Betrugsbekämpfung mit Python und TensorFlow Schulung

Dieser intensive, praxisnahe Kurs behandelt fortgeschrittene Python-Techniken, ingenieurtechnische Best Practices und gängige Design Patterns, um wartbare, testfähige und leistungsstarke Python-Anwendungen zu entwickeln. Er legt den Fokus auf moderne Tools, Typisierung, Konzepte der Parallelität, Architekturmuster und bereitstellungsreife Workflows.

Dieses von einem Dozenten geführte Live-Training (online oder vor Ort) richtet sich an fortgeschrittene Python-Entwickler, die professionelle Praktiken und Muster für produktionsreife Python-Systeme adoptieren möchten.

Zum Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Python-Typisierung, dataclasses und Typüberprüfung anzuwenden, um die Codezuverlässigkeit zu erhöhen.
• Design Patterns und Architekturprinzipien zur Strukturierung robusten Codes zu verwenden.
• Mit asyncio und multiprocessing korrekt Konkurrenz und Parallelität zu implementieren.
• Mit pytest, property-based Testing und CI-Pipelines wohlgetesteten Code zu erstellen.
• Python-Anwendungen für die Produktion zu profilieren, zu optimieren und abzuhärten.
• Python-Projekte mit modernen Tools und Containern zu verpacken, zu verteilen und bereitzustellen.

Kursformat

• Interaktive Vorlesungen und kurze Demos.
• Tagesweise praxisnahe Labs und Programmieraufgaben.
• Capstone-Mini-Projekt zur Integration von Mustern, Tests und Bereitstellung.

Kursanpassungsmöglichkeiten

• Um ein angepasstes Training oder einen Fokusbereich (Daten, Web oder Infrastruktur) anzufordern, kontaktieren Sie uns.

Dieses Kurs lehrt praktische Ingenieurstechniken, um agente (autonome) Systeme unter Verwendung von Python zu designen, zu bauen, zu testen und bereitzustellen. Es behandelt den Agentenzyklus, Tool-Integrationen, Speicher- und Zustandsmanagement, Orchestrierungsmuster, Sicherheitskontrollen und Produktionsaspekte.

Dieses vom Dozenten geführte Live-Training (online oder vor Ort) richtet sich an fortgeschrittene bis Experten-Level ML-Ingenieure, AI-Entwickler und Softwareingenieure, die robuste, produktionsreife autonome Agenten mit Python bauen möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Diesen Agentenzyklus und Entscheidungsabläufe zu designen und umzusetzen.
• Außenstehende Tools und APIs zu integrieren, um die Fähigkeiten der Agenten zu erweitern.
• Kurz- und Langzeit-Speicherarchitekturen für Agenten zu implementieren.
• Mehrstufige Orchestrierungen und die Zusammensetzung von Agenten abzustimmen.
• Sicherheits-, Zugriffs- und Beobachtungsrichtlinien für bereitgestellte Agenten anzuwenden.

Kursformat

• Interaktive Vorlesungen und Diskussionen.
• Praktische Labore, um Agenten mit Python und gängigen SDKs zu bauen.
• Projektbasierte Übungen, die bereitstellbare Prototypen erzeugen.

Kursanpassungsoptionen

• Bitte kontaktieren Sie uns, um ein angepasstes Training für diesen Kurs zu vereinbaren.

Vertieft sich in praktische Ansätze zur Data Science und KI mit Python – versorgt Fachkräfte mit den Fähigkeiten, Daten zu erkunden, Machine-Learning-Modelle zu erstellen und KI-gesteuerte Anwendungen in Geschäftskontexten bereitzustellen. Behandelt CRISP-DM-Workflows, statistische Analysen, überwachtes und unüberwachtes Lernen, Deep Learning mit TensorFlow, Natural Language Processing (NLP), Big Data mit Spark und datengetriebenes Storytelling. Ideal für Einsteiger, die eine Python-Datenswissenschaftszertifizierung und eine karriereorientierte Analytics-Ausbildung anstreben.

Künstliche Intelligenz mit Python ist die Entwicklung von intelligenten Systemen unter Verwendung des umfangreichen Ökosystems für KI und maschinelles Lernen der Bibliotheken von Python.

Diese von einem Dozenten geführte Live-Ausbildung (online oder vor Ort) richtet sich an fortgeschrittene Python Programmierer, die AI-Lösungen mit Hilfe von Python entwickeln, implementieren und deployen möchten.

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

• KI-Algorithmus mithilfe der Kern-KI-Bibliotheken von Python zu implementieren.
• Mit überwachten, unüberwachten und reaktionsbasierten Lernmodellen umzugehen.
• AI-Lösungen in existierende Anwendungen und Workflows zu integrieren.
• Die Modellleistung zu bewerten und für Genauigkeit und Effizienz zu optimieren.

Format der Ausbildung

• Interaktive Vorlesung und Diskussion.
• Viele Übungen und Praxis.
• Händische Implementierung in einer Live-Lab-Umgebung.

Anpassungsoptionen für die Ausbildung

• Um eine angepasste Ausbildung zu dieser Veranstaltung anzufordern, kontaktieren Sie uns bitte, um einen Termin auszumachen.

Diese leitungsgeleitete Live-Training in Schweiz (online oder vor Ort) richtet sich an Business-Analysten, die Handel durch algorithmisches Handeln, Python und R automatisieren möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Algorithmen einzusetzen, um Wertpapiere in spezialisierten Intervallen schnell zu kaufen und zu verkaufen.
• Kosten im Zusammenhang mit dem Handel durch algorithmisches Handeln zu reduzieren.
• Aktienkurse automatisch zu überwachen und Handelsaufträge zu platzieren.

Diese von einem Ausbilder geleitete, live-Schulung in Schweiz (online oder vor Ort) richtet sich an fortgeschrittene Fachleute, die ihr Verständnis des Computer Vision vertiefen und die Fähigkeiten von TensorFlow zur Entwicklung komplexer Vision-Modelle mit Google Colab erkunden möchten.

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

• Faltungsschicht-Neuronale Netze (CNNs) mit TensorFlow zu bauen und zu trainieren.
• Google Colab für skalierbare und effiziente, cloudbasierte Modellentwicklung zu nutzen.
• Bildvorverarbeitungstechniken für Computer Vision-Aufgaben zu implementieren.
• Computer Vision-Modelle für Anwendungen in der Praxis bereitzustellen.
• Übertragungslernen (Transfer Learning) zur Leistungssteigerung von CNN-Modellen zu nutzen.
• Die Ergebnisse von Bildklassifikationsmodellen zu visualisieren und zu interpretieren.

Dieses von einem Trainer geleitete Live-Training in Schweiz (online oder vor Ort) richtet sich an Datenwissenschaftler und Softwareentwickler, die Dask im Python-Ökosystem einsetzen möchten, um große Datensätze zu erstellen, zu skalieren und zu analysieren.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die Umgebung einzurichten, um mit Dask und Python Big Data-Verarbeitung aufzubauen.
• Die Funktionen, Bibliotheken, Tools und APIs kennen zu lernen, die in Dask zur Verfügung stehen.
• Zu verstehen, wie Dask paralleles Rechnen in Python beschleunigt.
• Zu lernen, wie man das Python-Ökosystem (Numpy, SciPy und Pandas) mit Dask skaliert.
• Die Dask-Umgebung zu optimieren, um eine hohe Leistung bei der Verarbeitung großer Datensätze zu gewährleisten.

Dieses von einem Dozenten geleitete Live-Seminar in Schweiz (online oder vor Ort) richtet sich an fortgeschrittene Python-Entwickler und Datenanalysten, die ihre Fähigkeiten in der Datenanalyse und -manipulation mit Pandas und NumPy verbessern möchten.

Am Ende des Trainings werden die Teilnehmer in der Lage sein:

• Eine Entwicklungsumgebung einzurichten, die Python, Pandas und NumPy enthält.
• Eine Datenanalyse-Anwendung mit Pandas und NumPy erstellen.
• Erweiterte Datenaufbereitung, -sortierung und -filterung durchführen.
• Agregationsoperationen durchführen und Zeitreihendaten analysieren.
• Daten mit Matplotlib und anderen Visualisierungsbibliotheken visualisieren.
• Ihren Datenanalyses-Code debuggen und optimieren.

Diese von einem Trainer geleitete Live-Ausbildung in Schweiz (online oder vor Ort) richtet sich an fortgeschrittene Datenwissenschaftler und Entwickler, die Deep-Learning-Techniken im Umfeld von Google Colab verstehen und anwenden möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Google Colab für Deep-Learning-Projekte einrichten und bedienen.
• Grundlagen von neuronalen Netzen verstehen.
• Deep-Learning-Modelle mit TensorFlow implementieren.
• Deep-Learning-Modelle trainieren und bewerten.
• Erweiterte Funktionen von TensorFlow für das Deep Learning nutzen.

Zielgruppe

Dieses Kurs ist für Deep Learning-Forscher und -Ingenieure geeignet, die daran interessiert sind, verfügbare Tools (in der Regel Open-Source) zur Analyse von Computerbildern zu nutzen.

Der Kurs bietet praktische Beispiele.

Dieses von einem Dozenten geleitete, live Training (online oder vor Ort) richtet sich an Entwickler, die das FARM (FastAPI, React und MongoDB)-Stack verwenden möchten, um dynamische, leistungsstarke und skalierbare Webanwendungen zu erstellen.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die notwendige Entwicklungsumgebung einzurichten, die FastAPI, React und MongoDB integriert.
• Die Schlüsselkonzepte, Funktionen und Vorteile des FARM-Stacks zu verstehen.
• Zu lernen, wie man REST-APIs mit FastAPI baut.
• Zu lernen, wie man interaktive Anwendungen mit React gestaltet.
• Anwendungen (Frontend und Backend) unter Verwendung des FARM-Stacks zu entwickeln, zu testen und zu bereitstellen.

Dieses vom Trainer geleitete Live-Training 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.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die notwendige Entwicklungsumgebung zum Erstellen von APIs mit Python und FastAPI einzurichten.
• Mithilfe der FastAPI-Bibliothek APIs schneller und einfacher zu erstellen.
• Zu lernen, wie man Datenmodelle und Schemas basierend auf Pydantic und OpenAPI erstellt.
• APIs mit SQLAlchemy an eine Datenbank anzubinden.
• Mithilfe der FastAPI-Tools Sicherheit und Authentifizierung in APIs zu implementieren.
• Container-Images zu bauen und Web-APIs auf einem Cloud-Server bereitzustellen.

Diese von einem Trainer geleitete Live-Schulung in Schweiz (online oder vor Ort) richtet sich an Datenwissenschaftler und Entwickler, die Modin verwenden möchten, um parallele Berechnungen mit Pandas für eine schnellere Datenanalyse zu erstellen und zu implementieren.

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

• die notwendige Umgebung einzurichten, um mit der Entwicklung von Pandas-Workflows in großem Maßstab mit Modin zu beginnen.
• die Funktionen, die Architektur und die Vorteile von Modin zu verstehen.
• Die Unterschiede zwischen Modin, Dask und Ray kennen.
• Schnellere Durchführung von Pandas-Vorgängen mit Modin.
• Implementierung der gesamten Pandas API und Funktionen.

Dieses von einem Dozenten angeleitete Live-Training in Schweiz (online oder vor Ort) richtet sich an Entwickler und Data Scientists, die TensorFlow 2.x verwenden möchten, um Vorhersagemodelle, Klassifikatoren, generative Modelle, neuronale Netze usw. zu erstellen.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• TensorFlow 2.x zu installieren und zu konfigurieren.
• Die Vorteile von TensorFlow 2.x gegenüber früheren Versionen zu verstehen.
• Tiefe Lernmodelle aufzubauen.
• Einen fortgeschrittenen Bildklassifikator umzusetzen.
• Ein tiefes Lernmodell in die Cloud, auf mobile Geräte und IoT-Geräte zu deployen.

Dieser Kurs beginnt mit der Vermittlung konzeptionellen Wissens über neuronale Netze und Maschinelles Lernen, einschließlich Deep Learning (Algorithmen und Anwendungen).

Teil 1 (40%) dieser Schulung fokussiert sich auf die Grundlagen, unterstützt Sie aber dabei, die richtige Technologie auszuwählen: TensorFlow, Caffe, Theano, DeepDrive, Keras usw.

Teil 2 (20%) dieser Schulung führt in Theano ein - eine Python-Bibliothek, die das Schreiben von Deep-Learning-Modellen erleichtert.

Teil 3 (40%) der Schulung basiert weitgehend auf TensorFlow - der API von Googles Open-Source-Softwarebibliothek für Deep Learning. Die Beispiele und praktischen Übungen werden allesamt in TensorFlow durchgeführt.

Zielgruppe

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

Nach Abschluss dieses Kurses werden die Teilnehmer:

• tiefes Verständnis von tiefen neuronalen Netzen (DNN), CNN und RNN haben
• die Struktur und Bereitstellungsmechanismen von TensorFlow verstehen
• Installation, Produktionsumgebung, Architekturaufgaben und Konfiguration durchführen können
• die Codequalität bewerten, Debugging und Monitoring durchführen können
• fortgeschrittene Produktionsaufgaben wie das Training von Modellen, die Erstellung von Graphen und das Logging implementieren können