Betrugsdetectierung mit Python und TensorFlow Schulung

Dieser intensive, praxisorientierte Kurs behandelt fortgeschrittene Python-Techniken, bewährte Engineering-Praktiken und gängige Design Patterns für die Entwicklung wartbarer, testbarer und hochperformanter Python-Anwendungen. Schwerpunkte liegen auf modernen Werkzeugen, Typisierung, Concurrent-City-Modellen, Architekturmustern und deploymentsfertigen Workflows.

Diese Dozenten-geführte Live-Schulung (online oder vor Ort) richtet sich an Python-Entwickler mit mittlerem bis fortgeschrittenem Niveau, die professionelle Praktiken und Patterns für produktionsreife Python-Systeme adoptieren möchten.

Am Ende dieser Schulung werden die Teilnehmer:

• Python-Typisierung, Dataclasses und Type-Checking anwenden, um die Code-Zuverlässigkeit zu erhöhen.
• Design Patterns und Architekturprinzipien nutzen, um robuste Anwendungen zu strukturieren.
• Concurrentity und Parallelität korrekt mit asyncio und Multiprocessing implementieren.
• Gut getesteten Code mit pytest, Property-Based Testing und CI-Pipelines erstellen.
• Python-Anwendungen profilieren, optimieren und für den Produktionsbetrieb härten.
• Python-Projekte mit modernen Werkzeugen und Containern paketieren, verbreiten und deployen.

Kursformat

• Interaktive Vorlesungen und kurze Demos.
• Tägliche praktische Laborübungen und Coding-Exercises.
• Capstone-Miniprojekt, das Patterns, Testing und Deployment integriert.

Optionen zur Kursanpassung

• Um eine maßgeschneiderte Schulung oder einen Fokusbereich (Daten, Web oder Infrastruktur) zu wünschen, kontaktieren Sie uns bitte zwecks Vereinbarung.

Dieser Kurs vermittelt praktische ingenieurtechnische Methoden zum Entwurf, zur Erstellung, zum Test und zum Deployment agenter (autonomer) Systeme in Python. Er behandelt die Agent-Loop, Tool-Integrationen, Speicher- und Zustandsverwaltung, Orchestrierungsmuster, Sicherheitsmassnahmen sowie Überlegungen für den produktiven Einsatz.

Diese instructor-led, Live-Schulung (online oder vor Ort) richtet sich an ML-Ingenieure, AI-Entwickler und Software-Ingenieure mit fortgeschrittenem bis mittlerem Kenntnisstand, die robuste, produktionsreife autonome Agenten in Python erstellen möchten.

Nach Abschluss dieser Schulung können die Teilnehmer:

• Die Agent-Loop und Entscheidungsfindungs-Workflows entwerfen und implementieren.
• Externe Tools und APIs integrieren, um die Fähigkeiten der Agenten zu erweitern.
• Kurzzeitige und langfristige Speicherarchitekturen für Agenten implementieren.
• Multischrittige Orchestrierungen und Komposition von Agenten koordinieren.
• Bewährte Methoden für Sicherheit, Zugriffskontrolle und Observierbarkeit bei bereitgestellten Agenten anwenden.

Kursformat

• Interaktive Vorträge und Diskussionen.
• Praktische Labore zum Erstellen von Agenten mit Python und beliebten SDKs.
• Projektbasierte Übungen, die deploybare Prototypen erzeugen.

Möglichkeiten zur Kursanpassung

• Falls Sie eine maßgeschneiderte Schulung für diesen Kurs wünschen, kontaktieren Sie uns bitte zur Vereinbarung.

 Vertieft sich in praktische Ansätze für Data Science und KI unter Verwendung von Python — ermöglicht Fachleuten, Daten zu erkunden, Machine-Learning-Modelle aufzubauen und KI-gestützte Anwendungen in Geschäfts kontexten einzusetzen; Behandelt CRISP-DM-Arbeitsabläufe, statistische Analysen, überwachtes und unüberwachtes Lernen, Deep Learning mit TensorFlow, Natural Language Processing, Big Data mit Spark sowie datengetriebenes Storytelling; Ideal für Anfänger, die eine Python-Zertifizierung im Bereich Data Science anstreben und sich auf analytische Tätigkeiten in der Berufspraxis vorbereiten möchten.

Künstliche Intelligenz mit Python bezeichnet die Entwicklung intelligenter Systeme mittels der umfangreichen Ökosystembibliotheken für KI und maschinelles Lernen von Python.

Dieser live moderierte, vom Dozenten geleitete Kurs (online oder vor Ort) richtet sich an Python-Programmierer auf fortgeschrittenem Niveau, die KI-Lösungen mit Python entwerfen, implementieren und bereitstellen möchten.

Nach Abschluss dieses Kurses können die Teilnehmer: 

• KI-Algorithmen unter Verwendung der Kern-KI-Bibliotheken von Python implementieren.
• Mit überwachten, unüberwachten und verstärkenden Lernmodellen arbeiten.
• KI-Lösungen in bestehende Anwendungen und Arbeitsabläufe integrieren.
• Die Modellleistung evaluieren und diese für Genauigkeit und Effizienz optimieren.

Kursformat

• Interaktive Vorträge und Diskussionen.
• Viele Übungen und praktische Anwendungen.
• Praktische Umsetzung in einer Live-Laborumgebung.

Möglichkeiten zur Kursanpassung

• Um einen maßgeschneiderten Kurs für dieses Thema anzufordern, kontaktieren Sie uns bitte zwecks Vereinbarung.

Das Kursangebot "Angewandte KI von Grund auf mit Python" vermittelt Programmierern und Datenanalysten grundlegende Techniken zum Aufbau von Machine-Learning-Lösungen aus der Mitte heraus mit Python. Es werden die Kernprinzipien des überwachten Lernens (Klassifikation und Regression), des unüberwachten Lernens (Clustering und Anomalieerkennung) sowie fortschrittlicher neuronalen Netzwerkarchitekturen behandelt. Der Kurs untersucht bewährte Methoden für den Umgang mit scikit-learn, Apache Spark MLlib und Jupyter-Notebooks zur praktischen KI-Entwicklung. Er unterstützt Fachkräfte dabei, praktische ML-Modelle zu implementieren, die Grenzen von Algorithmen zu bewerten und angewandte Projekte zur Lösung realer Probleme abzuschließen.

Diese instruktionsgeführte, live-Schulung in Schweiz (online oder vor Ort) richtet sich an Python-Entwickler auf mittlerem Niveau, die ihre Python-Entwicklungserfahrung mit AWS Cloud9 verbessern möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• AWS Cloud9 für die Python-Entwicklung einzurichten und zu konfigurieren.
• Sich mit der Benutzeroberfläche und den Funktionen der AWS Cloud9 IDE vertraut zu machen.
• Python-Anwendungen in AWS Cloud9 zu schreiben, zu debuggen und bereitzustellen.
• Mit anderen Entwicklern unter Nutzung der AWS Cloud9-Plattform zusammenzuarbeiten.
• AWS Cloud9 mit anderen AWS-Diensten für erweiterte Bereitstellungen zu integrieren.

Kursübersicht

Dieses praxisorientierte Schulungsprogramm ist für Fachkräfte mit Hintergrund in Data Engineering konzipiert, die praktische Fähigkeiten in den Bereichen Künstliche Intelligenz, Python und Large Language Models (LLMs) aufbauen möchten. Der Kurs liegt im Fokus von Real-World-Anwendungen und behandelt die Nutzung von Modellen, Prompt Engineering sowie den Aufbau KI-gestützter Lösungen. Die Teilnehmenden bearbeiten progressive Übungen, die von grundlegenden Konzepten bis hin zum Aufbau deploybarer KI-Workflows reichen. 

Format der Schulung

• Präsenzschulung im Klassenzimmer

 • Dozentengeleitete Sitzungen mit geführter Praxis  

• Interaktive Diskussionen und Fallstudien aus der Praxis

 • Tägliche praktische Übungen

Kursziele

• Kernkonzepte der Künstlichen Intelligenz und des Machine Learnings verstehen, die für moderne Anwendungen relevant sind

 • Python-Kenntnisse für die KI-Entwicklung und Data Workflows festigen  

• Verstehen, wie Large Language Models funktionieren und diese effektiv nutzen  

• Prompts entwerfen und optimieren, um zuverlässige Ergebnisse zu erzielen  

• End-to-End-KI-Lösungen mit APIs und Frameworks aufbauen

 • KI in Data Engineering Pipelines integrieren  

Diese instruktionsgeleitete, live stattfindende Schulung in Schweiz (online oder vor Ort) richtet sich an erfahrene Fachkräfte, die ihr Verständnis der Computer Vision vertiefen und die Möglichkeiten von TensorFlow zur Entwicklung anspruchsvoller Bildverarbeitungsmodelle mit Google Colab erkunden möchten.

Am Ende dieser Schulung werden die Teilnehmenden in der Lage sein:

• Convolutional neural networks (CNNs) mit TensorFlow aufzubauen und zu trainieren.
• Google Colab für skalierbare und effiziente cloud-basierte Modellentwicklungen zu nutzen.
• Bildvorverarbeitungstechniken für Computer-Vision-Aufgaben zu implementieren.
• Computer-Vision-Modelle für reale Anwendungen bereitzustellen.
• Transfer Learning einzusetzen, um die Leistung von CNN-Modellen zu verbessern.
• Die Ergebnisse von Bildklassifizierungsmodellen zu visualisieren und zu interpretieren.

Dieser von einem Dozenten geleitete Live-Kurs in Schweiz (online oder vor Ort) richtet sich an Python-Entwickler und Data Analysts mit mittlerem Kenntnissniveau, die ihre Fähigkeiten in der Datenanalyse und -manipulation mit Pandas und NumPy vertiefen möchten.

Nach Abschluss dieses Kurses werden die Teilnehmer folgendes können:

• Eine Entwicklungsumgebung einrichten, die Python, Pandas und NumPy umfasst.
• Eine Datenanalyseanwendung mit Pandas und NumPy erstellen.
• Fortgeschrittene Datenbereinigungs-, Sortierungs- und Filteroperationen durchführen.
• Aggregationsoperationen durchführen und Zeitreihendaten analysieren.
• Daten mithilfe von Matplotlib und anderen Visualisierungsbibliotheken visualisieren.
• Iren Code zur Datenanalyse debuggen und optimieren.

Diese von Dozenten geleitete Live-Schulung in Schweiz (online oder vor Ort) richtet sich an Data Scientists und Entwickler mit mittlerem Know-how, die tiefe Lernverfahren im Google Colab-Umfeld verstehen und anwenden möchten.

Am Ende dieser Schulung sind die Teilnehmer in der Lage:

• Google Colab für Deep-Learning-Projekte einzurichten und zu navigieren.
• Die Grundlagen neuronaler Netze zu verstehen.
• Deep Learning-Modelle mit TensorFlow zu implementieren.
• Deep-Learning-Modelle zu trainieren und zu evaluieren.
• Erweiterte Funktionen von TensorFlow für Deep Learning zu nutzen.

Diese instructor-led Schulung (online oder vor Ort) richtet sich an Entwickler, die den FARM-Stack (FastAPI, React und MongoDB) nutzen möchten, um dynamische, leistungsstarke und skalierbare Webanwendungen zu erstellen.

Nach Abschluss dieser Schulung werden die Teilnehmer in der Lage sein:

• Die erforderliche Entwicklungsumgebung einzurichten, die FastAPI, React und MongoDB integriert.
• Die wesentlichen Konzepte, Funktionen und Vorteile des FARM-Stacks zu verstehen.
• Zu erlernen, wie man REST-APIs mit FastAPI erstellt.
• Zu erlernen, wie man interaktive Anwendungen mit React entwirft.
• Anwendungen (Frontend und Backend) mit dem FARM-Stack zu entwickeln, zu testen und bereitzustellen.

Diese von Dozierenden geleitete Live-Schulung in Schweiz (online oder vor Ort) richtet sich an Entwickler, die FastAPI mit Python nutzen möchten, um RESTful-APIs einfacher und schneller zu erstellen, zu testen und bereitzustellen.

Nach Abschluss dieser Schulung sind die Teilnehmer in der Lage:

• Die notwendige Entwicklungsumgebung zum Entwickeln von APIs mit Python und FastAPI einzurichten.
• APIs dank der FastAPI-Bibliothek schneller und einfacher zu erstellen.
• Zu erlernen, wie man Datenmodelle und Schemata auf Basis von Pydantic und OpenAPI erstellt.
• APIs mittels SQLAlchemy mit einer Datenbank zu verbinden.
• Sicherheit und Authentifizierung in APIs durch die Einsatz von FastAPI-Tools zu implementieren.
• Containerimages zu erstellen und Web-APIs auf einem Cloud-Server bereitzustellen.

Ziel dieses Kurses ist es, allgemeine Kompetenzen im praktischen Einsatz von Methoden des Maschinellen Lernens zu vermitteln. Anhand der Programmiersprache Python und ihrer zahlreichen Bibliotheken sowie einer Vielzahl praktischer Beispiele werden die wichtigsten Bausteine des Maschinellen Lernens behandelt. Die Teilnehmenden lernen, wie sie Entscheidungen zur Datenmodellierung treffen, die Ausgaben der Algorithmen interpretieren und die Ergebnisse validieren können.

Unser Ziel ist es, Ihnen die Fähigkeiten zu vermitteln, um die grundlegenden Werkzeuge aus dem Werkzeugkasten des Maschinellen Lernens sicher zu verstehen und anzuwenden sowie häufige Fallstricke bei Anwendungen der Datenwissenschaft zu vermeiden.

Diese von einem Dozent:in geleitete Live-Training in Schweiz (online oder vor Ort) richtet sich an Entwickler:innen und Data Scientists, die TensorFlow 2.x nutzen möchten, um Prädiktoren, Klassifikatoren, generative Modelle, neuronale Netze und dergleichen zu erstellen.

Nach Abschluss dieses Trainings können die Teilnehmer:

• TensorFlow 2.x installieren und konfigurieren.
• Die Vorteile von TensorFlow 2.x gegenüber früheren Versionen verstehen.
• Tiefgehende Lernmodelle erstellen.
• einen fortgeschrittenen Bildklassifizierer implementieren.
• ein Deep-Learning-Modell in der Cloud sowie auf mobilen Geräten und IoT-Geräten bereitstellen.

Dieser Kurs vermittelt Ihnen zunächst das konzeptionelle Grundlagenwissen über neuronale Netze und allgemein über Algorithmen des maschinellen Lernens sowie des Deep Learning (Algorithmen und Anwendungen).

Der erste Teil (40 %) dieser Schulung konzentriert sich stärker auf die Grundlagen, hilft Ihnen jedoch auch dabei, die richtige Technologie auszuwählen: TensorFlow, Caffe, Theano, DeepDrive, Keras usw.

Der zweite Teil (20 %) dieser Schulung stellt Theano vor – eine Python-Bibliothek, das das Entwickeln von Deep-Learning-Modellen erheblich erleichtert.

Der dritte Teil (40 %) der Schulung basiert umfangreich auf TensorFlow – der API für Googles Open-Source-Softwarebibliothek für Deep Learning. Alle Beispiele und praktischen Übungen werden in TensorFlow umgesetzt.

Zielgruppe

Dieser Kurs richtet sich an Ingenieurinnen und Ingenieure, die TensorFlow für ihre Deep-Learning-Projekte nutzen möchten.

Nach Abschluss dieses Kurses können die Teilnehmenden:

• ein gutes Verständnis für Deep Neural Networks (DNN), CNN und RNN aufweisen
• die Struktur und Bereitstellungsmethoden von TensorFlow verstehen
• Installations-, Produktionsumgebungs- und Architekturaufgaben sowie Konfigurationen durchführen
• Codequalität beurteilen, Debugging betreiben und Monitoring durchführen
• fortgeschrittene produktionsnahe Aufgaben wie das Trainieren von Modellen, das Erstellen von Graphen und Logging umsetzen