Seminare zum Thema Programmiersprachen

Das Ziel des SQL-Praxis-Workshops mit Übungen ist es, den Teilnehmern ein interaktives Lernumfeld zu bieten, in dem sie die Konzepte der SQL-Programmierung praktisch anwenden und ihre Fähigkeiten verbessern können. Am Ende des Workshops sollen die Teilnehmer in der Lage sein, SQL-Abfragen zu schreiben, Datenbanken zu optimieren und vollständige Datenbankanwendungen zu erstellen.



Jeder Teilnehmer bekommt eine von GFU vorbereitete Lernumgebung bereitgestellt, um alle Learnings praktisch durchführen zu können.

Das Ziel des SQL-Praxis-Workshops mit Übungen ist es, den Teilnehmern ein interaktives Lernumfeld zu bieten, in dem sie die Konzepte der SQL-Programmierung praktisch anwenden und ihre Fähigkeiten verbessern können. Am Ende des Workshops sollen die Teilnehmer in der Lage sein, SQL-Abfragen zu schreiben, Datenbanken zu optimieren und vollständige Datenbankanwendungen zu erstellen.



Jeder Teilnehmer bekommt eine von GFU vorbereitete Lernumgebung bereitgestellt, um alle Learnings praktisch durchführen zu können.

Am Ende des Seminars sind die Teilnehmenden in der Lage, SonarLint und SonarQube effektiv zu nutzen, um leistungsstarke, skalierbare und benutzerfreundliche Codeanalyse- und Qualitätsmanagement-Lösungen zu entwickeln, die Codequalität zu optimieren, Sicherheitsmaßnahmen zu implementieren und die Performance zu überwachen. Sie lernen, wie sie Projekte planen, erweiterte Funktionen implementieren und die Performance optimieren.

Der Kurs Machine Learning mit Python ist das zweite Modul des Lehrgangs Data Science Crash Course mit Python. Mit dem Lehrgang erhalten eine fundierte, modular aufgebaute Einführung in die Themen Data Science, Künstliche Intelligenz und Machine Learning sowohl für numerische Daten als auch für Textdaten.

 

Das Modul Machine Learning mit Python gibt einen Einblick in die unterschiedlichen Algorithmen des Maschinellen Lernens. Die Theorie dahinter wird dabei anhand von Praxis-Übungen aus den Bereichen Clustering, Virtuelle Sensoren und Zeitreihenvorhersage vermittelt. In diesem Modul werden Sie sich hauptsächlich mit der Anwendung des Machine Learning auf numerischen Daten beschäftigen.

 

Wenn heutzutage von Künstlicher Intelligenz gesprochen wird, meinen die meisten eigentlich Maschinelles Lernen. Maschinelles Lernen, oder Machine Learning, lässt die Daten für einen sprechen. Denn anstatt dass Sie selbst Regeln erstellen finden Machine Learning Algorithmen mit Ihrer Hilfe diese Regeln selbst.

 

Dabei unterteilt sich Machine Learning in drei Hauptbereiche: Supervised Learning, Unsupervised Learning und Reinforcement Learning. Sie werden aus diesen Bereichen zahlreiche Algorithmen kennenlernen und ausgewählte Algorithmen (KMeans, DBSCAN, Random Forest, XGBoost, Neuronale Netze, LSTMs) in drei Praxis-Übungen selbst intensiv anwenden.

 

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

Nach diesem Seminar beherrschen Sie die Konzepte und Techniken zur Integration von LLMs in Java-Microservices mit Spring AI und LangChain4j. Sie entwickeln eigene KI-gestützte Microservices, binden externe Datenquellen ein, nutzen Prompt Engineering gezielt und bauen Agenten-Workflows auf. Sie verstehen sowohl den konzeptionellen Hintergrund als auch die konkrete Implementierung und sind in der Lage, KI-Funktionen sicher und effektiv in produktive Anwendungen zu überführen.

Der aktuelle Hype um ChatGPT ist allgegenwärtig. Kein anderes KI-basiertes Sprachmodell macht die Möglichkeiten künstlicher Intelligenz so deutlich, wie derzeit OpenAI. Doch wie sehen die Wertschöpfungspotenziale solcher KI-Lösungen konkret aus? Wie funktionieren intelligente Chatbots und Sprachassistenten im Zusammenspiel mit generativen Sprachmodellen wie bei ChatGPT und welche Möglichkeiten lassen sich darüber hinaus gewinnbringend mit OpenAI im eigenen Unternehmen einsetzen? 

Dieser Praxisworkshop bietet nicht nur Einblicke und das notwendige Verständnis, sondern es werden auch Business Cases vorgestellt bzw. erarbeitet, die weit über Conversational AI hinausgehen. Anhand der Anwendungsfälle werden außerdem Chancen, Risiken und Alternativen solcher generativer LLMs (Large Language Models) diskutiert. Ziel des Workshop ist es, Teilnehmenden die vielseitigen Anwendungsmöglichkeiten von ChatGPT anzulernen. 

Nach diesem Seminar beherrschen Sie die Konzepte und Techniken zur Integration von LLMs in Java-Microservices mit Spring AI und LangChain4j. Sie entwickeln eigene KI-gestützte Microservices, binden externe Datenquellen ein, nutzen Prompt Engineering gezielt und bauen Agenten-Workflows auf. Sie verstehen sowohl den konzeptionellen Hintergrund als auch die konkrete Implementierung und sind in der Lage, KI-Funktionen sicher und effektiv in produktive Anwendungen zu überführen.

Warum sollten Sie dieses Seminar besuchen?

Sie entwickeln Firmware für Microcontroller und stoßen bei komplexeren Systemen an die Grenzen von Bare-Metal-Programmierung? Sie möchten Ihre Projekte zuverlässig, effizient und skalierbar gestalten und suchen einen praxisnahen Einstieg in Echtzeitbetriebssysteme (RTOS)? Dann ist dieses Seminar genau richtig für Sie.

Mit RTOS-basierten Systemen erhöhen Sie die Zuverlässigkeit, Effizienz und Skalierbarkeit Ihrer Produkte. Ihr Team lernt, Timing, Nebenläufigkeit und CPU-Last-Probleme früh zu erkennen und im RTOS-Kontext gezielt zu lösen, wodurch Entwicklungsaufwand und Fehlerquellen deutlich reduziert werden. Gleichzeitig steigern Sie die Innovationskraft Ihrer Abteilung: Neue Funktionen lassen sich einfacher integrieren, ohne, dass die Verständlichkeit des Codes leidet und langfristig senken Sie Kosten durch weniger Nacharbeit. 

Was lernen Sie konkret?

Nach dem Seminar können Sie RTOS-basierte Firmware sicher entwickeln, verstehen was Scheduler, Tasks, Prioritäten und Kontextwechsel sind und wissen, wie Sie RTOS-spezifische Probleme erkennen und beheben können.

Sie üben die Umsetzung direkt anhand eines praktischen Projekts: ein "Wohnmobil-Monitoring-System". 

Dabei lernen Sie:

Tasks zu erstellen und zu koordinieren (Temperaturmessung, Logging, Displayausgabe)

Nebenläufigk...

Am Ende des Seminars sind die Teilnehmenden in der Lage, SonarLint und SonarQube effektiv zu nutzen, um leistungsstarke, skalierbare und benutzerfreundliche Codeanalyse- und Qualitätsmanagement-Lösungen zu entwickeln, die Codequalität zu optimieren, Sicherheitsmaßnahmen zu implementieren und die Performance zu überwachen. Sie lernen, wie sie Projekte planen, erweiterte Funktionen implementieren und die Performance optimieren.

Der Einsatz von Machine Learning gewinnt in nahezu allen Branchen an Bedeutung - von der Prozessoptimierung bis hin zur datenbasierten Entscheidungsfindung. Dieses Seminar bietet Ihnen einen fundierten Einstieg in das Thema Machine Learning mit Python und vermittelt praxisnah die wichtigsten Konzepte, Methoden und Algorithmen.
In drei Tagen vertiefen Sie Ihre vorhandenen Python-Kenntnisse und lernen den professionellen Umgang mit großen Datenmengen. Darauf aufbauend beschäftigen Sie sich mit Datenaufbereitung, Visualisierung sowie den zentralen Verfahren des Supervised und Unsupervised Learning inklusive der Anwendung gängiger Algorithmen wie k-Nearest Neighbors (kNN), Entscheidungsbäumen oder k-Means-Clustering.

Die Schulung findet wahlweise als Live Online Training oder in Präsenz statt und ist praxisorientiert aufgebaut: Sie wenden das Gelernte direkt anhand konkreter Use Cases an.

Nach dem Seminar sind Sie in der Lage, Machine-Learning-Modelle mit Python zu erstellen, Daten gezielt zu analysieren und erste eigene Projekte umzusetzen - eine wertvolle Kompetenz für datengetriebenes Arbeiten in Ihrem Fachbereich.