Python für Unix- und Shell-Nutzer – Automatisierung und Scripting 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 Österreich (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.

Angewandte KI von Grund auf in Python vermittelt Programmierern und Datenanalysten grundlegende Techniken zum Aufbau von Machine-Learning-Lösungen direkt mit Python. Behandelt die Kernprinzipien des überwachtem Lernens (Klassifikation und Regression), des unüberwachten Lernens (Clustering und Anomalieerkennung) sowie fortgeschrittener neuronalen Netzwerkarchitekturen. Untersucht bewährte Methoden zur Arbeit mit scikit-learn, Apache Spark MLlib und Jupyter-Notebooks für die praktische KI-Entwicklung. Hilft Fachkräften bei der Implementierung praktischer ML-Modelle, der Bewertung von Algorithmusgrenzen sowie der Umsetzung von Projekten zur Lösung realer Probleme.

Diese von einem Ausbilder geleitete Live-Schulung in Österreich (online oder vor Ort) richtet sich an Python-Entwickler auf mittlerem Niveau, die ihre Python-Entwicklungserfahrung mit AWS Cloud9 erweitern möchten.

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

• AWS Cloud9 für die Python-Entwicklung einrichten und konfigurieren.
• Verstehen der AWS Cloud9 IDE-Schnittstelle und -Funktionen.
• Schreiben, Debuggen und Bereitstellen von Python-Anwendungen in AWS Cloud9.
• Mit anderen Entwicklern zusammenarbeiten, die die AWS Cloud9-Plattform nutzen.
• Integrieren Sie AWS Cloud9 mit anderen AWS-Services für erweiterte Bereitstellungen.

Kursübersicht

Diese praxisorientierte Schulung richtet sich an Fachkräfte mit Hintergrund in Data Engineering, die ihre Fähigkeiten in den Bereichen Künstliche Intelligenz, Python und Large Language Models (LLMs) erweitern möchten. Der Kurs konzentriert sich auf reale Anwendungen, einschließlich Modelleinsatz, Prompt-Engineering und der Entwicklung KI-gestützter Lösungen. Die Teilnehmer bearbeiten progressive Übungen, die von den Grundkonzepten bis zum Aufbau einsatzbereiter AI-Workflows reichen. 

Schulungsformat

• Präsenzunterricht im Klassenzimmer

 • Dozentengeleitete Sitzungen mit geführter Praxis  

• Interaktive Diskussionen und Fallstudien aus der Praxis

 • Tägliche praktische Übungen

Kursziele

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

 • Stärkung der Python-Kenntnisse für die KI-Entwicklung und Datenworkflows  

• Verstehen, wie Large Language Models funktionieren, und Erlernen ihrer effektiven Nutzung  

• Entwicklung und Optimierung von Prompts für zuverlässige Ergebnisse  

• Aufbau von End-to-End-KI-Lösungen unter Verwendung von APIs und Frameworks

 • Integration von KI in Data-Engineering-Pipelines  

Dieses von einem Trainer geleitete Live-Training in Österreich (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 Österreich (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.

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 Österreich (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.

Dieses von einem Trainer angeleitete Live-Training in Österreich (online oder vor Ort) richtet sich an Data Scientists, die TensorFlow verwenden möchten, um potenzielle Betrugsdaten zu analysieren.

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

• Ein Betrugsdetektionsmodell in Python und TensorFlow zu erstellen.
• Lineare Regressionen und lineare Regressionsmodelle zur Vorhersage von Betrug aufzubauen.
• Eine end-to-end-KI-Anwendung zur Analyse von Betrugsdaten zu entwickeln.

Ziel dieses Kurses ist es, eine grundlegende Kompetenz in der Anwendung Machine Learning Methoden in der Praxis zu bieten. Durch die Verwendung der Programmiersprache und ihrer verschiedenen Bibliotheken und auf der Grundlage einer Vielzahl praktischer Beispiele lehrt dieser Kurs, wie man die wichtigsten Baublöcke von Machine Learning verwendet, wie man Datenmodellierungsentscheidungen macht, die Ergebnisse der Algorithmen interpretiert und die Ergebnisse validiert.

Unser Ziel ist es, Ihnen die Fähigkeiten zu vermitteln, die grundlegendsten Tools aus dem Toolbox vertrauensvoll zu verstehen und zu verwenden und die gemeinsamen Fälle der Anwendungen zu vermeiden.

Ziel dieses Kurses ist es, allgemeine Kenntnisse in der Anwendung von maschinellen Lernmethoden in der Praxis zu vermitteln. Durch den Einsatz der Programmiersprache Python und ihrer verschiedenen Bibliotheken und anhand einer Vielzahl von Praxisbeispielen vermittelt dieser Kurs, wie man die wichtigsten Bausteine des maschinellen Lernens nutzt, wie man Datenmodellierungsentscheidungen trifft, die Ausgänge der Algorithmen und Validierung der Ergebnisse.

Unser Ziel ist es, Ihnen die Fähigkeiten zu vermitteln, die grundlegendsten Werkzeuge aus dem Werkzeugkasten Maschinenlerntechnik sicher zu verstehen und zu nutzen und die üblichen Fallstricke von Datenwissenschaften zu vermeiden.