Python lernen: Kurse und Seminare auf der Plattform seminarmarkt.de!

Implementierung der Programmierbarkeitsschnittstellen für Netzwerkgeräte mit NETCONF und RESTCONF

• Implement NETCONF Protocol
• Implement RESTCONF Protocol

Implementierung der modellbasierten Programmierbarkeit mit YANG

• YANG-Datenmodelle
• YANG-Werkzeuge
• YANG-Entwicklungskit

Implementierung der modellgesteuerten Telemetrie

• Implementierung der modellgesteuerten Telemetrie mit gRPC
• Implementierung der modellgesteuerten Telemetrie mit gNMI

Automatisierung des Netzwerkverkehrs von Service Providern mit Cisco XTC

• Cisco XTC-Grundlagen
• Cisco XTC konfigurieren

Automatisierung von Netzwerken mit Tools, die SSH nutzen

• Implementierung von Gerätekonfigurationen mit der Python-Netmiko-Bibliothek
• Implementierung von Gerätekonfigurationen mit Ansible Playbooks

Orchestrierung von Netzwerkdiensten mit Cisco NSO

• Cisco NSO-Grundlagen
• Cisco NSO Geräte-Manager
• Cisco NSO-Dienste
• Implementierung von Gerätekonfigurationen mit Python

Automatisierung von virtualisierten Ressourcen mit Cisco Elastic Services Controller

• Cisco ESC-Architektur
• Cisco ESC-Ressourcenverwaltung

Automatisierung des WAN mit Cisco WAE...

Modul 1: Wie Google maschinelles Lernen betreibt

• Beschreiben Sie die Vertex AI Platform und wie sie verwendet wird, um AutoML-Modelle für maschinelles Lernen schnell zu erstellen, zu trainieren und einzusetzen, ohne eine einzige Zeile Code zu schreiben.
• Beschreiben Sie bewährte Verfahren für die Implementierung von maschinellem Lernen in der Google Cloud.
• Entwicklung einer Datenstrategie für maschinelles Lernen
• Untersuchen Sie Anwendungsfälle, die dann durch eine ML-Linse neu konzipiert werden
• Nutzen Sie die Tools und die Umgebung der Google Cloud Platform für ML

Modul 2: Einstieg in das maschinelle Lernen

• Beschreiben Sie Vertex AI AutoML und wie Sie ein ML-Modell erstellen, trainieren und bereitstellen können, ohne eine einzige Zeile Code zu schreiben.
• Beschreiben Sie Big Query ML und seine Vorteile.
• Beschreiben Sie, wie Sie die Datenqualität verbessern können.
• Führen Sie eine explorative Datenanalyse durch.
• Erstellen und trainieren Sie überwachte Lernmodelle.
• Optimieren und bewerten Sie Modelle mit Hilfe von Verlustfunktionen und Leistungsmetriken.
• Entschärfen Sie häufige Probleme, die beim maschinellen Lernen auftreten.
• Erstellen Sie wiederholbare und skalierbare Trainings-, Bewertungs- und Testdatensätze.

Modul 3: TensorFlow in der Google Cloud

Erstellen Sie TensorFlow und Keras Modelle für maschinelles Lernen....

• Design für Wartungsfreundlichkeit
• Design für Wartungsfreundlichkeit
• Implementierung der ChatOps-Anwendung
• Erweiterte REST-API-Integration
• Sicherung von Anwendungsdaten
• Absicherung von Web- und mobilen Anwendungen
• Anwendungsfreigabe automatisieren
• Bereitstellen von Anwendungen
• Erforschung verteilter Systeme
• Orchestrierung von Netzwerk und Infrastruktur
• Modellierung von Daten mit YANG
• Verwendung relationaler und nicht-relationaler Datenbanken

Maschinelles Lernen bei Google

Was ist maschinelles Lernen und welche Probleme lassen sich damit lösen? Für Google geht es beim maschinellen Lernen mehr um Logik als nur um Daten. In diesem Kurs erfahren Sie, warum dieser Ansatz beim Erstellen einer Pipeline aus ML-Modellen nützlich ist. Wir erläutern die fünf Phasen zur Umsetzung eines Anwendungsfalls für maschinelles Lernen und warum keine dieser Phasen übersprungen werden darf. Wir beenden diese Spezialisierung mit einer Erläuterung der Vorurteile, die durch maschinelles Lernen vergrößert werden können, und wie man sie erkennen kann.

• Datenstrategie zu ML entwickeln
• Anwendungsfälle untersuchen, die dann aus der ML-Perspektive neu erfunden werden
• Vorurteile erkennen, die durch maschinelles Lernen vergrößert werden können
• Die Tools und die Umgebung der Google Cloud Platform für maschinelles Lernen nutzen
• Aus der Erfahrung von Google zur Vermeidung gängiger Problematiken lernen
• Data Science-Aufgaben in Online-Notebooks zur Zusammenarbeit ausführen
• Vortrainierte ML-Modelle aus Cloud Datalab aufrufen

Einführung in das maschinelle Lernen

Ausgehend von einem Überblick über die Geschichte des maschinellen Lernens lernen Sie in diesem Kurs, warum neuronale Netzwerke heutzutage in der Lage sind, eine Vielzahl von Problemen erfolgreich zu bearbeiten. Sie lernen, betreute Lernprobleme einzurichten und mithilfe des Gradientenverfahrens ein...

Wertschöpfungspotenziale detektieren und nutzen

Machine Learning ist derzeit das erfolgreichste Gebiet der Künstlichen Intelligenz. An zwei Seminartagen lernen die Teilnehmenden den Einsatz von Machine Learning-Anwendungen für konkrete Anwendungsszenarien im Unternehmen kennen. Machine Learning-Algorithmen suchen zielgerichtet nach Mustern und erlauben dadurch Auswertungen, die für einzelne Menschen längst zu komplex geworden sind. Ganz gleich, ob Kundeninformationen, Preise oder Umsatzentwicklungen – überall dort, wo tabellarische Daten vorliegen, kommen mittlerweile Machine Learning-Anwendungen zum Einsatz. Die festgestellten Zusammenhänge erlauben verlässliche Vorhersagen und bilden damit eine vertrauenswürdige Entscheidungsgrundlage zur Lösung realer Problemstellungen.