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

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