Python lernen: Kurse und Seminare auf der Plattform seminarmarkt.de!

Der Kurs Künstliche Intelligenz mit R ist das erste Modul des Lehrgangs Data Science Crash Course mit R. Das einführende Modul gibt einen Überblick über die aktuellen Data Science Methoden der Künstlichen Intelligenz mit zahlreichen Praxisbeispielen aus Prozessindustrie, Predictive Maintenance oder dem Natural Language Processing (NLP), das die Grundlage von Chatbots darstellt. Ein besonderer Fokus wird zudem auf das Maschinelle Lernen gelegt, das ein wichtiges Handwerkszeug eines jeden Data Scientists ist. Dabei steht der Hands-on-Character im Fokus.

Zuerst gibt es eine intensive Einführung in die Programmiersprache R, woraufhin an einem Praxis-Beispiel der gesamte Data-Science-Prozess inkl. Datenzugriff, Visualisierung, Aufbereitung der Daten, Feature Engineering, Validierung und Evaluation umgesetzt wird. Dabei programmieren Sie eigenhändig den Machine Learning Algorithmus Learning Vector Quantization (LVQ), der Ähnlichkeiten zu Neuronalen Netzen besitzt. Insgesamt erhalten Sie dadurch einen intensiven Einblick, wie Data Science und Künstliche Intelligenz in der Praxis angewendet werden.

Feedbacks unserer Teilnehmer: https://www.provenexpert.com/dhl-data-science-seminare-gmbh/

• Beschreiben Sie die architektonischen Merkmale und Muster, die die Wartbarkeit und Funktionsfähigkeit von Anwendungen verbessern.
• Erkennen der Schritte zur Entwicklung und Erstellung einer ChatOps-Anwendung
• Implementierung robuster REST-API-Integrationen (Representational State Transfer) mit Netzwerkfehlerbehandlung, Paginierung und Fehlerflusskontrolle
• Beschreiben Sie die notwendigen Schritte für Anwendungen und deren Benutzer- und Systemdaten
• Identifizierung allgemeiner Aufgaben im automatisierten Anwendungsfreigabeprozess
• Beschreiben Sie bewährte Verfahren für die Anwendungsbereitstellung
• Methoden für den Entwurf verteilter Systeme zu beschreiben
• Beschreiben Sie die Konzepte des Infrastrukturkonfigurationsmanagements und der Geräteautomatisierung
• Verwendung von YANG-Datenmodellen (Yet Another Next Generation) zur Beschreibung von Netzkonfigurationen und Telemetrie
• Vergleich verschiedener relationaler und nicht-relationaler Datenbanktypen und Auswahl des geeigneten Typs auf der Grundlage der Anforderungen

Nach dem Seminar kennen Sie die praktischen Anwendungsmöglichkeiten der ABAP Query und des zugehörigen Query-Systems. Auf dieser Basis können Sie eigene Listen und Statistiken erstellen.

Overview

In this course, the learner is guided through a realistic data science project. The project focuses on extracting business insights from large amounts of unstructured voice data, by using IBM Watson APIs. Starting from voice recorded customer reviews, the data are transcribed by using Watson Speech to Text and then are analyzed for emotion and keywords by using Watson Discovery. The structured results are stored in a tabular form and used to extract business insights in Watson Studio.

The course focuses on hands-on coding exercises that provide an opportunity to work with Watson Studio, Watson Discovery, and Watson Speech to Text. The exercises guide the learner on importing data and manipulating in a Watson Studio project, activate instances of installed services, and authenticate API connections by using Jupyter Notebooks. The exercises also introduce how to configure Watson Speech to Text and create custom language models, work with Watson Discovery, and introduce enrichments. Also, every exercise demonstrates suitable data manipulation that results in saved structured data.

The three hands-on exercises are included in this course, each focusing on a Jupyter Notebook and correspond to the three modules of the course. The necessary data, notebooks, and services are all available in the corresponding lab environment.