Betrugserkennung mit Python und TensorFlow Schulung

Dieser intensive, praxisorientierte Kurs behandelt fortgeschrittene Python-Techniken, Engineering-Best-Practices sowie gängige Design Patterns, um wartbare, testbare und hocheffiziente Python-Anwendungen zu entwickeln. Der Fokus liegt auf moderner Tooling-Unterstützung, Typisierung, Konzeptionen zur Nebenläufigkeit, Architekturmuster sowie deployments-ready Workflows.

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

Nach Abschluss dieser Schulung sind die Teilnehmer in der Lage:

• Python-Typisierung, Dataclasses und Typüberprüfung anzuwenden, um die Code-Reliabilität zu steigern.
• Design Patterns und Architekturprinzipien zu nutzen, um robuste Anwendungen zu strukturieren.
• Nebenläufigkeit und Parallelität mithilfe von asyncio und multiprocessing korrekt umzusetzen.
• Gut getesteten Code mit pytest, property-based testing sowie CI-Pipelines zu erstellen.
• Python-Anwendungen für den Produktivbetrieb zu profilieren, zu optimieren und abzusichern.
• Python-Projekte mit modernen Tools und Containern zu paketieren, zu verteilen und bereitzustellen.

Kursformat

• Interaktive Vorträge und kurze Demonstrationen.
• Täglich praktische Labs und Coding-Übungen.
• Ein Capstone-Mini-Projekt, das Patterns, Testing und Deployment integriert.

Möglichkeiten zur Kursanpassung

• Um eine maßgeschneiderte Schulung oder einen Fokus auf bestimmte Bereiche (Daten, Web oder Infrastruktur) zu erhalten, kontaktieren Sie uns bitte für die Organisation.

Dieser Kurs vermittelt praxisnahe Engineering-Methoden zum Entwurf, Aufbau, Test und Einsatz agenter (autonomer) Systeme unter Verwendung von Python. Er behandelt den Agenten-Loop, Tool-Integrationen, Speicher- und Zustandsverwaltung, Orchestrierungsmuster, Sicherheitskontrollen sowie Aspekte für den produktiven Betrieb.

Dieses durch eine Lehrkraft geleitete Live-Training (online oder vor Ort) richtet sich an fortgeschrittene ML-Ingenieure, KI-Entwickler und Software-Ingenieure auf mittlerem bis fortgeschrittenem Niveau, die robuste, produktionsreife autonome Agenten mit Python entwickeln möchten.

Nach Abschluss dieses Trainings sind die Teilnehmenden in der Lage:

• Den Agenten-Loop sowie Entscheidungsworkflows zu entwerfen und zu implementieren.
• Externe Tools und APIs zur Erweiterung der Agenten-Fähigkeiten zu integrieren.
• Kurzfristige und langfristige Speicherarchitekturen für Agenten umzusetzen.
• Multischrittige Orchestrierungen und die Zusammensetzung von Agenten zu koordinieren.
• Bewährte Praktiken für Sicherheit, Zugriffskontrolle und Beobachtbarkeit (Observability) bei eingesetzten Agenten anzuwenden.

Kursformat

• Interaktiver Vortrag und Diskussion.
• Praktische Laborübungen zum Aufbau von Agenten mit Python und gängigen SDKs.
• Projektorientierte Übungen, die deploybare Prototypen hervorbringen.

Möglichkeiten zur Kursanpassung

• Um ein maßgeschneidertes Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte zur Vereinbarung.

Diese Schulung vermittelt praxisnahe Ansätze zur Anwendung von Data Science und künstlicher Intelligenz (KI) mithilfe von Python. Teilnehmende erwerben die notwendigen Kompetenzen, um Daten zu erkunden, Machine-Learning-Modelle zu erstellen und KI-gestützte Anwendungen in Unternehmenskontexten bereitzustellen. Der Kurs behandelt CRISP-DM-Arbeitsabläufe, statistische Analysen, überwachtes und unüberwachtes Lernen, Deep Learning mit TensorFlow, Natural Language Processing (NLP), Big Data mit Spark sowie datengestütztes Storytelling. Er ist ideal für Einsteigende, die eine Python-Zertifizierung im Bereich Data Science anstreben und auf analytics-spezifische Berufseinstiege vorbereitet werden möchten.

Künstliche Intelligenz mit Python umfasst die Entwicklung intelligenter Systeme unter Nutzung des umfangreichen Ökosystems an KI- und Machine-Learning-Bibliotheken von Python.

Dieser instruktionsgeleitete, live durchgeführte Kurs (online oder vor Ort) richtet sich an Python-Entwickler mit fortgeschrittenen Kenntnissen, die in der Lage sein sollen, KI-Lösungen zu entwerfen, zu implementieren und bereitzustellen.

Am Ende dieses Kurses werden die Teilnehmer:

• KI-Algorithmen unter Verwendung der Kern-KI-Bibliotheken von Python implementieren können.
• Mit überwachtem, unüberwachtem und Verstärkungs-Lernen umgehen können.
• KI-Lösungen in bestehende Anwendungen und Arbeitsabläufe integrieren können.
• Die Leistung von Modellen bewerten und diese hinsichtlich Genauigkeit und Effizienz optimieren können.

Kursformat

• Interaktive Vorträge und Diskussionen.
• Viel Übung und praktische Anwendung.
• Praxisnahe Implementierung in einer Live-Lab-Umgebung.

Optionen zur Kursanpassung

• Um eine maßgeschneiderte Schulung für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um die Details zu vereinbaren.

Dieser Kurs "Angewandte KI von Grund auf in Python" vermittelt Programmierern und Datenanalysten grundlegende Techniken zum Aufbau von ML-Lösungen von der Pike auf mit Python. Er behandelt die Kernprinzipien des überwachenden Lernens (Klassifikation und Regression), des unüberwachten Lernens (Clustering und Anomalieerkennung) sowie fortschrittlicher neuronaler Netzwerk-Architekturen. Der Kurs untersucht bewährte Methoden zur Arbeit mit scikit-learn, Apache Spark MLlib und Jupyter Notebooks für die praktische KI-Entwicklung. Er hilft Fachleuten bei der Implementierung praktischer ML-Modelle, der Bewertung von Algorithmen-Limitationen und der Durchführung angewandter Projekte zur Lösung realer Probleme.

Diese instructor-led-Live-Schulung in Österreich (online oder vor Ort) richtet sich an Python-Entwickler:innen auf mittlerem Niveau, die ihre Python-Entwicklungserfahrung mit AWS Cloud9 verbessern möchten.

Nach Abschluss dieser Schulung werden Teilnehmende in der Lage sein:

• AWS Cloud9 für die Python-Entwicklung einzurichten und zu konfigurieren.
• Die Benutzeroberfläche und Funktionen der AWS Cloud9-IDE zu verstehen.
• Python-Anwendungen in AWS Cloud9 zu schreiben, zu debuggen und bereitzustellen.
• Mit anderen Entwickler:innen über die AWS Cloud9-Plattform zusammenzuarbeiten.
• AWS Cloud9 mit anderen AWS-Diensten für erweiterte Bereitstellungen zu integrieren.

Kursübersicht

Dieses praxisorientierte Training richtet sich an Fachleute mit einem Hintergrund im Data Engineering, die ihre praktischen Fähigkeiten in den Bereichen Künstliche Intelligenz, Python und Large Language Models (LLMs) ausbauen möchten. Der Kurs konzentriert sich auf reale Anwendungen und behandelt Themen wie die Nutzung von Modellen, Prompt-Engineering sowie den Aufbau KI-gestützter Lösungen. Die Teilnehmer bearbeiten schrittweise Übungen, die von den Kernkonzepten bis hin zum Erstellen einsetzbarer AI-Workflows führen. 

Format des Trainings

• Präsenzkurs im Klassenraum

 • Dozentengeleitete Sessions mit geführter Praxis  

• Interaktive Diskussionen und reale Fallstudien

 • Tägliche praktische Übungen

Kursziele

• Verständnis der grundlegenden KI- und Machine-Learning-Konzepte, die für moderne Anwendungen relevant sind

 • Stärkung der Python-Fähigkeiten für die AI-Entwicklung und Data Workflows  

• Erlernen der Funktionsweise großer Sprachmodelle (LLMs) sowie deren effektive Nutzung  

• Entwicklung und Optimierung von Prompts für verlässliche Ausgaben  

• Aufbau umfassender AI-Lösungen mittels APIs und Frameworks

 • Integration von KI in Data-Engineering-Pipelines  

Diese live angebotene Schulung unter Anleitung in <ort> (online oder vor Ort) richtet sich an erfahrene Fachkräfte, die ihr Verständnis von Computer Vision vertiefen und die Fähigkeiten von TensorFlow zur Entwicklung anspruchsvoller Bildverarbeitungsmodelle mit Google Colab erkunden möchten.

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

• Konvolutionale neuronale Netze (CNNs) mit TensorFlow zu erstellen und zu trainieren.
• Google Colab für skalierbare und effiziente cloud-basierte Modellentwicklung 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.

Diese von einem Dozenten geleitete Live-Schulung in Österreich (online oder vor Ort) richtet sich an Python-Entwickler und Datenanalysten auf fortgeschrittenem Niveau, die ihre Fähigkeiten in der Datenanalyse und -manipulation mit Pandas und NumPy verbessern möchten.

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

• Eine Entwicklungsumgebung einzurichten, die Python, Pandas und NumPy umfasst.
• Eine Datenanalyseanwendung mit Pandas und NumPy zu erstellen.
• Fortschrittliche Datenbereinigungs-, Sortierungs- und Filteroperationen durchzuführen.
• Aggregationsoperationen durchzuführen und Zeitreihendaten zu analysieren.
• Daten mit Matplotlib und anderen Visualisierungsbibliotheken darzustellen.
• Ihre Datenanalysecode zu debuggen und zu optimieren.

Diese von Lehrkräften durchgeführte Live-Schulung in Österreich (online oder vor Ort) richtet sich an Dateningenieure und Entwickler auf mittlerem Niveau, die tieferes Verständnis für Deep-Learning-Techniken erwerben und diese in der Google Colab-Umgebung anwenden möchten.

Nach Abschluss dieser Schulung werden die Teilnehmer folgende Kompetenzen besitzen:

• Google Colab für Deep-Learning-Projekte einrichten und navigieren.
• Die Grundlagen neuronaler Netze verstehen.
• Deep-Learning-Modelle mit TensorFlow implementieren.
• Deep-Learning-Modelle trainieren und auswerten.
• Fortgeschrittene Funktionen von TensorFlow für das Deep Learning nutzen.

Diese von Dozenten geleitete Live-Schulung (online oder vor Ort) richtet sich an Entwickler, die den FARM-Stack (FastAPI, React und MongoDB) nutzen möchten, um dynamische, hocheffiziente und skalierbare Webanwendungen zu entwickeln.

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

• die notwendige Entwicklungsumgebung einzurichten, die FastAPI, React und MongoDB integriert.
• die zentralen Konzepte, Funktionen und Vorteile des FARM-Stacks zu verstehen.
• zu erlernen, wie man REST-APIs mit FastAPI erstellt.
• zu lernen, wie man interaktive Anwendungen mit React gestaltet.
• Anwendungen (Frontend und Backend) unter Verwendung des FARM-Stacks zu entwickeln, zu testen und bereitzustellen.

Dieses instruktionsgeleitete Live-Training in Österreich (online oder vor Ort) richtet sich an Entwickler, die FastAPI in Kombination mit Python nutzen möchten, um RESTful-APIs einfacher und schneller zu erstellen, zu testen und bereitzustellen.

Nach Abschluss dieses Trainings können die Teilnehmer:

• die erforderliche Entwicklungsumgebung einrichten, um APIs mit Python und FastAPI zu entwickeln.
• mit Hilfe der FastAPI-Bibliothek schneller und einfacher APIs erstellen.
• lernen, wie Datenmodelle und Schemata auf Basis von Pydantic und OpenAPI erstellt werden.
• APIs über SQLAlchemy mit einer Datenbank verbinden.
• Sicherheit und Authentifizierung in APIs mithilfe der FastAPI-Tools implementieren.
• Container-Images erstellen und Web-APIs auf einem Cloud-Server bereitstellen.

Ziel dieses Kurses ist es, allgemeine Kompetenz im praktischen Einsatz von Machine-Learning-Methoden zu vermitteln. Anhand der Programmiersprache Python und ihrer zahlreichen Bibliotheken sowie einer Vielzahl praktischer Beispiele werden die wichtigsten Grundbausteine des Machine Learnings erklärt, Entscheidungen zur Datenmodellierung getroffen, Ausgaben der Algorithmen interpretiert und Ergebnisse validiert.

Unser Ziel ist es, Ihnen die Fähigkeiten zu vermitteln, die grundlegenden Werkzeuge aus dem Machine-Learning-Werkzeugkasten sicher zu verstehen und anzuwenden sowie häufige Fallstricke bei Data-Science-Anwendungen zu vermeiden.

Dieser vom Dozenten geleitete Live-Training in Österreich (online oder vor Ort) richtet sich an Entwickler und Data Scientists, die TensorFlow 2.x nutzen möchten, um Prädiktoren, Klassifikatoren, generative Modelle, neuronale Netze und ähnliches zu erstellen.

Nach Abschluss dieses Trainings können die Teilnehmer:

• TensorFlow 2.x installieren und konfigurieren.
• Vorzüge von TensorFlow 2.x gegenüber früheren Versionen verstehen.
• Deep-Learning-Modelle aufbauen.
• Einen fortschrittlichen Bildklassifikator implementieren.
• Ein Deep-Learning-Modell in die Cloud sowie auf Mobilgeräte und IoT-Geräte bereitstellen.

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

Teil 1 (40 %) dieser Schulung legt den Schwerpunkt auf die Grundlagen, hilft Ihnen jedoch auch dabei, die richtige Technologie zu wählen: TensorFlow, Caffe, Theano, DeepDrive, Keras usw.

Teil 2 (20 %) der Schulung führt in Theano ein – eine Python-Bibliothek, das das Schreiben von Deep-Learning-Modellen vereinfacht.

Teil 3 (40 %) der Schulung konzentriert sich stark auf TensorFlow – die API der Open-Source-Softwarebibliothek von Google für Deep Learning. Alle Beispiele und Hands-on-Übungen werden in TensorFlow durchgeführt.

Zielgruppe

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

Nach Abschluss dieses Kurses werden die Teilnehmer:

• ein gutes Verständnis von Deep Neural Networks (DNN), CNN und RNN haben
• die Struktur und Bereitstellungsmechanismen von TensorFlow verstehen
• in der Lage sein, Aufgaben zur Installation, Produktionsumgebung und Architektur sowie zur Konfiguration durchzuführen
• in der Lage sein, die Codequalität zu bewerten, Debugging durchzuführen und Monitoring zu betreiben
• in der Lage sein, fortgeschrittene produktionstaugliche Aufgaben wie das Trainieren von Modellen, das Erstellen von Graphen und Logging zu implementieren