Seminare zum Thema Programmiersprachen

• Faster feedback: Test automation enables developers to receive rapid feedback on their code changes. Automated tests can be executed quickly, providing immediate insights into any issues or regressions introduced. This allows developers to address problems promptly and iterate more efficiently.
• Code confidence: Automated tests serve as a safety net for developers when making code modifications or refactoring. Having comprehensive test coverage ensures that changes do not break existing functionality, providing developers with confidence in their code.
• Increased productivity: Test automation reduces the time and effort spent on manual testing. Developers can focus on writing new code and implementing features, knowing that automated tests will validate the functionality. This improves productivity and allows developers to deliver software more efficiently.
• Code quality: Test automation encourages developers to write testable code and follow best practices. Automated tests can detect issues early, such as logic errors, boundary cases, or unexpected behavior. This helps developers produce cleaner, more robust code.
• Collaboration: Automated tests serve as executable specifications that facilitate communication and collaboration between developers, testers, and other team members. They provide a shared understanding of expected behavior and can act as documentation for the codebase.
• ...

Nach Agile Methoden wie Scrum sind in vielen Unternehmen längst etabliert - doch ein erfolgreicher Einsatz im Projektalltag erfordert weit mehr als das Befolgen des Rahmenwerks.  

In unserem zweitägigen Seminar vertiefen Sie Ihre Kenntnisse rund um Scrum und lernen, wie Sie ergänzende Techniken und Praktiken gezielt einsetzen, um Ihre Projekte wirksamer und flexibler zu gestalten. Sie analysieren Arbeitsprozesse, reflektieren agile Werte in der Praxis und kombinieren Scrum mit Methoden wie Kanban oder Extreme Programming. Auch Themen wie Skalierung, agile Produktentwicklung und Change Management sind Bestandteil des Programms.
 
Das Training findet wahlweise Live Online oder in Präsenz statt und wird durch unsere digitale Lernplattform LearningHub@Cegos sowie unser 4REAL-Modell für einen nachhaltigen Lerntransfer in die Praxis unterstützt. Nach dem Seminar sin...

Am Ende des Seminars können Sie ein React-Native-Projekt mit Expo eigenständig aufsetzen und auf echten Geräten sowie im Emulator testen. Sie bauen Oberflächen aus nativen Komponenten auf und gestalten diese mit Flexbox und StyleSheet. Außerdem verwalten Sie Zustand, Formulare und Benutzereingaben mit Hooks, stellen Listen performant dar und laden Daten aus dem Netz. Sie navigieren mit React Navigation oder Expo Router zwischen mehreren Screens und greifen auf Gerätefunktionen wie Kamera, Standort und Benachrichtigungen zu.

Die Teilnehmer können nach Abschluss des iLogic-Seminars eigenständig erkennen, 

wo und wie Modelle und Arbeitsabläufe durch iLogic-Regeln effizient 

automatisiert werden können. Sie können die dafür nötigen 

Automatisierungsschritte planen und realisieren.



Für die Automatisierung benötigte Parameter und iProperties können sie erzeugen, 

konfigurieren und auf verschiedene Weise aus- und eingeben. Die Parameter, 

iProperties und Modelle können sie mittels iLogic-Regeln sowie grundlegenden 

Funktionen, Objekten und Klassen des Inventor-API so verarbeiten, dass manuelle 

Eingaben für wiederkehrende Aufgaben reduziert werden. Sie können außerdem die 

automatische Ausführung externer Regeln konfigurieren und mit der 

Formularfunktion zu Werkzeugkästen zusammenstellen, um den Alltagseinsatz 

effizient und komfortabel zu gestalten.



Vorhersehbar schädliche Eingaben durch Benutzer des Modells können sie abfangen 

und behandeln.



Das in diesem Kurs gelernte Grundverständnis für iLogic und das Inventor-API 

versetzt die Teilnehmer außerdem in die Lage, eigenständig Lösungen für nicht in 

der Schulung behandelte Aufgaben zu finden.

Die Teilnehmer können nach Abschluss des iLogic-Seminars eigenständig erkennen, 

wo und wie Modelle und Arbeitsabläufe durch iLogic-Regeln effizient 

automatisiert werden können. Sie können die dafür nötigen 

Automatisierungsschritte planen und realisieren.



Für die Automatisierung benötigte Parameter und iProperties können sie erzeugen, 

konfigurieren und auf verschiedene Weise aus- und eingeben. Die Parameter, 

iProperties und Modelle können sie mittels iLogic-Regeln sowie grundlegenden 

Funktionen, Objekten und Klassen des Inventor-API so verarbeiten, dass manuelle 

Eingaben für wiederkehrende Aufgaben reduziert werden. Sie können außerdem die 

automatische Ausführung externer Regeln konfigurieren und mit der 

Formularfunktion zu Werkzeugkästen zusammenstellen, um den Alltagseinsatz 

effizient und komfortabel zu gestalten.



Vorhersehbar schädliche Eingaben durch Benutzer des Modells können sie abfangen 

und behandeln.



Das in diesem Kurs gelernte Grundverständnis für iLogic und das Inventor-API 

versetzt die Teilnehmer außerdem in die Lage, eigenständig Lösungen für nicht in 

der Schulung behandelte Aufgaben zu finden.

Retrieval-Augmented Generation (RAG) verbindet Large Language Models mit eigenen Daten und macht KI-Anwendungen erstmals wirklich nutzbar für Unternehmen. In diesem intensiven Hands-on-Bootcamp lernst du, wie du RAG-Systeme konzipierst, implementierst und produktiv betreibst – von der Datenaufbereitung bis zum Monitoring im Betrieb. Der Fokus liegt konsequent auf der Praxis: Du entwickelst Schritt für Schritt eine vollständige RAG-Pipeline in Python, arbeitest mit realistischen Use-Cases und verstehst, welche Architekturentscheidungen Qualität, Kosten und Wartbarkeit beeinflussen. Du lernst nicht nur, wie RAG funktioniert, sondern warum bestimmte Ansätze scheitern – und wie du Systeme gezielt evaluierst und optimierst. Das Training verbindet fundierte technische Grundlagen mit erprobten Best Practices aus NLP, ML-Engineering und MLOps und gibt dir einen umsetzbaren Blueprint für robuste, skalierbare KI-Lösungen im Unternehmenskontext.

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

 

Das Modul Machine Learning mit R 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. Denn anstatt dass Sie selbst Regeln erstellen, z. B. wie Sie eine Prozess möglichst effizient ablaufen lassen oder wann die nächste Wartung durchgeführt werden muss, 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/

Ob Stehaufmännchen oder Fels in der Brandung´, diese Metaphern vereinen Flexibilität und Widerstandskraft und beschreiben Menschen mit ausgeprägter Resilienz. Diese sind in der Lage, Krisen und schwierige Situationen gut zu meistern und an ihnen zu wachsen. Das Konzept der Resilienz bietet ein großartiges Rüstzeug für die eigene Widerstandsfähigkeit gegen alle Stürme des Lebens. Durch gezielte Übungen und Aktivitäten in der wohltuenden und entschleunigenden Atmosphäre der Natur erfährst du, wie du deine Ressourcen stärkst, deine Achtsamkeit schulst und Stress gelassener begegnest. Warum also nicht die Kraft der Natur mit einem Resilienztraining verbinden?

Diese fünftägige ML/DL Intensiv-Schulung bietet Ihnen einen schnellen, jedoch fundierten Einstieg in die künstliche Intelligenz mit besonderem Schwerpunkt auf Machine Learning und Deep Learning. Sie lernen die wichtigsten Best Practices und Techniken für die Bearbeitung und Erstellung von Projekten auf Basis der Open-Source-Bibliotheken wie Scikit-Learn, Keras, TensorFlow, PyTorch, OpenCV und Huggingsface kennen.



Nach diesem Kurs werden Sie Begriffe wie Embeddings, Object Detection, Image Segmentation, Attention Mechanism, GANs und viele mehr nicht nur einzuordnen wissen, sondern auch die dahinterliegenden Methoden sowie Modelle zur Bildklassifizierung, Objekterkennung, Verarbeitung natürlicher Sprache sowie Zeitreihenanalysen verstehen und praktisch einsetzen können. 

GPT und andere LLMs zeigen das Potenzial moderner Sprachverarbeitung auf. In diesem Kurs werden die dahinterstehenden Technologien entschlüsselt: Natural Language Processing (NLP) und Transformer-Architekturen bilden die Grundlage für intelligente Chatbots, maschinelle Übersetzungen und viele weitere KI-Anwendungen. Du lernst leistungsfähige NLP-Modelle mit Python und TensorFlow zu entwickeln.