Seminare zum Thema Programmiersprachen

Overview

This course is designed to teach how to manage VSAM and non-VSAM data sets by coding and using the functions and features of the Access Method Services program, IDCAMS.

To reinforce the lecture material, machine exercises are provided that enable students to code and test selected IDCAMS commands such as DEFINE, REPRO, ALTER, and LISTCAT.

Learn to manage Virtual Storage Access Method (VSAM) and non-VSAM data sets. Particularly emphasize coding and using the functions of the IDCAMS program. Lab exercises enable you to code and test selected IDCAMS commands, such as DEFINE, REPRO, ALTER, and LISTCAT.  

Hands-On Labs

Eight labs are included to address:  

• IDCAMS commands, including ALTER, DEFINE, CLUSTER, EXPORT, IMPORT, EXAMINE, LISTCAT, REPRO, and PRINT  
• tuning VSAM and the VSAM buffers  
• alternate indexes

Datenbasierte Entscheidungen sind ein entscheidender Faktor für die Zukunfts- und Wettbewerbsfähigkeit von Unternehmen. Die Nachfrage nach Fachexpert:innen, die Daten effektiv aufbereiten und analysieren, ist groß. In dieser zertifizierten Online-Weiterbildung lernen Sie, umfangreiche und komplexe Datensätze mit Python zu aggregieren, auszuwerten, zu visualisieren und daraus Vorhersagen abzuleiten. Sie lernen alle Schritte des Datenanalyseprozesses umfassend kennen und qualifizieren sich für den Beruf des Data Analyst. Diese Online-Weiterbildung ist so konzipiert, dass Sie flexibel und in Ihrem eigenen Lerntempo lernen können. Es erwarten Sie Videos, interaktive Grafiken, Texte und viele praktische Übungen mit umfangreichen Datensätzen und Coding-Aufgaben. Bei Fragen stehen Ihnen erfahrene Data Analysts als Mentoren zur Seite.

Das Seminar Grundlagen von R für Anfänger bietet Teilnehmern einen umfassenden Einstieg in die Verwendung von R und R-Studio. Es beginnt mit einem kurzen Einblick in R und R-Studio. Anschließend wird den Teilnehmern die Bedienung von R und R-Studio nähergebracht, einschließlich der Verwendung des Editors, der Konsole und der Hilfefunktionen.
Die Teilnehmer lernen, wie sie Pakete in R installieren und einbinden können, sowie wie man Variablen zuordnet und Skripte erstellt und ausführt. Dabei werden sie mit den Hauptdatenstrukturen von R, wie Vektoren, Faktoren und Arrays, vertraut gemacht. Sie erfahren, wie sie Elemente aus diesen Datenstrukturen extrahieren, Daten mit grundlegenden Funktionen aufbereiten und Daten in verschiedene Datenstrukturen umwandeln können.
Im weiteren Verlauf des Seminars erhalten die Teilnehmer eine Einführung in das dplyr-Paket, einen Bestandteil des tidyverse. Sie lernen, wie sie mit einem Tibble arbeiten können, einer Fortentwicklung des data.frames, und wie sie die ersten dplyr-Funktionen zur Spaltenauswahl anwenden können, einschließlich select(), filter(), rename() und slice(). Sie werden auch den Einsatz logischer Operatoren kennenlernen.
In der Folge werden die Teilnehmer in die Datenmodifikation mit dplyr eingeführt. Sie lernen, wie man Zeilen mit der Funktion arrange() sortiert, neue Spalten mit mutate() berechnet und statistische Zusammenfassungen mit summarise() erstellt. Die Verwendung des Pipe Operators %>%, der Grupp...

Overview

This course is designed to give new hire IT professionals an introduction into the IBM Z environment. The IBM mainframe servers, operating systems and software products will be discussed. Through lecture and hands-on labs, this course will provide the basic skill set to jump start productivity for technical professionals who are new to the mainframe environment. The skills taught in this course can be applied across multiple mainframe job roles. This course consists of 16 lecture units and 11 lab exercises.

In keinem anderen Bereich wird generative KI so umfassend und gewinnbringend eingesetzt wie in der Softwareentwicklung. Nicht nur die Produktivität beim Programmieren kann deutlich gesteigert werden – richtig eingesetzt können KI-Assistenten auch helfen, die Qualität der Software zu verbessern. In diesem Training lernst du, welche Möglichkeiten der Einsatz von KI in der Softwareentwicklung bietet und welche Aufgaben du an sie delegieren kannst. Der Schwerpunkt liegt dabei auf dem Schreiben, Debuggen und Testen von Code, die Anwendungsfälle gehen aber weit darüber hinaus: So lernst du auch, wie dir generative KI bereits beim Requirements Engineering und Softwaredesign, aber auch beim Refactoring, bei der Analyse und Optimierung von bestehendem Code, bei der Erstellung von Patterns, bei der Einführung von Codestilen und vielem mehr entscheidend helfen kann. In diesem Kurs werden vor allem GitHub Copilot und ChatGPT mit seinem leistungsfähigen Code Interpreter verwendet. Aber auch andere hilfreiche Lösungen werden vorgestellt – vom kleinen Helferlein bis zur umfassenden KI-Suite, die den gesamten Software-Workflow abbildet (GitHub Codespaces und Devin AI). In vielen Hands-on-Übungen lernst du nicht nur den Umgang mit den Tools selbst, sondern auch erprobte Arbeitsabläufe, mit denen du viel Zeit sparst und schneller zu besserem Code kommst. Und – last but not least – erfährst du, die Ergebnisse richtig zu bewerten und zu klassifizieren und dabei Fragen der Sicherheit, des Urheberrechts und der Haftung im Blick zu behalten.

Der Kurs Grundlagen des Maschinellen Lernens mit scikit-learn und Python behandelt in einem zweitägigen Seminar die Konzepte des überwachten und unüberwachten Lernens mit Hilfe des Python Moduls scikit-learn.
Es wird vorausgesetzt, dass die Teilnehmer grundlegende Kenntnisse in Python besitzen.

Der Kurs vermittelt Ihnen die Grundlagen des Machine Learning und zeigt Ihnen, wie Sie Machine Learning mit Python und der Bibliothek scikit-learn umsetzen können. Machine Learning ist eine wichtige Algorithmenklasse der Künstlichen Intelligenz und umfasst sowohl supervised learning als auch unsupervised learning.

Wir werden uns auf supervised learning konzentrieren, bei dem Algorithmen mit gelabelten Daten trainiert werden, um bestimmte Aufgaben zu erlernen. Beispiele für supervised learning sind die Klassifikation von Fehlern in Bauteilen oder die Vorhersage des Umsatzes eines Kunden.

Unsupervised learning hingegen benötigt keine gelabelten Daten, sondern versucht, Muster oder Gruppen in den vorhandenen Daten zu erkennen. Dies kann zum Beispiel für die Kundengruppierung verwendet werden.

Der Kurs verwendet die Programmiersprache Python, die sowohl im Machine Learning als auch im Deep Learning weit verbreitet ist. Die Bibliothek scikit-learn bietet zahlreiche Algorithmen, die das Lernen von Machine Learning erleichtern.

Wir werden hauptsächlich das Python-Modul scikit-learn verwenden, um die Algorithmen im Machine Learning zu le...

Erweitern Sie Ihre Fähigkeiten und steigern Sie Ihre Produktivität mit unserer umfassenden Figma-Intensiv-Schulung. Innerhalb von nur drei Tagen erwerben Sie fundierte Kenntnisse und praktische Fertigkeiten, um professionelle Qualität in Ihrem UX-Design sicherzustellen. Nutzen Sie das führende kollaborative Design- und Prototyping-Tool Figma, um hochwertige Benutzeroberflächen zu entwerfen.“

Tauche ein in die Welt der Data Science: In diesem praxisorientierten Seminar lernst du, wie du mit der Programmiersprache Python und Machine-Learning-Modellen wertvolle Erkenntnisse aus Daten gewinnst. Du erwirbst umfassende Kenntnisse und praktische Fähigkeiten, um eigenständig Data-Science-Projekte durchzuführen. Von den wichtigsten Techniken in Python bis hin zur Entwicklung eigener Modelle – dieses Seminar deckt alle wichtigen Aspekte ab: Zu Beginn lernst du in einem kompakten Crashkurs die Python-Basics. Dann erfährst du, wie du Daten selbstständig einliest, bereinigst und filterst, um sie für die Analyse vorzubereiten. Anschließend tauchst du in die deskriptive Statistik ein, um Daten explorativ zu analysieren. Der Schwerpunkt des Seminars ist der Aufbau der Datenmodelle. Deine Python-Programmierkenntnisse werden dabei kontinuierlich vertieft, um auch komplexere Aufgaben meistern zu können. Der Fokus liegt auf vielen praktischen Übungen und Beispielen aus realen Projekten, die dir helfen, das Gelernte direkt anzuwenden und zu verfestigen. Dieses Seminar bietet dir das nötige Handwerkszeug, um Data Science erfolgreich in deinem Arbeitsalltag zu integrieren, und hebt deine Fähigkeiten auf das nächste Level.

Unternehmen jeder Größe setzen auf datengestützte Erkenntnisse, um Wettbewerbsvorteile zu erzielen, Prozesse zu optimieren und strategische Entscheidungen zu treffen. Als Business Intelligence Analyst spielen Sie dabei eine entscheidende Rolle. Dieser Online-Kurs bietet Ihnen einen umfassenden Einstieg und vertiefende Einblicke in die Welt der Business Intelligence. Sie beginnen Ihre Lernreise mit einer umfassenden Einführung in relationale Datenbanken und SQL, widmen sich praktischen Übungen in Power BI, vertiefen Ihr Wissen über statistische Methoden und erfahren, wie Business Intelligence mit Techniken aus dem Machine Learning erweitert werden kann. Dieser Online-Kurs ist so konzipiert, dass Sie flexibel und in Ihrem eigenen Tempo lernen können. Es erwarten Sie Videos, interaktive Grafiken, Texte und viele praktische Übungen, die Sie selbst in online bereitgestellten SQL-Datenbanken und mit Power BI durchführen können. Am Ende schließen Sie den Kurs mit einem Abschlussprojekt ab. Bei Fragen stehen Ihnen erfahrene BI-Expert:innen als Mentoren zur Seite.

Tauche ein in die Welt der Data Science: In diesem praxisorientierten Seminar lernst du, wie du mit der Programmiersprache Python und Machine-Learning-Modellen wertvolle Erkenntnisse aus Daten gewinnst. Du erwirbst umfassende Kenntnisse und praktische Fähigkeiten, um eigenständig Data-Science-Projekte durchzuführen. Von den wichtigsten Techniken in Python bis hin zur Entwicklung eigener Modelle – dieses Seminar deckt alle wichtigen Aspekte ab: Zu Beginn lernst du in einem kompakten Crashkurs die Python-Basics. Dann erfährst du, wie du Daten selbstständig einliest, bereinigst und filterst, um sie für die Analyse vorzubereiten. Anschließend tauchst du in die deskriptive Statistik ein, um Daten explorativ zu analysieren. Der Schwerpunkt des Seminars ist der Aufbau der Datenmodelle. Deine Python-Programmierkenntnisse werden dabei kontinuierlich vertieft, um auch komplexere Aufgaben meistern zu können. Der Fokus liegt auf vielen praktischen Übungen und Beispielen aus realen Projekten, die dir helfen, das Gelernte direkt anzuwenden und zu verfestigen. Dieses Seminar bietet dir das nötige Handwerkszeug, um Data Science erfolgreich in deinem Arbeitsalltag zu integrieren, und hebt deine Fähigkeiten auf das nächste Level.