Data Mining & Künstliche Intelligenz zur Qualitätsverbesserung

Im Frühjahr 2020 findet dieses Training mit Ing. Gernot Freisinger, BSc, MA von 03.-07. Februar 2020 in Leoben statt!

Thema/Ziel der Ausbildung:
„Industrie 4.0, Internet of Things und Data Mining sind drei Schlagworte, welche zur Zeit heiß diskutiert werden. Was diese drei Begriffe mit sich bringen, ist eine immer stärkere Vernetzung von Systemen und Datenbanken, und damit werden auch immense Mengen an Daten generiert. Die Analyse dieser Datenberge stellt quer durch alle Branchen und Unternehmensbereichen neue Herausforderungen dar und es bedarf dazu spezieller statistischer Methoden. Unter Data Mining verstehen wir die Extraktion von Wissen aus großen Datenmengen, welches bisher unbekannt, aber potentiell nützlich, ist. Ziel ist es, mit systematischer Anwendung statistischer Methoden Querverbindungen, Muster und Trends zu erkennen. Sie erhalten einen Überblick über die gängigsten Tools und Methoden zum Thema Data Mining und Künstliche Intelligenz. Dabei steht die Erkennung des Einflusses von Parametern auf die Qualitätskosten im Vordergrund. Vor allem unter dem Aspekt der Qualitätsverbesserung eröffnet dies neue Möglichkeiten. Mit Hilfe von praxisnahen Fallbeispielen werden Ihnen die einzelnen Themengebiete spannend und interaktiv nähergebracht. Entdecken und erlernen Sie bei uns die Tools für Data Mining und Predictive Analytics und werden Sie in nur 5 Tagen zum Experten für die Analyse großer Datenbestände.“

Inhalte des Trainings:

Grundlagen Statistiksoftware JMP

  • Einführung/Grundlagen Statistiksoftware JMP für Data Mining u. Predictive Analytics
  • Multivariate Varianzanalyse, multiple Vergleiche, MANOVA
  • Multivariate lineare Modelle, multiple Regression



Data Mining & Predictive Analytics mit JMP

  • Predictive Analytics: Training und Validierung von Modellen
  • Prognosemodelle (Logistische Regression, Entscheidungsbäume, neuronale Netze)
  • Kennenlernen der verschied. Anwendungen im Bereich Data Mining inkl. KI (künstliche Intelligenz) und Machine Learning
  • Diskriminanzanalyse: kanonisch, linear und quadratisch
  • Clusteranalyse
  • Variablenreduktion, Extraktion bedeutender Faktoren, Hauptkomponentenanalyse
  • Systematisches Vorgehen nach dem CRISP-DM Workflow
  • Idee der Ensemble-Modelle


Veranstaltungsort: Leoben
Seminarzeit: 09.00 – 16.00 Uhr
Zielgruppe: Qualitätsmanager u. -ingenieure, Six Sigma Green Belts u. Black Belts, Produktionsplaner, KVP-Coaches, Verbesserungsmanager, Entwicklungsingenieure, Innovationsmanager, Customer Service
Referent: Ing. Gernot Freisinger BSc, MA

Zur Anmeldung