Seminare zum Thema Informatik/IT

Nach Abschluss des Seminars sollten die Teilnehmer in der Lage sein:

• Die Grundlagen von DevOps zu verstehen und die Vorteile für das Unternehmen zu erkennen, einschließlich beschleunigter Bereitstellungen, erhöhter Qualität und besserer Kundenzufriedenheit.
• Die Prinzipien und Best Practices von DevOps anzuwenden, um eine effektivere Zusammenarbeit zwischen Entwicklung und Betrieb zu fördern.
• Die automatisierten Prozesse und Werkzeuge zu nutzen, um den Entwicklungs- und Bereitstellungszyklus zu beschleunigen und die Fehleranfälligkeit zu verringern.
• Agile Projektmanagementmethoden wie Scrum einzuführen und anzuwenden, um eine flexiblere und reaktionsschnellere Entwicklung zu ermöglichen.
• Kontinuierliches Feedback und kontinuierliche Verbesserung in die Unternehmenskultur zu integrieren, um die Effizienz, Qualität und Innovation kontinuierlich zu steigern.
• Die DevOps Foundation-Zertifizierung als Bestätigung für das erlernte Wissen und die Fähigkeiten zu erwerben, um das Unternehmen als DevOps-kompetent zu positionieren.

Effiziente Prozesse, messbare Ergebnisse und nachhaltige Verbesserungen sind zentrale Erfolgsfaktoren für Unternehmen - insbesondere in wettbewerbsintensiven Märkten. Das Lean Six Sigma Green Belt Training vermittelt Ihnen fundierte Kenntnisse in der Anwendung der Lean Six Sigma-Methodik und befähigt Sie, Optimierungsprojekte eigenständig zu planen, durchzuführen und erfolgreich abzuschließen.
In diesem zehntägigen Seminar (70 Stunden) lernen Sie die DMAIC-Roadmap kennen, wenden bewährte Analyse- und Verbesserungswerkzeuge an und bearbeiten auf Wunsch ein reales Projekt aus Ihrem Arbeitsumfeld. Das Training findet wahlweise als Präsenz- oder Live Online-Schulung statt und bereitet gezielt auf die Lean Six Sigma Green Belt-Zertifizierung (nach dem Standard der American Society for Quality ASQ) vor. Die Prüfung erfolgt am letzten Seminartag Voraussetzung für die Zertifizierung ist eine erfolgreich abgeschlossene schriftliche Prüfung (Multiple Choice) und der Nachweis von Projekterfahrung im Beruf, alternativ kann ein Praxisprojekt als Nachweis eingebracht werden.
Nach Abschluss dieses Seminars sind Sie in der Lage, Prozesse messbar zu verbessern und Einsparungspotenziale zu realisieren - häufig bereits während der Qualifizierung. Sie agieren als operative:r Ansprechpartner:in für Lean Six Sigma-Initiativen und leisten einen direkten Beitrag zur Business Excellence in Ihrem Unternehmen. Das Seminar ist zudem anschlussfähig für eine spätere Weiterqualifizierung zum...

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.

In der digitalen Welt entstehen immer mehr Daten. Und innovative KI-Lösungen nutzen diese Daten, bieten Unternehmen eine Vielzahl an neuen Geschäftsmöglichkeiten und verändern die Arbeitsrealität in verschiedensten Branchen.
Unternehmen versuchen deshalb durch die Anwendung von generativer KI und durch die Erfassung, Analyse und Auswertung der ihnen verfügbaren Daten sich Wettbewerbsvorteile zu verschaffen. Die Voraussetzung dafür sind gutes Datenmanagement, sinnvolle Datenprojekte und Mitarbeitende mit den notwendigen Daten- & KI-Skills.
Doch wie sieht der ideale Ablauf von Datenprojekten aus? Wo fängt man an, wie geht man vor, wo lauern Fallstricke und wie können diese geschickt umgangen werden? In diesem Training zum Thema Data Science und künstliche Intelligenz bekommst du das Wissen und die Techniken, um Potenziale deiner Unternehmensdaten zu erkennen und gezielt zu nutzen. Du lernst nicht nur alle Schritte für die erfolgreiche Umsetzung analytischer bzw. klassischer Daten- & KI-Projekte kennen – von der richtigen businessrelevanten Fragestellung bis zur Bewertung der Ergebnisse. Dir wird auch gezeigt, wie du wichtige Schlüsselkonzepte des Machine Learnings nutzen und unternehmerische Entscheidungen mithilfe von Künstlicher Intelligenz treffen kannst. Durch dieses Seminar positionierst du dich als kompetente Gestalter:in in der aktuellen Daten- & KI-Transformation.

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.

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...