Seminare aus der Rubrik IT & Programmierung

Der Kurs Künstliche Intelligenz mit Python ist das erste Modul des Lehrgangs Data Science Crash Course mit Python. Das einführende Modul gibt einen Überblick über die aktuellen Data Science Methoden der Künstlichen Intelligenz mit zahlreichen Praxisbeispielen aus Prozessindustrie, Predictive Maintenance oder dem Natural Language Processing (NLP), das die Grundlage von Chatbots darstellt. Ein besonderer Fokus wird zudem auf das Maschinelle Lernen gelegt, das ein wichtiges Handwerkszeug eines jeden Data Scientists ist. Dabei steht der Hands-on-Character im Fokus.

Zuerst gibt es eine intensive Einführung in die Programmiersprache Python, woraufhin an einem Praxis-Beispiel der gesamte Data-Science-Prozess inkl. Datenzugriff, Visualisierung, Aufbereitung der Daten, Feature Engineering, Validierung und Evaluation umgesetzt wird. Dabei programmieren Sie eigenhändig den Machine Learning Algorithmus Learning Vector Quantization (LVQ), der Ähnlichkeiten zu Neuronalen Netzen besitzt. Insgesamt erhalten Sie dadurch einen intensiven Einblick, wie Data Science und Künstliche Intelligenz in der Praxis angewendet werden.

Feedbacks unserer Teilnehmer: https://www.provenexpert.com/dhl-data-science-seminare-gmbh/

• Verständnis für technische, rechtliche und praktische Anforderungen an digitale Barrierefreiheit
• Anwendung manueller und automatisierter Testverfahren
• Integration barrierefreier Tests in bestehende QA- und CI/CD-Prozesse
• Sensibilisierung für häufige Barrieren und fehlerhafte Implementierungen
• Voraussetzungen: Grundkenntnisse in JavaScript & Playwright empfohlen
  
  
  
  

• Höhere Produktivität: Durch eine optimierte Leistung und schnelle Verarbeitung von Abfragen und Transaktionen können Unternehmen ihre Produktivität steigern. Mitarbeiter können effizienter arbeiten und auf qualitativ hochwertige Daten in kürzerer Zeit zugreifen.
• Bessere Kundenerfahrung: Mit einer optimierten Datenbankleistung können Unternehmen ihren Kunden schnellere Antwortzeiten und eine reibungslose Benutzererfahrung bieten. Dies führt zu höherer Kundenzufriedenheit und Kundenbindung.
• Kosteneinsparungen: Durch die Optimierung der PostgreSQL-Datenbank können Unternehmen ihre Ressourcennutzung verbessern und Engpässe minimieren. Dadurch werden die Betriebskosten reduziert, da weniger Hardware-Ressourcen benötigt werden, um die gewünschte Leistung zu erzielen.
• Skalierbarkeit und Wachstum: Durch das Erlernen von Techniken zur Skalierung und Optimierung der PostgreSQL-Datenbank können Unternehmen ihr Datenwachstum bewältigen und ihre Systeme auf zukünftiges Wachstum vorbereiten. Dies ermöglicht es ihnen, ihre Geschäftstätigkeit auszuweiten, ohne Leistungseinbußen befürchten zu müssen.