Big Data Schulungen finden - Das passende Seminar in Ihrer Nähe

Das Ziel dieses Seminars ist es, den Teilnehmenden ein grundlegendes Verständnis von Hadoop MapReduce zu vermitteln. Es wird gezeigt, wie man eine Big Data-Anwendung mit Hadoop MapReduce erstellt und wie man sie optimiert. Die Teilnehmenden lernen auch, wie man Hadoop MapReduce in einer Cloud-Umgebung einsetzt. 



Am Ende der Schulung werden die Teilnehmenden in der Lage sein, MapReduce effektiv in ihren Anwendungen zu verwenden. Sie werden auch verstehen, wie man eine MapReduce-Anwendung erstellt und einen Workflow mit MapReduce einrichtet.

Am Ende des Seminars sind die Teilnehmenden in der Lage, effektive Business Intelligence Techniken zu nutzen, um ihre Daten zu integrieren, zu analysieren und zu visualisieren. Sie lernen, wie sie BI-Systeme implementieren, KPIs überwachen und datenbasierte Entscheidungen treffen können.

Am Ende des Seminars sind die Teilnehmenden in der Lage, effektive Business Intelligence Techniken zu nutzen, um ihre Daten zu integrieren, zu analysieren und zu visualisieren. Sie lernen, wie sie BI-Systeme implementieren, KPIs überwachen und datenbasierte Entscheidungen treffen können.

Das Seminar soll die Teilnehmenden mit den verschiedenen Versionen von Power BI im Kontext der Self-Service-BI-Strategie vertraut machen. Die Nutzung unterschiedlicher Datenquellen in Verbindung mit Datenmodellierung, die Nutzung von DAX (Data Analysis Expressions) sowie die Kenntnis zur Erstellung von paginierten Berichten werden vermittelt. Weiterhin werden Berechtigungskonzepte und Optimierungsstrategien behandelt.

Das Seminar soll die Teilnehmenden mit den verschiedenen Versionen von Power BI im Kontext der Self-Service-BI-Strategie vertraut machen. Die Nutzung unterschiedlicher Datenquellen in Verbindung mit Datenmodellierung, die Nutzung von DAX (Data Analysis Expressions) sowie die Kenntnis zur Erstellung von paginierten Berichten werden vermittelt. Weiterhin werden Berechtigungskonzepte und Optimierungsstrategien behandelt.

In diesem Seminar lernen die Teilnehmer, wie sie Data Engineering in Bezug auf die Arbeit mit Batch- und Echtzeit-Analyselösungen unter Verwendung von Azure-Datenplattformtechnologien nutzen. Dabei lernen sie zunächst die wichtigsten Rechen- und Speichertechnologien kennen, die zum Aufbau einer analytischen Lösung verwendet werden. Es werden in Dateien gespeicherte Daten in einem Data Lake interaktiv untersucht. Verschiedene Ingestion-Techniken, die zum Laden von Daten mit der Apache Spark-Funktion in Azure Synapse Analytics oder Azure Databricks verwendet werden, werden erläutert. Die Teilnehmer lernen auch die verschiedenen Möglichkeiten kennen, wie sie die Daten mit denselben Technologien umwandeln können, die für den Dateningest verwendet werden. Sie werden verstehen, wie wichtig es ist, Sicherheit zu implementieren, um sicherzustellen, dass die Daten im Ruhezustand oder bei der Übertragung geschützt sind. Es wird gezeigt, wie ein Echtzeit-Analysesystem erstellt wird, um Echtzeit-Analyselösungen zu entwickeln.

Dieses Seminar ist Teil dieses Qualifizierungsplaners:

Das Gesundheitswesen ist - bedingt durch die rasche Digitalisierung - stark im Umbruch. Mit frischen und wirkungsstarken Führungsmethoden sollen die Versicherungs-, Kranken- und Pflegesektoren belebt und durch neue Arbeitsbedingungen verstärkt werden, um somit deren Effizienz und Wirksamkeit zu steigern. Die Vorteile von Arbeiten 4.0 / New Work im Gesundheitsbereich zu gewährleisten und Personalmangel zu verhindern, gehört dabei zu den Aufgaben modernen Gesundheitsmanagements. Hierfür vermittelt dieses Master-Studium innovative Aspekte des Gesundheitswesens sowie Kenntnisse der Digitalisierung in der Medizin und Pflege. Hinzu kommen Felder wie Digital Health und Telemedizin sowie der Kompetenzaufbau zur Handhabung und Bewertung von Big Data. Studierende werden mit spezifischen Führungskompetenzen im Gesundheitsbereich ausgestattet und für die Rekrutierung und Bindung von Mitarbeitenden in der Medizin und Pflege qualifiziert. In den Vertiefungen werden spezifische Kompetenzen in der pharmazeutischen Industrie und digitale Kompetenzen im Hinblick auf Business und Leadership vermittelt. Besonders Fach- und Führungskräfte aus dem Gesundheitswesen, die nach ihrem Bachelor weitere Karriereschritte anstreben, sind hier genau richtig. Für Bachelor-Absolvierende der Wirtschaftswissenschaften, des Gesundheits- und Pflegemanagements, der Pflegewissenschaften sowie für Naturwissenschaftler eröffnen sich ebenfalls neue, spannende Spezialisierungen mit dem Master in Gesundheitsmanagement.

• Mit Vertex AI AutoML können Sie ein maschinelles Lernmodell erstellen, trainieren und bereitstellen, ohne eine einzige Zeile Code schreiben zu müssen.
• Verstehen Sie, wann Sie AutoML und Big Query ML verwenden sollten.
• Erstellen Sie von Vertex AI verwaltete Datensätze.
• Features zu einem Feature Store hinzufügen.
• Beschreiben Sie Analytics Hub, Dataplex, Data Catalog.
• Beschreiben Sie das Hyperparameter-Tuning mit Vertex Vizier und wie es zur Verbesserung der Modellleistung eingesetzt werden kann.
• Erstellen Sie ein benutzerverwaltetes Vertex AI Workbench-Notizbuch, erstellen Sie einen benutzerdefinierten Trainingsauftrag und stellen Sie ihn dann mithilfe eines Docker-Containers bereit.
• Beschreiben Sie Batch- und Online-Vorhersagen und die Modellüberwachung.
• Beschreiben Sie, wie Sie die Datenqualität verbessern können.
• Führen Sie eine explorative Datenanalyse durch.
• Erstellen und trainieren Sie überwachte Lernmodelle.
• Optimieren und bewerten Sie Modelle mit Hilfe von Verlustfunktionen und Leistungsmetriken.
• Erstellen Sie wiederholbare und skalierbare Trainings-, Evaluierungs- und Testdatensätze.
• Implementierung von ML-Modellen mit TensorFlow/Keras.
• Beschreiben Sie, wie man Merkmale darstellt und umwandelt.
• Verstehen Sie die Vorteile der Anwendung von Feature Engineering
• Erklären Sie Vertex AI Pipelines

Künstliche Intelligenz (oder Artificial Intelligence), Machine Learning und Deep Learning sind ein wesentliches Vertriebsargument für immer mehr Produkte und Services. Durch Massenverarbeitungen vorhandener Informationen (Big Data) und das Trainieren neuronaler Netze sollen Qualität und Geschwindigkeit interner Prozesse und externer Angebote optimiert oder diese überhaupt erst ermöglicht werden. Dabei stellen sich für Anbieter/-innen und Anwender/-innen auch diverse Rechtsfragen. So ist zu klären, woher die Daten für das Training der KI kommen und ob auch personenbezogene Daten genutzt werden dürfen. Sodann muss die KI als Leistung zivilrechtlich greifbar gemacht und vertraglich abgebildet werden. Schließlich ist offen, ob es rechtliche Grenzen für den Einsatz von KI gibt und wer bei Mängeln haftet.

Das Seminar vermittelt das erforderliche Wissen, um R in der Praxis zielgerichtet einsetzen zu können. Dabei arbeiten Sie mit den wichtigsten Entwicklungsumgebungen an konkreten Aufgabenstellungen und lernen dabei die relevanten Funktionsbibliotheken für Data Science und Machine Learning kennen. In zahlreichen praktischen Übungen vertiefen Sie Ihr Wissen über die grundlegenden statistischen Verfahren und deren Implementierung in R. Mit dem fundierten Praxiswissen können Sie das Potenzial der Sprache für eigene Projekte kompetent einschätzen und erfolgreich für die Erstellung eigener Lösungen nutzen.