111010000000111111111000001010100011
1111
1111
1100
00100000 011
1010
0000001111111110000010100 0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
01 0
1000
0000
0000
0000
0101
0101
0101
0100
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
0101
0101
010
0000
100
0101
01
00
1 01
0100
1010
0001
001
1111
1111
1100
0001
0101
0101
0101
0000
0010
0100
0000
1010
100
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
0101
0101
0100
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
01 0
1000
0000
0000
0000
0101
0101
0101
0100
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
01 0
1000
0000
0000
0000
0101
0101
0101
0100
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
01 0
1000
0000
0000
0000
0101
0101
0101
0100
0000
100
0101
0
1010
0101
0000
1 00
1111
1111
1110
0000
1010
1 01
0000
0000
0000
0000
1010
1010
1010
100
0000
100
0101
0101
0010
001
01
11
1111
1100
0001
0101
0101
0101
0
0000
100
0101
0101
0010
001
01
1
111
1110
0000
1010
1010
1010
10
0000
100
0101
0101
0010
0 1
1111
1000
0010
1010
1010
1010
0000
100
0101
0101
0010
0 1
1111
0000
0101
0101
0
0000
100
0101
0101
0010
0 1
1111
1000
0010
1010
1010
1010
0000
100
0101
0101
0010
0 1
1111
1000
0010
1010
1010
1010
0000
100
0101
0101
0010
0 11
1
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
0 11
1
1111
1000
0010
1010
1010
1010
0000
100
0101
0101
0010
0 11
11
1
1111
1000
0010
1010
1010
1010
0
1000
1010
1010
0100
11
0000
1
1111
1111
0000
0101
0101
0101
010
0 0
0 10
0010
1010
1001
00 1
1 11
0
1
1111
1000
0010
1010
1010
1010
0000011010000000111111111000001010100011111111111100001000000111010000000111111111000001010100011111111111100001000000111010000000111111111000001010100011111111111100001000000
1110
1000
0000
1111
11111000001010100011111111111100001v000000111010000000111111111000001010100
0111
1111
1111
1000
0100
0000
111010000000111111111000001010
1000
1111
111111110000100000 0 11101
0000
0001
1111
1111
0000
0101
00 0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 001111111111100000101010101010100000 100010101010010001 01010010100001 00111111111110000010101 010000000000000000101010101010100
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101 001 01010010100001 001111111111100000101010101010100000010010000001010100
0000 100010101010010001 01010010100001 001111111111100000101010101010100
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101 010000000000000000101010101010100
0000 100010101010010001 01010010100001 00111111111110000010101 010000000000000000101010101010100
0000 100010101010010001 01010010100001 00111111111110000010101 010000000000000000101010101010100
0000 1000101 01010010100001 00111111111110000010101 010000000000000000101010101010100
0000 100010101010010001 01
111111110000010101010101010
0000 100010101010010001 01
1 1111110000010101010101010
0000 1000101010100100 1
111110000010101010101010
0000 1000101010100100 1
11110000010101010
0000 1000101010100100 1
111110000010101010101010
0000 1000101010100100 1
111110000010101010101010
0000 1000101010100100 11
111110000010101010101010
0000 1000101010100100 11
1111110000010101010101010
0000 1000101010100100 11 11
1111110000010101010101010
0 1000101010100100 11 0000
1111111110000010101010101010
0 00 1000101010100100 11 11 0
1111110000010101010101010
Beide Schulungen
auchkompakt in einer Woche
buchbar !
10
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 Nachvoll-
ziehbarkeit 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.
Tag 1
I Einführung und Motivation
I Extraktion von Metadaten aus Dateien
I Datenintegration mit Talend, Schemaintegration
I Prozesse und UML-Aktivitätsdiagramme
Tag 2
I Metadatenmodellierung, RDF, UML-Klassendiagramme
I Metadatenstandards, Linked Data, semantische Annotationen
I NoSQL-Datenbanken und JSON
I Datenmanagement in MongoDB
Tag 3
I Datenbereinigung
I Datenvorverarbeitung
I Anomalieerkennung
I Datenvalidierung
I Visuelle Analytik
Tag 4
I Explorative Datenanalyse
I Best Practices
I Kosten von Datenmanagementsystemen
Zielgruppe
Fach- und Führungskräfte mit einem Bezug zu Labor- und
Experimentaldaten
Voraussetzung
Der Umgang mit Office-Programmen wird vorausgesetzt,
Grundkenntnisse in Datenstrukturen 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.
Institut und Ort
Fraunhofer FIT mit Fraunhofer IME-SP, Sankt Augustin
BRANCHENSPEZIFISCHE SCHULUNGEN
11
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.
Tag 1: Tools & Ressourcen
I Einführung
I Datentypen und Datenquellen
I Terminologien und Ontologien
I Textanalyse-Workflow in Apache UIMA
Tag 2: Erkennung von Entitäten
I Datenformate
I Textextraktion
I Skalierbare Textextraktion
I Erkennung von Genen und Proteinen
Tag 3: Textklassifikation
I Semantische Indexierung
I Maschinelle Lernverfahren
I Informationsextraktion
I Extraktion von Proteinbeziehungen
Tag 4: Hands-on
I Übungen mit UIMA
I Eingabe von Dokumenten, Termerkennung,
Suche und Informationsextraktion
Zielgruppe
Fachleute im Bereich Lebenswissenschaften, die freitextliche
Information erkennen, extrahieren und verstehen wollen
Voraussetzung
Interesse an Freitextanalysen; von Vorteil sind Grundkenntnisse
in der Programmierung (möglichst Java) und ein Hintergrund
im Bereich der Lebenswissenschaften
Zertifizierung
Diese Schulung bereitet auf die Prüfung zum »Data Scientist
Specialized in Text Analytics in Life Sciences« vor.
Institut und Ort
Fraunhofer SCAI, Sankt Augustin
12
DATA SCIENTIST FOR SMART ENERGY SYSTEMS
Das europäische Stromnetz befindet sich in einem massiven Wandel. Verteilte erneuerbare Energiequellen machen Konsumenten
zu Produzenten, drängen Produzenten in die Rolle von Service-Providern und erfordern neue Geschäftsmodelle. Um bei volatilen
Energiequellen wie Wind und Sonne Stabilität zu garantieren, muss das Netz intelligent gesteuert werden. Daten spielen dabei
eine immer wichtigere Rolle. Mit den richtigen Methoden können sie dazu benutzt werden, Geschäftsprozesse zu optimieren,
Kosten zu reduzieren oder neue Märkte zu erschließen.
Diese Schulung gibt Ihnen am ersten Tag einen Überblick über die aktuellen Trends. An den folgenden zwei Tagen vertiefen
Fachleute mit IT-Erfahrung zusammen mit unseren Experten Analysemethoden und Technologien und sammeln aktiv Erfahrung
mit dem Fraunhofer Big Data Framework »GPI-Space«.
Verwendet werden Jupyter Notebooks, die jedem Teilnehmer eine eigene Experimentierumgebung zur Verfügung stellen, die
auch nach Abschluß des Kurses weiter genutzt werden kann.
Tag 1: Überblick
I Wichtige Begriffe und regulatorische Rahmen bedingungen
I Markttrends und Informationstechnologie
I Datenquellen
I Prognosen und Data Science
I Anwendungen und Beispiele
Tag 2: Hands-On Methoden
I Datenvisualisierung mit Python
I Der Analyse-Workflow
I Vorverarbeitung und statistische Analysen
I Erkennung von Ausreißern
I Maschinelle Lernverfahren
Tag 3: Big-Data-Technologien
I Hadoop, Spark und GPI-Space
I Hands-On: Apache Spark
I Datenbanktechnologien, Message Brokers und
Cloud Computing
I Auswahl der passenden Technologien
I Hands-On: GPI-Space
Online Lernen
Es werden Selbsttests und Material für selbstständiges
Weiterlernen und Üben zur Verfügung gestellt.
Zielgruppe
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.
Zertifizierung
Diese Schulung bereitet auf die Prüfung zum »Data Scientist
Specialized in Smart Energy Systems« vor.
Institut und Ort
Fraunhofer ITWM, Kaiserslautern
Hinweis: Tag 1 ist separat buchbar
00000110100000001111111110000010101000111111111111000010000001110100000001111111110000010101000111111111111000010000001110100000001111111110000010
1010
0011
1111
1111
1100
00100000011101000000011111111100000101
0100
0111
11111111100001v00000011
1010
0000
0011
1111
1110
00
0010101000111111111111000010000001 1 101000
0000
1111
11111000001010100011111111111100001000000
11101000000011111111100000101000000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 001111111111100000101010101010100000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101 010000000000000000101010101010100
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101 001 01010010100001 001111111111100000101010101010100000010010000001010100
0000 100010101010010001 01010010100001 001111111111100000101010101010100
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101 010000000000000000101010101010100
0000 100010101010010001 01010010100001 00111111111110000010101 010000000000000000101010101010100
0000 100010101010010001 01010010100001 00111111111110000010101 010000000000000000101010101010100
0000 1000101 01010010100001 00111111111110000010101 010000000000000000101010101010100
0000 100010101010010001 01 111111110000010101010101010
0000 100010101010010001 01 1 1111110000010101010101010
0000 1000101010100100 1 111110000010101010101010
0000 1000101010100100 1 11110000010101010
0000 1000101010100100 1 111110000010101010101010
0000 1000101010100100 1 111110000010101010101010
0000 1000101010100100 11 111110000010101010101010
0000 1000101010100100 11 1111110000010101010101010
0000 1000101010100100 11 11 1111110000010101010101010
0 1000101010100100 11 0000 1111111110000010101010101010
0 00 1000101010100100 11 11 0 1111110000010101010101010
000001101000000011111111100000101010001111111111110000100000011101000000011
1111
1110
0000
1010
1000
1111
1111
1111
0000
1000
0001
1101
0000
0001
1111
1111
0000
010101000111111111111000010000001110100000001111111110000010101000111111
1111
1100
001v00
0000
11101000000011111111100000101010001111111111110000100000011 1 0100000001111111110000010101000111111111111000010000001110100000001111111110000010100
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 001111111111100000101010101010100000 100010101010010001 01010010100001 00111111111110000010101 010000000000000000101010101010100
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101 001 01010010100001 001111111111100000101010101010100000010010000001010100
0000 100010101010010001 01010010100001 001111111111100000101010101010100
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101 010000000000000000101010101010100
0000 100010101010010001 01010010100001 00111111111110000010101 010000000000000000101010101010100
0000 100010101010010001 01010010100001 00111111111110000010101 010000000000000000101010101010100
0000 1000101 01010010100001 00111111111110000010101 010000000000000000101010101010100
0000 100010101010010001 01 111111110000010101010101010
0000 100010101010010001 01 1 1111110000010101010101010
0000 1000101010100100 1 111110000010101010101010
0000 1000101010100100 1 11110000010101010
0000 1000101010100100 1 111110000010101010101010
0000 1000101010100100 1 111110000010101010101010
0000 1000101010100100 11 111110000010101010101010
0000 1000101010100100 11 1111110000010101010101010
0000 1000101010100100 11 11 1111110000010101010101010
0 1000101010100100 11 0000 1111111110000010101010101010
0 00 1000101010100100 11 11 0 1111110000010101010101010
13
DATA SCIENTIST FOR SMART BUILDINGS
In smarten Gebäuden und Anlagen befinden sich viele Sensoren, die laufend große Mengen von Messungen erzeugen. Diese
Schulung zeigt, wie man die Daten für ein intelligentes Energiemanagement nutzen kann. Die Teilnehmerinnen und Teilnehmer
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 visualisie-
ren sowie alternative Ergebnisse kommunizieren und qualifiziert bewerten kann.
Tag 1: Datenbasierte Analyse und Modellierung
I Datenbereinigung
I Visualisierung und Analyse
I Datenbasierte Modellierung: empirische Modelle
I Energy Alarming: energetische Fehlerzustände
I Modellprädiktive Regelung
I Fallstudie
Tag 2: Physikalisch-empirische Modellierung
und Simulation
I Data Mining
I Modellierung von Energienetzen und ihren Elementen
I Simulation von Energienetzen
I Graph Mining, Process Mining
I Fallstudie Teil I: Einsatz von Apache Spark, MYNTS &
DesParO
Tag 3: Prozess- und Kostenoptimierung, Hands-On
I Optimierungsmethoden und Auswahl
I Pareto-Optimierung
I Robuste Optimierung
I Überblick zu gängiger Software
I Fallstudie Teil II: Hands-On
Online Lernen
Es wird weiterführendes Material zum selbstständigen
Vertiefen zur Verfügung gestellt: annotierte Präsentationen,
weiterführende Links, Anleitungen und Wissenstests.
Zielgruppe
Fachleute, die sich mit der Optimierung des Energiemanage-
ments in Gebäuden, Rechenzentren, Produktionsanlagen etc.
befassen.
Voraussetzung
Wissen aus Mathematik, IT, Naturwissenschaften, Ingenieur-
wesen oder entsprechende praktische Erfahrungen.
Institut und Ort
Fraunhofer SCAI mit Fraunhofer EAS.IIS, Sankt Augustin
0000
0110
1000
0000
1111
1111
1000
0010
1010
0011
1111
1111
1100
0010
0000
0111
0100
000 00111111111000001010100011111111111100001000000111010000000111111111000001010100011111111111100001000000111010000000111111111000001010100011111111111100001v0000001110100000001111111110000010101000111111111111000010000001110100000001111111110000010101000111111
1111
1100
0010
0000
01110100000001111111110000010100 00
00 1
0001
0101
0100
1000
1 01
0100
1010
0001
001
1111
1111
1100
0001
0101
0101
0101
0
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
01 0
100 0
0000
0000
0000
0101
0101
0101
0100
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
0101
0101
010
0000
100
0101
01
001
010
1001
0100
001
0011
1111
1111
1000
0010
1010
1010
1010
0000
0100
1000
0001
0101
0000
00 1
0001
0101
0100
1000
1 01
0100
1010
0001
001
1111
1111
1100
0001
0101
0101
0101
00
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
01 0
1000
0000
0000
0000
0101
0101
0101
0100
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1111
0000
0101
01 0
1000
0000
0000
0000
0101
0101
0101
0100
0000
100
0101
0101
0010
001
0101
0010
1000
01 0
0111
1111
1 111
0000
0101
01 0
1000
0000
0000
0000
0101
0101
0101
0100
0000
100
0101
01
0100
1010
0001
001
1111
1111
1100
0001
0101
010
0000
0000
0000
0001
0101
0101
0101
00
0000
100
0101
0101
0010
001
01
111
1111
1000
0010
1010
1010
1010
0000
100
0101
0101
0010
001
01
1
1111
1100
0001
0101
0101
0101
000
00 1
0001
0101
0100
100
1
1
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
0 1
1111
0000
0101
0101
0
0000
100
0101
0101
0010
0 1
111
1100
0001
0101
0101
0101
000
00 1
0001
0101
0100
100
1
1
1111
0000
0101
0101
0101
010
0000
100
0101
0101
0010
0 11
111
1100
0001
0101
0101
0101
000
00 1
0001
0101
0100
100
11
111
1110
0000
1010
1010
1010
1000
00 1
0001
0101
0100
100
11 1
1
1111
1100
0001
0101
0101
0101
0
0 1
0001
0101
0100
100
11
0000
11
1111
1110
0000
1010
1010
1010
100
00
1000
1010
1010
0100
11
11 0
111
1110
0000
1010
1010
1010
10 0000011010000000111111111000001010100011111111111100001000000111010000000111111111000001010100011111111111100001000000111010000000111111111000001010100011111111111100001000000111
0100
0000
0111111111000001010100011111111111100001v000000111010000000111111111000001010100011
1111
1111
1100
001000000111010000000111111111000001010100
0111
1111
111110000100000 0
1110
1000
0000
1111111110000010100 0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101 010000000000000000101010101010100
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101
001 01010010100001 001111111111100000101010101010100000010010000001010100
0000 100010101010010001 01010010100001 001111111111100000101010101010100
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101010101010
0000 100010101010010001 01010010100001 00111111111110000010101 010000000000000000101010101010100
0000 100010101010010001 01010010100001 00111111111110000010101 010000000000000000101010101010100
0000 100010101010010001 01010010100001 00111111111110000010101 010000000000000000101010101010100
0000 1000101
01010010100001 00111111111110000010101 010000000000000000101010101010100
0000 100010101010010001 01
111111110000010101010101010
0000 100010101010010001 01
1 1111110000010101010101010
0000 1000101010100100 1
111110000010101010101010
0000 1000101010100100 1
1
1110000010101010
0000 1000101010100100 1
111110000010101010101010
0000 1000101010100100 1
111110000010101010101010
0000 1000101010100100 11
111110000010101010101010
0000 1000101010100100 11
1111110000010101010101010
0000 1000101010100100 11 11
1111110000010101010101010
0 1000101010100100 1
1 0000
1
111111110000010101010101010
0 00 1000101010100100 11 11 0
1111110000010101010101010
14
SOCIAL MEDIA 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 Work-
flows zur zielgerichteten Analyse von Social-Media-Texten
erläutert und Best Practices zur Analyse sozialer Netzwerke
vermittelt.
Tag 1
I Szenarien, Probleme, Aufgaben, aktueller Stand
I Crawling und Monitoring
I Repositories und Vorverarbeitung
I Analyse von kompletten Social-Media-Beiträgen
Tag 2
I Semantische Ähnlichkeit von Begriffen
I Erkennung von Namen, Produkten und Firmen
I Produktbezogene Social Media Analyse in der Praxis
Zielgruppe
I Sales-, Marketing- und Produktmanager
I Analysten
I Entwickler
Voraussetzungen
Mathematische Kenntnisse auf Abiturniveau. Elementare
Kenntnisse in Python sind von Vorteil, aber nicht Bedingung.
Institut und Ort
Fraunhofer IAIS, Sankt Augustin
MULTIMEDIA ANALYTICS
Projektleiter und Entwickler, die audiovisuelle Inhalte analy-
sieren oder erschließen wollen, erhalten in diesem Schulungs-
modul einen Überblick über die Möglichkeiten der Multimedia-
Analyse und einen vertiefenden Einblick in vier exemplarische
Verfahren. Sie lernen Einsatzmöglichkeiten der Analyseverfah-
ren kennen und können die Bedingungen einschätzen, unter
denen Sie bestmögliche Ergebnisse erzielen. Ausgewählte
Beispiele erfolgreicher Anwendungen runden die Schulung ab.
Tag 1
I Automatische Spracherkennung
I Deep Neural Networks
I Optische Zeichenerkennung in Videos
Tag 2
I Audio-Fingerprinting
I Sprechererkennung
I Logo-Erkennung
Zielgruppe
I Produkt- und Innovationsmanager
I Projektleiter und Entwickler
I Interessierte, die Analyseverfahren einsetzen wollen,
um mehr aus ihren multimedialen Daten zu machen
Voraussetzung
Es sind keine Vorkenntnisse notwendig, mathematisches
Wissen, insbesondere in der Stochastik, ist jedoch von Vorteil.
Institut und Ort
Fraunhofer IAIS, Sankt Augustin
15
Kontakt und weitere Information
Regine Freitag
Geschäftsstelle der Fraunhofer-Allianz Big Data
Telefon 02241 14-2047
bigdata@iais.fraunhofer.de
Weitere Information und Online-Anmeldung:
http://www.bigdata.fraunhofer.de/de/datascientist.html
Das Programm wird auch im Rahmen der Fraunhofer Academy
angeboten. 02/2016