Deutsch als Fremdsprache: Sprachkurse und Sprachschulen finden

ITIL® 4 Foundation Schulung und Zertifizierung

Kunden auf Messen überzeugen, begeistern und gewinnen


Das Vertriebsseminar kann auch als individuelle firmenspezifische Veranstaltung für Ihr Unternehmen durchgeführt werden. Die Schwerpunkte passen wir dann selbstverständlich Ihren Bedürfnissen und Ihrer Zielgruppe an.

Auch dieses Seminarthema bieten wir in mehr als 40 Sprachen an.

Das Seminar Grundlagen von R für Anfänger bietet Teilnehmern einen umfassenden Einstieg in die Verwendung von R und R-Studio. Es beginnt mit einem kurzen Einblick in R und R-Studio. Anschließend wird den Teilnehmern die Bedienung von R und R-Studio nähergebracht, einschließlich der Verwendung des Editors, der Konsole und der Hilfefunktionen.
Die Teilnehmer lernen, wie sie Pakete in R installieren und einbinden können, sowie wie man Variablen zuordnet und Skripte erstellt und ausführt. Dabei werden sie mit den Hauptdatenstrukturen von R, wie Vektoren, Faktoren und Arrays, vertraut gemacht. Sie erfahren, wie sie Elemente aus diesen Datenstrukturen extrahieren, Daten mit grundlegenden Funktionen aufbereiten und Daten in verschiedene Datenstrukturen umwandeln können.
Im weiteren Verlauf des Seminars erhalten die Teilnehmer eine Einführung in das dplyr-Paket, einen Bestandteil des tidyverse. Sie lernen, wie sie mit einem Tibble arbeiten können, einer Fortentwicklung des data.frames, und wie sie die ersten dplyr-Funktionen zur Spaltenauswahl anwenden können, einschließlich select(), filter(), rename() und slice(). Sie werden auch den Einsatz logischer Operatoren kennenlernen.
In der Folge werden die Teilnehmer in die Datenmodifikation mit dplyr eingeführt. Sie lernen, wie man Zeilen mit der Funktion arrange() sortiert, neue Spalten mit mutate() berechnet und statistische Zusammenfassungen mit summarise() erstellt. Die Verwendung des Pipe Operators %>%, der Grupp...

In diesem Kurs werden Ihnen grundlegende Kenntnisse über die Programmiersprache R vermittelt, die in den Bereichen Statistik, Data Science und Machine Learning weit verbreitet ist. Sie werden RStudio als Entwicklungsumgebung kennenlernen, die am häufigsten für R verwendet wird. Nach Abschluss des Kurses werden Sie in der Lage sein, Daten aus verschiedenen Formaten einzulesen, Daten mit ggplot2 zu visualisieren und Daten mit dplyr aus tidyverse zu bereinigen (z.B. fehlende Werte ersetzen, Zeilen und Spalten anpassen, neue Spalten erstellen).

Sie werden in der Lage sein, eigene einfache Funktionen zu schreiben und Control Flows (z.B. For-Schleifen, If-Else-Anweisungen) in R umzusetzen. Sie werden das Grundkonzept von tidyverse/dplyr verstehen und in der Lage sein, Data Wrangling und Data Cleaning durchzuführen.

Der Kurs wird Ihnen die verschiedenen Arten des Machine Learning (überwacht, unüberwacht und verstärkt) vorstellen. Sie werden in der Lage sein, Algorithmen in R eigenständig zu trainieren, zu validieren, einen Train-Test Split durchzuführen und Gütekriterien zur Bewertung von Algorithmen zu berechnen und zu interpretieren. Sie werden bekannte Machine Learning Algorithmen wie lineare Regression, logistische Regression, Entscheidungsbaum, Random Forest und k-means Clustering verstehen und in R implementieren können.

Nach Abschluss des Kurses werden Sie in der Lage sein, R eigenständig für Machine Learning und Data Science zu verwenden und ...

Sie verstehen die Rolle des Product Owners im Scrum-Framework umfassend und sind in der Lage, Produkte wertorientiert zu steuern. Nach dem Seminar können Sie Product Backlogs strukturiert aufbauen, priorisieren und transparent mit Scrum-Teams sowie Stakeholdern zusammenarbeiten.

Sie verstehen die Rolle des Product Owners im Scrum-Framework umfassend und sind in der Lage, Produkte wertorientiert zu steuern. Nach dem Seminar können Sie Product Backlogs strukturiert aufbauen, priorisieren und transparent mit Scrum-Teams sowie Stakeholdern zusammenarbeiten.

• Liquiditätsrisikomanagement: Aktueller Stand und europäische Umsetzung
• Kalibrierung und Mechaniken der LCR und NSFR
• Statische und dynamische LCR-Steuerung
• Wirkung ausgewählter Geschäfte (Kauf/Verkauf von HQLA, besicherte und unbesicherte Aufnahmen/Anlagen)
• Vorschau und Meldung
• Verursachungsgerechte Allokation der LCR-Kosten

• Zusammenspiel LCR, NCR und MREL
• Normative Perspektive mit LCR, NSFR und MREL
• Abgrenzung normative vs. ökonomische Perspektive
 

Dieses Seminar bieten wir an zwei halben Tagen oder einem kompletten Seminartag an. Ich habe Ihnen die nächsten Termine nachfolgend aufgelistet: 

 

- 07. Mai 2024, 09:00 - ca. 17:00 Uhr, Frankfurt am Main / Webinar

- 11. Oktober 2024, 09:00 - ca. 17:00 Uhr, Frankfurt am Main / Webinar

 

Seminarbeschreibung

Für ein erfolgreiches Liquiditätsrisikomanagement muss verstanden werden, wie die LCR und NSFR auf verschiedene Produkte reagieren. In diesem Kurs erfahren Sie daher, wie man diese Kennzahlen effizient steuern und überwachen kann.  

Darüber hinaus befassen Sie sich mit Anforderungen an die Meldung, weiteren steuerungsrelevanten Aspekten wie Transferpricing und ILAAP (Säule 2) und mit aktuellen Entwicklungen

Der Kurs Grundlagen des Maschinellen Lernens mit scikit-learn und Python behandelt in einem zweitägigen Seminar die Konzepte des überwachten und unüberwachten Lernens mit Hilfe des Python Moduls scikit-learn.
Es wird vorausgesetzt, dass die Teilnehmer grundlegende Kenntnisse in Python besitzen.

Der Kurs vermittelt Ihnen die Grundlagen des Machine Learning und zeigt Ihnen, wie Sie Machine Learning mit Python und der Bibliothek scikit-learn umsetzen können. Machine Learning ist eine wichtige Algorithmenklasse der Künstlichen Intelligenz und umfasst sowohl supervised learning als auch unsupervised learning.

Wir werden uns auf supervised learning konzentrieren, bei dem Algorithmen mit gelabelten Daten trainiert werden, um bestimmte Aufgaben zu erlernen. Beispiele für supervised learning sind die Klassifikation von Fehlern in Bauteilen oder die Vorhersage des Umsatzes eines Kunden.

Unsupervised learning hingegen benötigt keine gelabelten Daten, sondern versucht, Muster oder Gruppen in den vorhandenen Daten zu erkennen. Dies kann zum Beispiel für die Kundengruppierung verwendet werden.

Der Kurs verwendet die Programmiersprache Python, die sowohl im Machine Learning als auch im Deep Learning weit verbreitet ist. Die Bibliothek scikit-learn bietet zahlreiche Algorithmen, die das Lernen von Machine Learning erleichtern.

Wir werden hauptsächlich das Python-Modul scikit-learn verwenden, um die Algorithmen im Machine Learning zu le...

Bilde dich online als Yin Yoga Trainer weiter: ortsunabhängig lernen, Inhalte jederzeit abrufen und im eigenen Tempo vorankommen. Yin Yoga ist ein beliebter Yogastil mit ruhiger meditationsähnlicher Ausprägung, der immer mehr Fans findet. In dem intensiven Fernlehrgang der Akademie für Sport und Gesundheit (ASG) lernst du alles, was du brauchst, um als lizenzierter Yin Yoga Trainer ansprechende Kurse zu geben. Du schließt den Kurs mit einer anerkannten Lizenz ab. Geeignet ist der Kurs für Yoga Trainer und alle Interessierten, die sich privat in dem Bereich weiterbilden möchten. Yoga-Vorkenntnisse sind obligatorisch.

Dieses fünftägige Intensivseminar vermittelt praxisorientierte Kompetenzen für den Einstieg in Data Science und Machine Learning mit Python. Die Teilnehmenden erlernen die Grundlagen der Programmiersprache Python für die Datenanalyse und entwickeln Schritt für Schritt die Fähigkeit, Machine-Learning-Algorithmen mit scikit-learn eigenständig umzusetzen.

Schwerpunkte der Weiterbildung:
- Python für Data Analytics: Datenstrukturen, eigene Funktionen, Control Flows.
- Datenaufbereitung und Analyse: Arbeiten mit pandas, numpy sowie Visualisierung mit seaborn und matplotlib.
- Machine Learning in der Praxis: Implementierung und Verständnis zentraler Algorithmen (Regression, Klassifikation, Clustering) mit scikit-learn.
- Modellbewertung und Optimierung: Train-Test-Split, Kreuzvalidierung, Hyperparameter-Tuning, Overfitting erkennen und vermeiden.
- Eigenständige Umsetzung: Intensive Übungsphasen und praxisnahe Projekte unter Anleitung des Trainers.

Nach Abschluss des Bootcamps können Sie:
- Daten aus unterschiedlichen Quellen einlesen, bereinigen und visualisieren.
- Machine-Learning-Modelle trainieren, validieren und interpretieren.
- Die Grundlagen von Data Engineering und Data Mining anwenden.
- Ihr Wissen eigenständig weiter ausbauen und in beruflichen Projekten einsetzen.

Besonderheiten:
- Nutzung der Anaconda-Distribution und der IDE Spyder.
- Ideal für Bildungsurlaub und den Einstieg in Data Science, Business Intelligence und Data Analytics.