Seminare zum Thema Informatik/IT

Der 5-tägige  Machine Learning Bootcamp in R vermittelt in einzeln buchbaren Modulen Kenntnisse im überwachten maschinellen Lernen (engl. supervised machine learning) in Modul 1 und im unüberwachten maschinellen Lernen (engl. unsupervised machine learning) in Modul 2, sowie praktisches Wissen zum interpretierbaren maschinellen Lernen in Modul 3. Für die Anwendungsbeispiele und praktische Übungsaufgaben kommt die statistische Software R zum Einsatz.

Ziel: Vermittlung von Kenntnissen zur Anpassung und Verbesserung von Vorhersagemodellen, zum Auffinden von Strukturen in den Daten und zur Interpretation von Algorithmen und Methoden aus dem Bereich des maschinellen Lernen mit praktischen Beispielen in R. Dies soll es den Teilnehmern erleichtern, in ihrem Arbeitsalltag eigene Vorhersagemodelle zu optimieren und Projekte zielgerichtet bearbeiten zu können, ohne sich tagelang selber in bestimmte Themen einarbeiten zu müssen. Zudem werden in den einzelnen Themenblöcken hilfreiche Zusatzpakete in R empfohlen, deren Nutzung oft unnötige Programmierarbeit, zusätzliche Recherchen und Anfängerfehler ersparen können.

Dieses Seminar kann als Vorbereitung auf das CKA-Examen (Certified Kubernetes Administrator) dienen.

Dieses stark praxisorientierte Seminar fokussiert auf die Themen, die für einen stabilen und effizienten Betrieb von Kubernetes entscheidend sind. Der Inhalt ist optimal auf die tägliche Praxis abgestimmt und versetzt Sie in die Lage, Kubernetes-Umgebungen professionell zu managen.



Ihre Kompetenzen nach dem Kurs:

• Praxisorientierter Betrieb: Sie beherrschen die Werkzeuge und Verfahren, um Kubernetes-Ressourcen im täglichen Betrieb zu administrieren, zu skalieren und zielgerichtet zu debuggen.
• Professionelles Workload-Management: Sie lernen, Cluster aufzusetzen und die darauf laufenden Anwendungen professionell zu erstellen und zu verwalten.
• Strategisches Architekturwissen: Sie verstehen die Vor- und Nachteile der eingesetzten Technologiestacks und können fundierte Design-Entscheidungen für die nahtlose Integration in bestehende IT-Infrastrukturen treffen.
• Effizientes Troubleshooting: Sie erhalten bewährte Vorgehensweisen und Lösungsansätze an die Hand, um Probleme systematisch zu analysieren und zu beheben.

VMware Horizon 8: Deploy and Manage is a five-day combination course of VMware Horizon 8: Skills for Virtual Desktop Management & VMware Horizon 8: Infrastructure Administration. This training collection gives you the hands-on skills to deliver virtual desktops and applications through a single virtual desktop infrastructure platform. You will build on your skills in configuring and managing VMware Horizon® 8 through a combination of lecture and hands-on labs. You learn how to configure and deploy pools of virtual machines and how to provide a customized desktop environment to end-users. Additionally, you will learn how to install and configure a virtual desktop infrastructure platform. You learn how to install and configure VMware Horizon® Connection Server™ , VMware Unified Access Gateway™ , how to configure a load balancer for use with Horizon, and how to establish Cloud Pod Architecture.
Objectives

By the end of the course, you should be able to meet the following objectives:

Recognize the features and benefits of Horizon

Use VMware vSphere® to create VMs to be used as desktops for Horizon

Create and optimize Windows VMs to create Horizon desktops

Install and configure Horizon Agent on Horizon desktop

Configure and manage the VMware Horizon® Client™ systems and connect the client to a VMware Horizon desktop

Configure, manage, and entitle desktop pools of full VMs

...

Spätestens nach der Proof-of-concept-Phase benötigen Machine-Learning-Projekte die richtige Herangehensweise, Steuerung und Infrastruktur, um dauerhaft effizient und skalierbar zu sein. Ähnlich wie DevOps im Bereich der Softwareentwicklung bietet das Modell MLOps (Machine Learning Operations) einen hilfreichen Leitfaden mit Best Practices, Methoden und Tools, die darauf abzielen, den Lebenszyklus von Machine-Learning-Modellen optimal zu managen und abzubilden. In diesem zweitägigen Seminar lernst du sämtliche MLOps-Stationen im Detail kennen – von der Datenversionierung bis zum Monitoring – und erfährst, wie du deine Pipelines mit hilfreichen Tools wie Github, MLflow, DVC u.v.m. deployst, überwachst und produktiv hältst. Als zusätzliche Exkurse behandelt das Training MLOps in der Cloud (z.B. Azure ML Studio, Amazon Sagemaker oder Google Vertex AI) und gibt einen Ausblick zu LLMOps, wobei auf die besonderen Anforderungen von generativen KI-Modellen eingegangen wird. Das Seminar bietet neben Wissen zu Konzepten und Methoden auch zahlreiche praktische Übungen, um die erlernten Technologien und Tools direkt anzuwenden.

Das Ziel des Seminars ist es, den Teilnehmern ein fundiertes Verständnis der Programmiersprache Go zu vermitteln. Dies umfasst die Vermittlung von Kenntnissen über die Syntax von Go, die Grundprinzipien der Sprachstruktur sowie die Anwendung von Best Practices beim Schreiben, Testen und Warten von Go-Code. Zusätzlich soll ein Einblick in fortgeschrittene Themen wie Concurrent Programming und Systemarchitektur gegeben werden. 



Durch die Teilnahme am Seminar sollen die Teilnehmer in die Lage versetzt werden, eigenständig Go-Anwendungen zu entwickeln und bestehende Kenntnisse im Bereich der Softwareentwicklung um die Spezifika von Go zu erweitern. Abschließend zielt das Seminar darauf ab, dass die Teilnehmer die erworbenen Kenntnisse praktisch anwenden können, um effiziente, performante und skalierbare Softwarelösungen zu gestalten.

Das Ziel des Seminars ist es, den Teilnehmern ein fundiertes Verständnis der Programmiersprache Go zu vermitteln. Dies umfasst die Vermittlung von Kenntnissen über die Syntax von Go, die Grundprinzipien der Sprachstruktur sowie die Anwendung von Best Practices beim Schreiben, Testen und Warten von Go-Code. Zusätzlich soll ein Einblick in fortgeschrittene Themen wie Concurrent Programming und Systemarchitektur gegeben werden. 



Durch die Teilnahme am Seminar sollen die Teilnehmer in die Lage versetzt werden, eigenständig Go-Anwendungen zu entwickeln und bestehende Kenntnisse im Bereich der Softwareentwicklung um die Spezifika von Go zu erweitern. Abschließend zielt das Seminar darauf ab, dass die Teilnehmer die erworbenen Kenntnisse praktisch anwenden können, um effiziente, performante und skalierbare Softwarelösungen zu gestalten.

Tauchen Sie ein in die Welt der Big Data Analytics und lernen Sie, wie Sie große Datenmengen mit PySpark, der leistungsstarken Kombination aus Python und Apache Spark, verarbeiten und analysieren können. Unser praxisorientierter Kurs vermittelt Ihnen Schritt für Schritt die Fähigkeiten, die Sie benötigen, um Daten effizient zu transformieren, komplexe Analysen durchzuführen und erste Schritte im Bereich Machine Learning zu unternehmen.

Mit einer klaren Struktur, die Theorie und Praxis ideal kombiniert, erhalten Sie:
- Einen Überblick über moderne Big Data-Technologien und die zentrale Rolle von Apache Spark.
- Hands-on-Erfahrungen in der Datenaufbereitung, Datenverarbeitung und Optimierung mit PySpark.
- Einblicke in die Möglichkeiten von Machine Learning mit Apache Spark.

Dieser Kurs ist ideal für alle, die ihre Kompetenzen in der Datenanalyse erweitern möchten. Egal, ob Sie Einsteiger oder bereits mit der Datenverarbeitung vertraut sind - dieser Workshop gibt Ihnen das Rüstzeug, um selbständig und effizient mit Big Data zu arbeiten. Setzen Sie Ihre Projekte in Bewegung und nutzen Sie die Kraft von Apache Spark für Ihren Erfolg!

Daten sind der Treibstoff für die Digitalisierung der Wirtschaft. Allerdings können Unternehmen erst dann Fahrt aufnehmen, wenn sie über eigene Fachleute verfügen, die

- bereits vorhandene Produktions-, Kunden- oder Markt-Daten strukturieren und auswerten können,
- über geeignete Methoden zur Erhebung zusätzlich erforderlicher Daten verfügen und insgesamt
- die großen Potenziale datengestützter Analysen und Prozesse für die Wertschöpfung erschließen können.

Die Weiterbildung Data Analyst (IHK) qualifiziert datenaffine Fachkräfte branchenunabhängig dazu, diese Analytik und daraus hervorgehende Datenprojekte im Unternehmen zu implementieren. Wer im Wettbewerb von heute vorne mitfahren will, muss die Daten verstehen und richtig nutzen. Der praktische Teil umfasst die Umsetzung von Extract-Transform-Load-Prozessen in weit verbreiteten Business Intelligence Tools.

Alle Termine werden zusätzlich als Aufzeichnung zum Nacharbeiten zur Verfügung gestellt.

Bitte melden Sie sich frühzeitig zum Kurs an. Die Teilnehmerzahl ist begrenzt, damit Rückfragen und Diskussionen möglich sind und Themen gemeinsam erarbeitet werden können.

Daten stellen den Rohstoff dar, der den Antrieb für die digitale Transformation der Wirtschaft liefert. Jedoch können Unternehmen erst dann eine beschleunigte Geschwindigkeit erreichen, wenn sie über eigene Experten verfügen, die in der Lage sind, bestehende Produktions-, Kunden- und Marktdaten zu strukturieren und zu analysieren. Zudem müssen sie über geeignete Methoden zur Erhebung zusätzlicher Daten verfügen, um das volle Potenzial datengetriebener Analysen und Prozesse zur Wertschöpfung auszuschöpfen.
Hierbei spielen modernste Technologien und fortschrittliche Datenverarbeitungssysteme eine entscheidende Rolle, um eine optimale Datenintegration, -analyse und -auswertung zu gewährleisten.
Der Online-Zertifikatslehrgang qualifiziert datenaffine Fachkräfte branchenunabhängig dazu, diese Analytik und daraus hervorgehende Datenprojekte im Unternehmen zu implementieren: Wer im Wettbewerb von heute vorne mitfahren will, muss die Daten verstehen und richtig nutzen.

In diesem dreitägigen Kurs werden die Grundlagen von Künstlicher Intelligenz (KI) mit Keras-Tensorflow geschult. Der Fokus liegt auf Deep Learning für supervised und semi-supervised Anwendungsfälle. Sie werden die Neuronale Netzwerkarchitekturen Multi Layer Perceptron (MLP), Convolutional Neural Network (CNN) und die Modell Architektur SimCLR (Semi Supervised) kennenlernen. Das Framework Tensorflow/Keras wird dabei verwendet.

Unser Deep Learning-Kurs mit GPU-Nutzung bietet eine Einführung in Deep Learning-Algorithmen für die Verarbeitung von Bilddaten im Bereich des überwachten und semi-überwachten Lernens.
Deep Learning-Algorithmen sind derzeit eine wichtige Klasse von Algorithmen im Bereich des maschinellen Lernens und werden bereits in vielen Bereichen unseres Alltags eingesetzt. Im Kurs lernen Sie, geeignete Modelle zu trainieren, um sie zur Klassifikation oder Schätzung neuer Daten zu verwenden. Sie lernen auch die wichtigsten Aspekte der Programmierung von Deep Learning-Algorithmen in Tensorflow/Keras, einschließlich der Datenaufbereitung, des sequenziellen Einlesens großer Datenmengen, der Erstellung tiefer neuronaler Netze und der Anwendung der trainierten Modelle auf neue Daten. In praktischen Übungen werden gängige Varianten von Deep Neural Networks behandelt und vertieft. Die behandelten Algorithmen finden in verschiedenen Bereichen der Industrie Anwendung, wie z.B. dem Erkennen von Symbolen, der Produktionsüberwachung, der Textur-/Oberflächenan...