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

Die Teilnehmer werden in diesem Kurs ein Basiswissen in Scala erwerben und Konzepte, Sprachkonstrukte sowie im Programmieralltag nützliche Eigenschaften der Programmiersprache Scala kennen lernen. Viele praktische Beispiele helfen beim Einstieg, und je nach Vorwissen werden dabei auch Parallelen zu anderen Programmiersprachen gezogen. Folgende Themen werden dabei besprochen:

 

• Unterschiede und Gemeinsamkeiten von Java und Scala
• Nachteile von Seiteneffekten und die Idee der Immutability
• Funktionales vs. imperatives Programmieren
• Parallelisierung und Threads - mehr Effizienz durch nicht-blockierende Parallelität
• Abstraktion und Wiederverwendbarkeit von Funktionalität durch Klassen und Traits
• Typisierung als Hilfsmittel für sicheres Programmieren
  
  
  
  

Die Teilnehmer werden in diesem Kurs ein Basiswissen in Scala erwerben und Konzepte, Sprachkonstrukte sowie im Programmieralltag nützliche Eigenschaften der Programmiersprache Scala kennen lernen. Viele praktische Beispiele helfen beim Einstieg, und je nach Vorwissen werden dabei auch Parallelen zu anderen Programmiersprachen gezogen. Folgende Themen werden dabei besprochen:

 

• Unterschiede und Gemeinsamkeiten von Java und Scala
• Nachteile von Seiteneffekten und die Idee der Immutability
• Funktionales vs. imperatives Programmieren
• Parallelisierung und Threads - mehr Effizienz durch nicht-blockierende Parallelität
• Abstraktion und Wiederverwendbarkeit von Funktionalität durch Klassen und Traits
• Typisierung als Hilfsmittel für sicheres Programmieren
  
  
  
  

Dieser Kurs gehört zur Seminarreihe „Multivariate Datenanalyse mit R”. Sie erhalten eine umfassende Einführung in die lineare und logistische Regressionsanalyse.

In diesem Modul wird die Regressionsanalyse als grundlegendes multivariates Verfahren behandelt. Mit der Regressionsanalyse werden Regressionsmodelle entwickelt, die das Zustandekommen einer kontinuierlichen Zielgröße durch das Zusammenwirken von verschiedenen kontinuierlichen, linear oder nichtlinear wirkenden Einflussgrößen sowie deren Wechselwirkungen erklären und für Prognosen verwendet werden können. Darüber hinaus können kategoriale Gruppenvariablen verwendet werden, um das Verhalten des Modells in verschiedenen Teilpopulationen zu untersuchen. Es werden Empfehlungen zur Auswahl von Variablen gegeben und Verfahren zur automatischen Auswahl von Variablen gezeigt. Des Weiteren wird die logistische Regression vermittelt, die zur Anwendung kommt, wenn die Zielgröße keine kontinuierliche, sondern eine kategoriale Variable ist. Mit der logistischen Regression können die Variablen ermittelt werden, mit denen eine Gruppenzugehörigkeit oder das Eintreten eines Ereignisses am besten erklärt werden kann. Ein logistisches Regressionsmodell kann darüber hinaus zur Klassifikation neuer Fälle bzw. zur Prognose zukünftiger Ereignisse eingesetzt werden. Wir zeigen Ihnen, wie Sie mit diesen fortgeschrittenen Methoden realitätsnahe Regressionsmodelle mit hohem Erklärungswert und guten Prognosen entwickeln können.

Kurssprache: Deutsch, Schulungsunterlagen: Englisch, digitale Form.
Zielgruppe: Professionals who manage NetApp storage systems and would like a deeper understanding of Clustered Data ONTAP system performance.
Kursziele: For those students who are looking for more in-depth knowledge on managing performance on Clustered Data ONTAP after completing DCADM should consider PERFCDOT. This course will teach students to use available tools such as system commands and NetApp OnCommand to collect and monitor performance data. Students will learn to use this data to identify and implement system changes that improve the efficiency of the system. Hands-on labs, case-studies, and technical discussions will take place throughout this 2-day course.

Dieses Seminar führen wir in Kooperation mit Fast Lane GmbH durch.