Praxisorientierte Data Science- und Statistik-Seminare: Von Medizinischer Statistik bis zu Python und R, auch für KI-Anwendungen
Seminare zur Medizinischen Statistik
Lernen Sie die relevanten statistischen Verfahren der Medizin kennen. Sie lernen praxisnah das Relevante.
Update: Die Inhalte sind weiter auf die aktuellen Bedürfnisse zugeschnitten worden.
SPSS® kann sehr schnell erlernt werden: so können (kleinere) medizinische Studien schnell analysiert und publiziert werden.
Effektive Python- und R-Seminare für Data Science und KI-Anwendungen
Dieses Seminar führen wir für deutsche Firmen und Institutionen seit fast 10 Jahren regelmäßig durch.
Data Science mit Python heute. Der Fokus liegt hier auf Data Preparation und automatisiertes Machine Learning.
Ihr Einstieg in Deep Learning mit PyTorch und TensorFlow. Im Fokus: Bildverarbeitung zur Klassifikation
R ist im Bereich Statistik der Standard. Lernen Sie effektiv statistische Analysen durchzuführen.
Prompt Engineering können alle: Denkste! Sie erlernen hier einen strukturierten Ansatz.
Mittels LLM lassen sich geniale KI-gestützte Anwendungen entwickeln. Wir zeigen Ihnen, wie es geht.
Weitere, regelmäßig angefragte Seminare zur Datenanalyse
Kundenpräferenzen messen: Angewandte Conjoint-Analyse mit R
Lernen Sie die Nutzung von SPSS Statistics
(+ Syntax) an zwei Tagen!
Für alle, die Online-Umfragen selbständig planen, umsetzen und auswerten möchten.
Standardverfahren der Conjoint-Analyse: Lernen Sie die Verfahren in R sicher anzuwenden.
Strukturgleichungs-
modellierung mit Mplus
Der optimale Einstieg in SEM in Mplus: Erstellen Sie aussagekräftige SEM in Mplus und interpretieren diese korrekt.
Seminare zur Microsoft Azure Plattform
Erlernen Sie die Grundlagen von Microsoft Azure Databricks
Die Azure Plattform stellt viele KI-Methoden zur Bildklassifikation, Speech-to-Text etc. bereits fertig zur Verfügung.
Microsofts ML Studio auf der Azure-Plattform – ideal für ML, Deep Learning und LLMs. Analysieren, aufbereiten, trainieren und ausrollen – alles in einer Cloud-Plattform.