PRAKTISCHE EINFÜHRUNG IN DIE
ZEITREIHENANALYSE MIT LOW-/NO-CODE

Low-/No-Code für Deep Learning

Workshop

PRAKTISCHE EINFÜHRUNG IN DIE ZEITREIHENANALYSE MIT LOW-/NO-CODE

Inhalt

Zeitreihenanalysen können Sie dabei unterstützen, unternehmensrelevante Trends vorherzusagen. In diesem Workshop analysieren Sie Zeitreihendaten und verstehen deren Nutzen für das eigene Unternehmen. Für die Analyse von Zeitreihen verwenden wir beispielhaft die kostenfreie Low-Code-Software KNIME, die auch für technisch nicht versierte Personen zugänglich ist. Anhand eines konkreten Anwendungsfalls modellieren Sie eine Prognose des täglich eingehenden Anrufvolumens im Kundenservice. Dabei lernen Sie ausgewählte Werkzeuge für die Zeitreihenanalyse zielführend einzusetzen.

Geplante Dauer

Halbtagesworkshop

Vorwissen

Kein Vorwissen nötig.

.

WEITERE
INFORMATIONEN

.

VERANSTALTUNGEN
ZUM THEMA

Low-/No-Code für Deep Learning

.

KI-gestützte Vorhersagen: Low-/No-Code-Lösungen für Daten im Zeitverlauf

KI-gestützte Vorhersagen: Low-/No-Code-Lösungen für Daten im Zeitverlauf

12.05.2026    
11:00 - 12:00
Kostenfrei
Im praxisnahen Online-Vortrag lernen Sie, wie Sie mit grafischer Low-/No-Code-Software wie KNIME Zeitreihendaten verarbeiten können. Zeitreihen sind Daten, die zeitlich geordnet erfasst werden, wie beispielsweise sekündlich erfasste Maschinenparameterwerte. Wir zeigen Ihnen, wie Sie Zeitreihen visualisieren und besser verstehen können. Mithilfe eines digitalen Assistenten kombinieren wir geeignete Bausteine in KNIME zur Vorhersage von Daten. Programmierkenntnisse sind dabei nicht erforderlich. Als Praxisbeispiel dient die Prognose des Anrufvolumens im Kundenservice. Nach Wunsch findet ein nachgelagerter Austausch statt, in der wir gemeinsam Lösungsansätze und Übertragungsmöglichkeiten einer im Vortrag vorgestellten Aufgabe besprechen.
KI-gestützte Prognose Low-/No-Code für Deep Learning

KI-gestützte Prognose Low-/No-Code für Deep Learning

Im kostenfreien zweiteiligen Online-Workshop lernen Sie, wie Sie Deep Learning mit grafischer Low-/No-Code-Software für Prognoseaufgaben auf Basis von Zeitreihen einsetzen. Zeitreihen sind Daten, die zeitlich geordnet erfasst werden, wie zum Beispiel die Stromlast pro Minute. Deep Learning basiert auf künstlichen neuronalen Netzen und hat seine Leistungsfähigkeit bereits bei einer Vielzahl von Prognosen mit nichtlinearem Charakter unter Beweis gestellt.

.

ANSPRECHPERSON

Juliane Höbel-Müller

Juliane Höbel-Müller

Künstliche Intelligenz & Maschinelles Lernen
  • KONTAKT

    Mittelstand-Digital Zentrum Magdeburg
    c/o Otto-von-Guericke-Universität Magdeburg
    Universitätsplatz 2
    39106 Magdeburg

    0391 – 67 57 446

AUS UNSEREM
BLOG

Energieflexibitlität