Künstliche Intelligenz & Data Science
Einführung in Datenbankmanagement mit Microsoft SQL Server
Microsoft SQL Server ist ein umfassendes Datenbankmanagementsystem, welches vielerlei Funktionen zum Speichern, Verarbeiten und Analysieren von Daten bietet. In diesem Einführungskurs lernen Sie die grundlegenden Konzepte des Datenbankmanagements und wie Sie diese in Microsoft SQL Server praktisch anwenden.Data Scientist Fabio Basler zeigt Ihnen, wie Sie die Benutzeroberfläche bedienen und SQL-Befehle einsetzen, um Ihre Datenbank aufzubauen. Außerdem lernen Sie mit verschiedenen Datentypen umzugehen, um Ihre Daten sinnvoll zu strukturieren. Und auch der Import aus externen Quellen wie CSV-Dateien oder Access-Datenbanken ist in diesem Kurs abgedeckt. Mithilfe von SQL-Abfragen werden Sie schließlich in der Lage sein, Datenbankabfragen zu schreiben, um Daten aus Ihrer Datenbank abzurufen, zu filtern und zu bearbeiten.Dieser Kurs ist Teil einer Serie, in der Fabio Basler das Datenbankmanagement mit Microsoft SQL Server praxisorientiert vorstellt:Einführung in Datenbankmanagement mit Microsoft SQL ServerMicrosoft SQL Server: Fortgeschrittene MethodenMicrosoft SQL Server: Datenbankdesign, Sicherheit und erweiterte MethodenLänge: 04:00 Stunden Alle Lektionen im Überblick: Vorstellung und Infos zum Kurs Herzlich willkommen zu diesem Kurs Einführung in MS SQL und Grundlegendes zu Datenbanken KapitelüberblickHerunterladen und Installieren von SQL Server Management Studio (SSMS) und Konfiguration der ServerinstanzTipps für den Start mit SMSSVorstellung der Benutzeroberfläche von SSMSWichtige ShortcutsTheorie: Tabellenkalkulation vs. DatenbankTheorie: DatenbankenPraxisbeispiel: Datengrundlage und ProblemstellungQuiz: Einführung in MS SQL und Grundlegendes zu Datenbanken Erstellen von Datenbanken und Tabellen KapitelüberblickTheorie: TabellenDatenbank erstellenTabelle erstellen mit CREATE TABLETabelle erstellen über die Benutzeroberfläche Theorie: DatentypenDateneinträge hinzufügen über INSERT INTO Dateneinträge hinzufügen über die BenutzeroberflächeAufgabe: Dateneinträge hinzufügenLösung: Dateneinträge hinzufügenCSV-Dateien importierenExcel-Dateien importierenAccess-Datenbank importierenAufgabe: Dateien importierenLösung: Dateien importierenTheorie: DELETEDatensätze entfernen mit DELETETheorie: DatenaktualisierungDatensätze aktualisierenQuiz: Erstellen von Datenbanken und Tabellen Abfragen – Daten abrufen und filtern KapitelüberblickTheorie: Abfragen von Daten mit SELECTAbfragen von Daten mit SELECTErgebnisse umbenennen mit AS-AnweisungAufgabe: Abfragen von Daten mit SELECT und ASLösung: Abfragen von Daten mit SELECT und ASTheorie: Filterung von Daten mit WHEREFilterung von Daten mit WHEREKombination von WHERE mit logischen OperatorenKombination von WHERE mit logischen BedingungenAufgabe: Filterung von Daten mit WHERELösung: Filterung von Daten mit WHERETheorie: KommentareKommentare im SQL-Code verwendenTheorie: Datensätze zählenTheorie: Sortierung von Daten mit ORDER BY und TOPSortierung von Daten mit ORDER BY und TOPAufgabe: Daten sortieren mit TOP und ORDER BYLösung: Daten sortieren mit TOP und ORDER BYQuiz: Abfragen – Daten abrufen und filtern Abfragen – Berechnungen und fortgeschrittene Filterungen KapitelüberblickTheorie: Fehlende Daten mit NULLFehlende Daten mit NULLTheorie: AggregationsfunktionenAggregationsfunktionenAnzahl der Einträge zählenAufgabe: Datensätze aggregierenLösung: Datensätze aggregierenTheorie: Fortgeschrittene DatenfilterungWerte innerhalb eines Bereichs mit BETWEEN abfragenTheorie: Übereinstimmungen mit LIKE findenMuster in Textfolgen mit LIKE suchenDatensätze einer Spalte mit IN aufspürenTheorie: SpaltenbearbeitungSpaltenbearbeitungAufgabe: Fortgeschrittene FilterungenLösung: Fortgeschrittene FilterungenQuiz: Abfragen – Berechnungen und fortgeschrittene Filterungen Abschluss Fazit und KursabschlussÜber den Trainer:Fabio Basler hat schon zu Beginn seines Studiums eine große Leidenschaft für die Methoden der Statistik und Data Science entwickelt. Über mehrere Semester hinweg konnte er als Tutor zahlreiche Studierende erfolgreich auf ihre Prüfungen und den Berufsalltag vorbereiten. Fabio Basler arbeitet als Datenanalyst in einem großen Industriekonzern. Mit großer Freude am Unterrichten gibt er sein Wissen in Online-Kursen und Seminaren weiter.So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt. Sie können den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquizzes zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs wird lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
KI am Arbeitsplatz
Webinar "KI am Arbeitsplatz", im heise shop als Aufzeichnung der Live-Veranstaltung aus dem April 2025. Setzen Sie KI-basierte Dienste wie ChatGPT, Midjourney und DALL-E optimal ein. Entdecken Sie Möglichkeiten für Ihre tägliche Arbeit. Erfahren Sie, welche Fallstricke es gibt und wie Sie sie umschiffen. Mit Joerg Heidrich und Stefan Mayer-Popp.Richtig eingesetzt, kann künstliche Intelligenz (KI), bei vielen Aufgaben eine echte Unterstützung sein. Dieses Webinar beleuchtet anhand konkreter Anwendungsszenarien die Möglichkeiten wie auch die potenziellen Hürden. Der Schwerpunkt liegt auf dem Gebiet der KI-gestützten Arbeit mit Texten und dem Einsatz von Bild-KI. Das Spektrum reicht vom KI-gestützten Schreiben und Übersetzen von Texten über die Analyse von Texten, das Erstellen von Zusammenfassungen und Präsentationen bis hin zur Bildgenerierung mit KI-Diensten. Dabei beleuchten die Referenten aktuell wichtige Dienste wie ChatGPT, Midjourney, Perplexity, Kagi, oder das neue DeepSeek R1 und demonstrieren Möglichkeiten für die Anpassung und Feinabstimmung der Ergebnisse. Neben den Vorzügen, die massentaugliche KI-Dienste bieten, gibt es wichtige Aspekte zu bedenken. Stefan Mayer-Popp, Mitglied des Expertenkreises für Cybersicherheit des Bundesamtes für Sicherheit in der Informationstechnik, gibt einen Einblick in die Risiken der KI-Nutzung aus Sicht der Informationssicherheit. Ergänzend dazu erläutert Joerg Heidrich, Justiziar bei Heise, die rechtlichen Aspekte, die bei der Nutzung dieser neuen Technologie aufkommen. Hierbei werden insbesondere urheberrechtliche Fragen zur Nutzung von KI-Inhalten, der AI Act sowie Datenschutzfragen behandelt. Die Themen im Überblick: Erstellen und Übersetzung von Texten für verschiedene Anwendungsfälle Zusammenfassen von Texten und Präsentationen KI für die Bewertung technischer Sachverhalte einsetzen Arbeiten mit ChatGPT-Plugins Individuell angepasste Bots Urheberrecht an KI-Bildern und Texten Muss ich das dulden? KI-Bots von der eigenen Website fernhalten Hart durchreguliert: Der AI Act der EU kommt Umgang mit Daten in der KI: Datenschutzrechtliche Aspekte Sicherheitstechnische Aspekte Zielgruppe: Anwender, die KI bereits einsetzen oder einsetzen wollen Entscheider
Microsoft Fabric – Power BI
Power BI ist eine leistungsstarke Business-Intelligence-Plattform, die es ermöglicht, Daten aus verschiedenen Quellen zu analysieren und in interaktiven Berichten und Dashboards zu visualisieren. In diesem Kurs lernen Sie Schritt für Schritt die Hauptfunktionen von Power BI kennen, darunter die Erstellung von Berichten, die Verwendung von paginierten Berichten und die Erstellung von Dashboards. Außerdem enthält der Kurs ein praxisnahes Beispiel, in dem Sie die Transaktionsdaten eines Online-Warenhauses analysieren. Ob Sie neu in der Welt der Datenanalyse sind oder bereits Erfahrungen mit Power BI haben, dieser Kurs bietet Ihnen wertvolle Kenntnisse und praktische Fähigkeiten, um Daten effektiv zu visualisieren und Entscheidungen zu treffen. Dieser Kurs ist Teil einer Serie über Microsoft Fabric, in der Emil Vinčazović das Tool und dessen Einsatzmöglichkeiten praxisorientiert vorstellt: Einstieg in Microsoft FabricMicrosoft Fabric – Data FactoryMicrosoft Fabric – Synapse Data EngineeringMicrosoft Fabric – Synapse Data WarehouseMicrosoft Fabric – Synapse Data ScienceMicrosoft Fabric – Synapse Real-Time IntelligenceMicrosoft Fabric – Power BI Länge: 00:34 Stunden Alle Video-Lektionen im Überblick: Herzlich willkommen zu diesem Kurs Power BI in Microsoft Fabric Kapitelüberblick Was ist Power BI? Berichte Paginierte Berichte Scorecards Dashboards Datamarts Dataflows Quiz: Power BI in Microsoft Fabric Praxisbeispiel – Transaktionsdaten eines Online-Warenhauses analysieren Kapitelüberblick Direct-Lake-Modus Semantisches Modell erstellen Report erstellen Scorecard erstellen Abschluss Fazit und Kursabschluss Über den Trainer:Emil Vinčazović ist als Data Engineer und Data Scientist bei der arelium GmbH tätig. Seine Schwerpunkte liegen im Bereich der Ökonometrie und der Künstlichen Intelligenz. In seinen Kundenprojekten arbeitet er hauptsächlich mit Azure Synapse, Azure Databricks, Azure Machine Learning Studio und seit dessen Veröffentlichung auch mit Microsoft Fabric. Seine Expertise in diesen Bereichen gibt er auch auf Fachkonferenzen und in Workshops weiter. Zusätzlich betreibt er den YouTube-Kanal des Unternehmens, wo er Tutorials zu aktuellen Themen rund um cloudbasierte Technologien produziert.So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Microsoft Fabric – Synapse Data Science
Data Science ist für viele Unternehmen eine zentrale Kompetenz, um datenbasierte Entscheidungen zu treffen und Geschäftsergebnisse zu optimieren. Der Data Scientist und Data Engineer Emil Vinčazović zeigt Ihnen in diesem Kurs, wie Sie Synapse Data Science in Microsoft Fabric effektiv einsetzen können, um datenwissenschaftliche Aufgaben in einer cloudbasierten Umgebung durchzuführen. Beginnend mit den Grundlagen von Synapse Data Science lernen Sie das Erstellen und Testen von Machine-Learning-Modellen und den Einsatz von Notebooks für Datenanalysen. Zusätzlich erhalten Sie eine Einführung zu Environments und Experimenten, welche Ihnen helfen, die optimale Umgebung für Ihr Projekt zu erschaffen. In einem Praxisprojekt können Sie das Gelernte anhand eines Beispieldatensatzes direkt anwenden. Dieser Kurs ist Teil einer Serie über Microsoft Fabric, in der Emil Vinčazović das Tool und dessen Einsatzmöglichkeiten praxisorientiert vorstellt: Einstieg in Microsoft FabricMicrosoft Fabric – Data FactoryMicrosoft Fabric – Synapse Data EngineeringMicrosoft Fabric – Synapse Data WarehouseMicrosoft Fabric – Synapse Data ScienceMicrosoft Fabric – Synapse Real-Time IntelligenceMicrosoft Fabric – Power BI (erscheint in Kürze) Länge: 00:38 Stunden Alle Video-Lektionen im Überblick: Vorstellung und Infos zum Kurs Herzlich willkommen zu diesem Kurs Synapse Data Science in Microsoft Fabric Kapitelüberblick Was ist Synapse Data Science in Fabric? Modelle Experimente Notebooks Environments Quiz: Synapse Data Science in Microsoft Fabric Praxisbeispiel – Transaktionsdaten eines Online-Warenhauses analysieren Kapitelüberblick Workspace erstellen Experiment erstellen Environment erstellen Analyse und Vergleich Das Modell nutzen Abschluss Fazit und Kursabschluss Über den Trainer:Emil Vinčazović ist als Data Engineer und Data Scientist bei der arelium GmbH tätig. Seine Schwerpunkte liegen im Bereich der Ökonometrie und der Künstlichen Intelligenz. In seinen Kundenprojekten arbeitet er hauptsächlich mit Azure Synapse, Azure Databricks, Azure Machine Learning Studio und seit dessen Veröffentlichung auch mit Microsoft Fabric. Seine Expertise in diesen Bereichen gibt er auch auf Fachkonferenzen und in Workshops weiter. Zusätzlich betreibt er den YouTube-Kanal des Unternehmens, wo er Tutorials zu aktuellen Themen rund um cloudbasierte Technologien produziert. So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Machine Learning mit Python – Teil 4: Data Pipelines, Feature Engineering und K-Means Clustering
Der vierte Teil der Serie „Machine Learning mit Python“ behandelt fortgeschrittene Techniken der Datenverarbeitung. Ein besonderer Schwerpunkt liegt hierbei auf Data Pipelines, welche es Ihnen ermöglichen, die Datenvorverarbeitung zu automatisieren. Dabei lernen Sie auch, wie Sie fehlende Einträge bei kategorischen und bei kontinuierlichen Merkmalen sinnvoll ersetzen und wie Sie ordinale sowie nominale Merkmale korrekt kodieren. Außerdem gibt Ihnen der Online-Dozent Ilyas Tachakor eine Einführung in das Feature Engineering. Sie erfahren, wie Sie durch die Erstellung neuer Merkmale die Vorhersageleistung Ihrer Modelle deutlich verbessern können. Mit K-Means-Clustering lernen Sie zusätzlich ein bewährtes Verfahren zur Gruppierung von Datenpunkten und zur Reduktion der Dimensionalität kennen. Anhand eines Praxisprojekts wenden Sie das Erlernte direkt an. Der Kurs ist Teil der Serie „Machine Learning mit Python“: Machine Learning mit Python – Teil 1: GrundlagenMachine Learning mit Python – Teil 2: RegressionMachine Learning mit Python – Teil 3: KlassifikationMachine Learning mit Python – Teil 4: Data Pipelines, Feature Engineering und K-Means Clustering Länge: 02:21 Stunden Alle Video-Lektionen im Überblick: Vorstellung und Infos zum Kurs Herzlich willkommen zu diesem Kurs Data Pipelines, Feature Engineering und K-Means Clustering Kapitelüberblick Data Pipelines und Feature Engineering – Intuition Data Pipelines und Feature Engineering in PythonK-Means Clustering – Intuition K-Means Clustering in PythonQuiz: Data Pipelines, Feature Engineering und K-Means Clustering Projekt 13 – Lageabhängige Mietpreisprognose für WG-Zimmer in Frankfurt Kapitelüberblick Projektvorlage in Python Projektlösung in Python Abschluss Fazit und Kursabschluss Über den Trainer: Ilyas Tachakor entdeckte bereits während seines Informatikstudiums seine Leidenschaft für Data Science. Bevor er sich als Online-Dozent selbstständig machte, entwickelte er bei einem führenden deutschen EdTech-Startup innovative Lerninhalte im Bereich Informatik. Diese Erfahrung verschaffte ihm ein umfassendes Verständnis für die Bedürfnisse von Lernenden. Heute verbindet er dieses Wissen mit seiner Fachkompetenz, um in seinen praxisorientierten Videokursen ein nachhaltiges Lernerlebnis zu schaffen und Menschen für moderne Technologien zu begeistern. So lernen Sie mit diesem Videokurs: In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle Endgeräte Technische Voraussetzungen: Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Machine Learning mit Python – Teil 3: Klassifikation
Der dritte Teil der Serie „Machine Learning mit Python“ widmet sich der Klassifikation und der Verarbeitung natürlicher Sprache. Sie lernen unterschiedliche Klassifikationsmodelle kennen, darunter den Decision-Tree-Klassifikator, die Stützvektormethode und den naiven Bayes-Klassifikator, und Sie erfahren, wie Sie diese für verschiedene Problemstellungen einsetzen können. Ein weiterer Schwerpunkt liegt auf der Bewertung von Modellen. Mit Hilfe einer Confusion Matrix und den Metriken Precision, Recall und F1-Score analysieren Sie die Qualität Ihrer Modelle und optimieren deren Leistung. Darüber hinaus erhalten Sie Einblick in die Anwendung des naiven Bayes-Klassifikators im Bereich der natürlichen Sprachverarbeitung, einem spannenden und vielseitigen Einsatzgebiet. Auch dieser Kurs zeichnet sich durch seine Praxisnähe aus. Anhand mehrerer Praxisprojekte wenden Sie das Erlernte direkt an. Der Kurs ist Teil der Serie „Machine Learning mit Python“: Machine Learning mit Python – Teil 1: GrundlagenMachine Learning mit Python – Teil 2: RegressionMachine Learning mit Python – Teil 3: KlassifikationMachine Learning mit Python – Teil 4: Data Pipelines, Feature Engineering und K-Means Clustering Länge: 06:08 Stunden Alle Video-Lektionen im Überblick: Vorstellung und Infos zum Kurs Herzlich willkommen zu diesem Kurs Decision Tree Classifier Kapitelüberblick Binäre Klassifikation – Confusion Matrix Confusion Matrix in Python (Teil 1) Confusion Matrix in Python (Teil 2) Binäre Klassifikation: Precision und Recall Binäre Klassifikation: F1-Score Binäre Klassifikation: Precision, Recall und F1-Score in Python (Teil 1) Binäre Klassifikation: Precision, Recall und F1-Score in Python (Teil 2) Mehrklassen Klassifikation – Verschiedene Metriken Mehrklassen Klassifikation in Python (Teil 1) Mehrklassen Klassifikation in Python (Teil 2) Quiz: Decision Tree Classifier Projekt 7 – Vorhersage der Trinkwasserqualität mithilfe von Ensemble Methoden Kapitelüberblick Projektvorlage in Python Projektlösung in Python Logistische Regression Kapitelüberblick Logistische Regression – Intuition Logistische Regression in Python (Optional) Mathematische Vertiefung – Log Loss – Binary Cross Entropy Quiz: Logistische Regression Projekt 8 – Zielgruppenidentifikation für die Expansion in neue Märkte Kapitelüberblick Projektvorlage in Python Projektlösung in Python KNN – K-Nächste-Nachbarn Kapitelüberblick KNN – Intuition KNN in Python (Teil 1) KNN in Python (Teil 2) (Optional) Funktionsweise von plot_decision_boundaries() (Optional) Mathematische Vertiefung – Varianz, Standardabweichung und Skalierung Quiz: KNN – K-Nächste-Nachbarn Projekt 9 – Klassifikation von Irisblumen anhand ihrer Blütenmorphologie Kapitelüberblick Projektvorlage in Python Projektlösung in Python SVM – Support Vector Machine Kapitelüberblick SVM – Intuition SVM in Python: Lineare Kernelfunktion SVM in Python: Polynomiale Kernelfunktion SVM in Python: RBF-Kernelfunktion Quiz: SVM – Support Vector Machine Projekt 10 – Reise-Influencer für mögliche Kollaborationen ausfindig machen Kapitelüberblick Projektvorlage in Python Projektlösung in Python Naiver Bayes-Klassifikator Kapitelüberblick Naiver Bayes-Klassifikator – Intuition Categorical Naive Bayes in Python (Teil 1) Categorical Naive Bayes in Python (Teil 2) Gaussian Naive Bayes in Python (Teil 1) Gaussian Naive Bayes in Python (Teil 2) Mixed Naive Bayes in Python (Teil 1) Mixed Naive Bayes in Python (Teil 2) (Optional) Mathematische Vertiefung: Formelherleitung und die Normalverteilung (Optional) Mathematische Vertiefung: PDF und Gaußsches-Integral Quiz: Naiver Bayes-Klassifikator Projekt 11 – Einkommensprognose unter Berücksichtigung verschiedener Merkmale Kapitelüberblick Projektvorlage in Python Projektlösung in Python NLP – Natural Language Processing Kapitelüberblick NLP – Intuition NLP in Python (Teil 1) NLP in Python (Teil 2) NLP in Python (Teil 3) (Optional) Mathematische Vertiefung: Multinomiale Wahrscheinlichkeitsfunktion Quiz: NLP – Natural Language Processing Projekt 12 – Automatisierte Kundenbewertungsanalyse im Bereich E-Commerce Kapitelüberblick Projektvorlage in Python Projektlösung in Python Abschluss Fazit und Kursabschluss Über den Trainer:Ilyas Tachakor entdeckte bereits während seines Informatikstudiums seine Leidenschaft für Data Science. Bevor er sich als Online-Dozent selbstständig machte, entwickelte er bei einem führenden deutschen EdTech-Startup innovative Lerninhalte im Bereich Informatik. Diese Erfahrung verschaffte ihm ein umfassendes Verständnis für die Bedürfnisse von Lernenden. Heute verbindet er dieses Wissen mit seiner Fachkompetenz, um in seinen praxisorientierten Videokursen ein nachhaltiges Lernerlebnis zu schaffen und Menschen für moderne Technologien zu begeistern. So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Machine Learning mit Python – Teil 2: Regression
Der zweite Teil der Serie „Machine Learning mit Python“ konzentriert sich auf weiterführende Themen und deren Anwendung. In diesem Kurs erlernen Sie erweiterte Regressionskonzepte und den Einsatz leistungsstarker Algorithmen wie XGBoost für präzise Vorhersagen. Weitere Inhalte umfassen die Kreuzvalidierung und Hyperparameteroptimierung zur Leistungssteigerung der Modelle, Methoden zur Datenvisualisierung und -analyse sowie die Bewertung von Regressionsmodellen mittels MAE, MSE, und RMSE. Ein weiteres Highlight ist die Einführung in die Zeitreihenanalyse: Der Online-Dozent Ilyas Tachakor zeigt Ihnen verschiedene Fälle wie Trends, Saisonalitäten und Zyklen und wie Sie diese mit modernen Methoden modellieren können – sowohl bei zeitlichen als auch seriellen Abhängigkeiten. Auch dieser Kurs zeichnet sich durch seine Praxisnähe aus. Anhand mehrerer Praxisprojekte wenden Sie das Erlernte direkt an. Dieser Kurs ist Teil der Serie „Machine Learning mit Python“: Machine Learning mit Python – Teil 1: GrundlagenMachine Learning mit Python – Teil 2: RegressionMachine Learning mit Python – Teil 3: KlassifikationMachine Learning mit Python – Teil 4: Data Pipelines, Feature Engineering und K-Means Clustering Länge: 04:35 Stunden Alle Video-Lektionen im Überblick: Vorstellung und Infos zum Kurs Herzlich willkommen zu diesem Kurs Multiple Lineare Regression Kapitelüberblick Multiple Lineare Regression – Intuition Multiple Lineare Regression in Python (Teil 1) Multiple Lineare Regression in Python (Teil 2) Multiple Lineare Regression in Python (Teil 3) Quiz: Multiple Lineare Regression Projekt 2 – Auswirkungen von Marketinginvestitionen auf den Tourismussektor Kapitelüberblick Projektvorlage in Python Projektlösung in Python Polynomiale Regression Kapitelüberblick Polynomiale Regression – Intuition Polynomiale Regression in Python (Teil 1) Polynomiale Regression in Python (Teil 2) Polynomiale Regression in Python (Teil 3) Quiz: Polynomiale Regression Projekt 3 – Analyse des Einflusses von Schlaf auf unser emotionales Wohlbefinden Kapitelüberblick Projektvorlage in Python Projektlösung in Python Decision Tree Regression Kapitelüberblick Decision Tree Regression - Intuition Modellvalidierung und Hyperparameteroptimierung - Intuition Decision Tree Regression in Python (Teil 1) Decision Tree Regression in Python (Teil 2) Decision Tree Regression in Python (Teil 3) Decision Tree Regression in Python (Teil 4) Kreuzvalidierung – Intuition Decision Tree Regression in Python (Teil 5) Weitere Metriken: MSE und RMSE (Optional) Mathematische Vertiefung - Decision Tree Regression (Costfunction) Quiz: Decision Tree Regression Projekt 4 – Ermittlung von Immobilienpreisen in Washington Kapitelüberblick Projektvorlage in Python Projektlösung in Python Random Forest Regression und XGBoost Kapitelüberblick Ensemble-Methoden: Bagging, Random Forest Random Forest Regression in Python Ensemble-Methoden: Boosting, XGBoost XGBoost Regression in Python Quiz: Random Forest Regression und XGBoost Projekt 5 – Vorhersage von Gebrauchtwagenpreisen Kapitelüberblick Projektvorlage in Python Projektlösung in Python Time Series Regression Kapitelüberblick Time Series Regression – Trend Time Series Regression – Saisonalität Time Series Regression – Kombinationen Trends in Python (Teil 1) Trends in Python (Teil 2) Python Exkurs: DataFrame Indexing (Teil 1) Python Exkurs: DataFrame Indexing (Teil 2) Saisonalität in Python (Teil 1) Saisonalität in Python (Teil 2) Saisonalität in Python (Teil 3) Kombinationen in Python Time Series Regression – Zyklen (Teil 1) Time Series Regression – Zyklen (Teil 2) Zyklen in Python (Teil 1) Zyklen in Python (Teil 2) Zyklen in Python (Teil 3) Zyklen in Python (Teil 4) Quiz: Time Series Regression Projekt 6 – Prognose von COVID-19-Neuinfektionen und Aktienkursen Kapitelüberblick Aktien – Projektvorlage in Python Aktien – Projektlösung in Python COVID-19 – Projektvorlage in Python COVID-19 – Projektlösung in Python Abschluss Fazit und Kursabschluss Über den Trainer:Ilyas Tachakor entdeckte bereits während seines Informatikstudiums seine Leidenschaft für Data Science. Bevor er sich als Online-Dozent selbstständig machte, entwickelte er bei einem führenden deutschen EdTech-Startup innovative Lerninhalte im Bereich Informatik. Diese Erfahrung verschaffte ihm ein umfassendes Verständnis für die Bedürfnisse von Lernenden. Heute verbindet er dieses Wissen mit seiner Fachkompetenz, um in seinen praxisorientierten Videokursen ein nachhaltiges Lernerlebnis zu schaffen und Menschen für moderne Technologien zu begeistern. So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Microsoft Fabric – Synapse Real-Time Intelligence
Echtzeitverarbeitung entwickelt sich in der Datenanalyse zunehmend zum Muss. In diesem Kurs gibt Ihnen der Data Scientist Emil Vinčazović eine Einführung in die wichtigsten Funktionen und Anwendungsbereiche von Synapse Real-Time Intelligence in Microsoft Fabric. Von Eventstreams über KQL-Abfragen bis zum Eventhouse lernen Sie, die grundlegenden Bausteine von Real-Time Intelligence auf Echtzeitdaten anzuwenden. Mithilfe von Real-Time Dashboards werden Sie außerdem in der Lage sein, sofortige Datenvisualisierungen zu erstellen. Anhand eines Praxisbeispiels können Sie das Gelernte direkt Schritt für Schritt umsetzen. Falls Sie neu sind im Bereich Echtzeitdatenanalyse oder eine Auffrischung benötigen – dieser Kurs bietet den idealen Einstieg. Dieser Kurs ist Teil einer Serie über Microsoft Fabric, in der Emil Vinčazović das Tool und dessen Einsatzmöglichkeiten praxisorientiert vorstellt: Einstieg in Microsoft FabricMicrosoft Fabric – Data FactoryMicrosoft Fabric – Synapse Data EngineeringMicrosoft Fabric – Synapse Data WarehouseMicrosoft Fabric – Synapse Data ScienceMicrosoft Fabric – Synapse Real-Time IntelligenceMicrosoft Fabric – Power BI (erscheint in Kürze) Länge: 00:50 Stunden Alle Video-Lektionen im Überblick: Herzlich willkommen zu diesem Kurs Synapse Real-Time Intelligence in Microsoft Fabric Kapitelüberblick Was ist Real-Time Intelligence in Fabric? Eventstreams KQL-Abfragen Real-Time Dashboard Eventhouse Quiz: Synapse Real-Time Intelligence in Microsoft Fabric Praxisbeispiel mit Beispieldaten von Microsoft Kapitelüberblick Eventstream aufsetzen Verbindung mit dem Stream herstellen Ziel auswählen und ausführen Insights mithilfe des Logs Analysen des Streams mit KQL Systemüberblick im Eventhouse Echtzeitberichte erstellen mit Real-Time Dashboards Abschluss Fazit und Kursabschluss Über den Trainer:Emil Vinčazović ist als Data Engineer und Data Scientist bei der arelium GmbH tätig. Seine Schwerpunkte liegen im Bereich der Ökonometrie und der Künstlichen Intelligenz. In seinen Kundenprojekten arbeitet er hauptsächlich mit Azure Synapse, Azure Databricks, Azure Machine Learning Studio und seit dessen Veröffentlichung auch mit Microsoft Fabric. Seine Expertise in diesen Bereichen gibt er auch auf Fachkonferenzen und in Workshops weiter. Zusätzlich betreibt er den YouTube-Kanal des Unternehmens, wo er Tutorials zu aktuellen Themen rund um cloudbasierte Technologien produziert. So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Machine Learning mit Python – Teil 1: Grundlagen
Machine Learning ist eine der wichtigsten Technologien zur Datenverarbeitung und in vielen Branchen nicht wegzudenken. In diesem ersten Kurs der Serie „Machine Learning mit Python“ vermittelt Ihnen der Online-Dozent Ilyas Tachakor Schritt für Schritt die wichtigsten Grundlagen. Der Kurs bietet eine praxisorientierte Einführung in zentrale Begriffe und Ansätze wie Regression, Klassifikation, überwachtes Lernen und unüberwachtes Lernen. Sie lernen, wie Sie mit Python ML-Modelle entwickeln und je nach Anwendungsfall das richtige Modell auswählen. Mit Übungsaufgaben und einem Praxisprojekt können Sie das Gelernte direkt anwenden. Dieser Kurs bildet den idealen Einstieg in die Welt des maschinellen Lernens und legt den Grundstein für die weiteren Kurse der Serie „Machine Learning mit Python“: Machine Learning mit Python – Teil 1: GrundlagenMachine Learning mit Python – Teil 2: RegressionMachine Learning mit Python – Teil 3: KlassifikationMachine Learning mit Python – Teil 4: Data Pipelines, Feature Engineering und K-Means Clustering Länge: 02:34 Stunden Alle Video-Lektionen im Überblick: Vorstellung und Infos zum Kurs Herzlich willkommen zu diesem Kurs Einführung Kapitelüberblick Grundbegriffe Ordnerstruktur und Einführung in Google Colab Quiz: Einführung Erste Schritte mit Python Kapitelüberblick Variablen und bedingte Anweisungen Praxisaufgabe 1 - Vorlage Praxisaufgabe 1 - Lösung Datentypen und Schleifen Praxisaufgabe 2 - Vorlage Praxisaufgabe 2 - Lösung Funktionen Praxisaufgabe 3 - Vorlage Praxisaufgabe 3 - Lösung Funktionen mit Rückgabewert und Bibliotheken Weitere Bibliotheken (Pandas/Seaborn) Praxisaufgabe 4 - Vorlage Praxisaufgabe 4 - Lösung Quiz: Erste Schritte mit Python Trainiere deine ersten KI-Modelle Kapitelüberblick Lineare Regression Lineare Regression in Python Entscheidungsbäume Entscheidungsbaum in Python (Optional) Mathematische Vertiefung – Methode der kleinsten Quadrate (Optional) Mathematische Vertiefung – Gini-Unreinheit Quiz: Trainiere deine ersten KI-Modelle Projekt – Kundenkaufverhalten und Unternehmensgewinne vorhersagen Kapitelüberblick Projektvorlage in Python Projektlösung in Python Abschluss Fazit und Kursabschluss Über den Trainer:Ilyas Tachakor entdeckte bereits während seines Informatikstudiums seine Leidenschaft für Data Science. Bevor er sich als Online-Dozent selbstständig machte, entwickelte er bei einem führenden deutschen EdTech-Startup innovative Lerninhalte im Bereich Informatik. Diese Erfahrung verschaffte ihm ein umfassendes Verständnis für die Bedürfnisse von Lernenden. Heute verbindet er dieses Wissen mit seiner Fachkompetenz, um in seinen praxisorientierten Videokursen ein nachhaltiges Lernerlebnis zu schaffen und Menschen für moderne Technologien zu begeistern. So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
KI-gestützte Programmierung: Entwicklungsprozesse beschleunigen und optimieren (Mac & i Webinar-Aufzeichnung)
Webinar "KI-gestützte Programmierung: Entwicklungsprozesse beschleunigen und optimieren", im heise shop als Aufzeichnung der Live-Veranstaltung aus dem Januar 2025. Die Möglichkeiten der KI für die Implementierung gehen weit über das traditionelle Autocomplete hinaus. Die Dienste erkennen Fehler und generieren sogar Codeabschnitte basierend auf natürlicher Sprache und vorhandenem Code. Klaus Rodewig demonstriert, wie KI-gestützte Programmierung den Entwicklungsprozess verbessern kann. In etwa vier Stunden erläutert er anhand konkreter Anwendungsfälle unter anderem, wie sich mithilfe der KI die Codeerstellung beschleunigen lässt sowie Bugs und Sicherheitslücken identifizieren lassen. Anhand von Diensten wie Github Copilot, das auch auf GPT-Technologie basiert, zeigt der Referent die Auswirkungen auf den Entwicklungsprozess. Neben den enormen Chancen bergen diese Dienste auch Risiken – für den Datenschutz bis hin zu handfesten Sicherheitslücken. Über die Analyse zur Leistungsfähigkeit der neuen Möglichkeiten hinaus betrachtet das Webinar auch die ethischen und datenschutzrechtlichen Aspekte der KI-gestützten Programmierung. Die vorgestellten Technologien sind plattformübergreifend verfügbar. Die gezeigten Beispiele betreffen gängige Plattformen wie Android, Web und Embedded-Entwicklung. Aufgrund der Entscheidung von Apple, die hauseigene KI-Lösung Apple Intelligence vorerst nicht in der EU zugänglich zu machen, ist Apple Intelligence nicht Bestandteil des Webinars.ThemenschwerpunkteRapid Prototyping mit KI KI-gestützte Codegenerierung Fehler finden und Debugging-Unterstützung Produktivitätssteigerung und Beschleunigung der Entwicklungszyklen KI in Entwicklungsumgebungen Autocompletion und KI-Chatbots Code-Analyse Praktische Beispiele und Demos mit aktuellen KI-Modellen und Diensten Datenschutz und Datensicherheit bei KI im EntwicklungsprozesseZielgruppeSoftwareentwickler und Dev-Teams IT-Entscheider und Technologieverantwortliche Alle Interessierten an KI in der Programmierung
Python in Excel für Datenvisualisierung und Machine Learning
Die Integration von Python in Microsoft Excel eröffnet eine neue Dimension der Datenanalyse und -verarbeitung und ermöglicht es, die Vorteile der leistungsstarken Programmiersprache Python direkt in Ihrer vertrauten Excel-Umgebung zu nutzen. Dieser Kurs bietet eine umfassende Einführung in die Datenvisualisierung und fortgeschrittene Analysetechniken mit Python in Excel. Zum Auftakt machen Sie sich mit Matplotlib vertraut und lernen, verschiedene Darstellungsformen von einfachen Liniendiagrammen bis hin zu komplexen 3D-Diagrammen umzusetzen und anzupassen. Anschließend widmen wir uns Seaborn, einer weiteren wichtigen Python-Bibliothek für Datenvisualisierung. Sie erfahren, wie Sie unter anderem Boxplots, Violinplots, Histogramme und Heatmaps in Excel erstellen.Darüber hinaus betrachten wir reguläre Ausdrücke sowie die Integration von Power Query und Python zur erweiterten Datenmanipulation. Zum Schluss erkunden wir die Möglichkeiten der statistischen Analyse und des maschinellen Lernens mit Python in Excel. Dabei berechnen Sie Korrelationen und wenden lineare Regression sowie Clustering-Techniken an, um Muster in Ihren Daten zu identifizieren.Entdecken Sie die Synergien von Python und Excel in unserer zweiteiligen Kursserie:Python in Excel für Datenmanipulation und -analysePython in Excel für Datenvisualisierung und Machine LearningLänge: 02:51 Stunden Alle Lektionen im Überblick: Vorstellung und Infos zum Kurs Herzlich willkommen zu diesem Kurs Datenvisualisierung mit Matplotlib Kapitelüberblick Einfache Plots mit Matplotlib erstellen Liniendiagramm und Konfigurationen Säulen- und Balkendiagramm Streudiagramm Kreisdiagramm 3D-Diagramm Subplot Aufgabe: Datenvisualisierung mit Matplotlib Lösung: Datenvisualisierung mit Matplotlib Quiz: Datenvisualisierung mit Matplotlib Datenvisualisierung mit Seaborn Kapitelüberblick Einführung in Seaborn Boxplot, Violinplot, Boxenplot Stripplot und Swarmplot Histplot, Displot, Jointplot, KDE Scatterplot und Pairplot KDE-Plot und Jointplot Heatmap und Clustermap FacetGrid Aufgabe: Visualisierungen mit Seaborn Lösung: Visualisierungen mit Seaborn Quiz: Datenvisualisierung mit Seaborn Fortgeschrittene Methoden Kapitelüberblick Reguläre Ausdrücke: E-Mails Reguläre Ausdrücke: Währungen Reguläre Ausdrücke: Zahlenwerte Power Query und Python Quiz: Fortgeschrittene Methoden Statistik und Machine Learning Kapitelüberblick Deskriptive Statistik Pearson-Korrelation berechnen Kategoriale Korrelation Lineare Regression als Modell trainieren Prognosen mit dem Modell erstellen Clustering: Datenvorbereitung, Centroids und Cluster Labels Clustering: Visualisierung und Interpretation Quiz: Statistik und Machine Learning Abschluss Fazit und Kursabschluss Über den Trainer:Fabio Basler hat schon zu Beginn seines Studiums eine große Leidenschaft für die Methoden der Statistik und Data Science entwickelt. Über mehrere Semester hinweg konnte er als Tutor zahlreiche Studierende erfolgreich auf ihre Prüfungen und den Berufsalltag vorbereiten. Fabio Basler arbeitet als Datenanalyst in einem großen Industriekonzern. Mit großer Freude am Unterrichten gibt er sein Wissen in Online-Kursen und Seminaren weiter.So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt. Sie können den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquizzes zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs wird lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Microsoft Fabric – Synapse Data Warehouse
Data Warehousing ist ein zentraler Bestandteil moderner Datenlösungen und essenziell für die Analyse großer Datenmengen. In diesem Kurs lernen Sie die wichtigsten Funktionen und Werkzeuge von Synapse Data Warehouse in Microsoft Fabric kennen. Der Kurs startet mit den theoretischen Grundlagen des Data Warehouses einschließlich der Unterscheidung zum Lakehouse. Anschließend führt Sie Data Engineer Emil Vinčazović mit praktischen Anleitungen Schritt für Schritt durch den Aufbau eines eigenen Data Warehouses. Dazu gehören die Nutzung von Visual Query, das Anlegen von Tabellen mit T-SQL und die Datenintegration über Dataflows und Pipelines. Falls Sie neu sind in der Welt des Data Warehousing oder Ihre Fähigkeiten im Umgang mit Microsoft Fabric und Synapse Data Warehouse vertiefen möchten, ist dieser Kurs für Sie ideal. Dieser Kurs ist Teil einer Serie über Microsoft Fabric, in der Emil Vinčazović das Tool und dessen Einsatzmöglichkeiten praxisorientiert vorstellt: Einstieg in Microsoft FabricMicrosoft Fabric – Data FactoryMicrosoft Fabric – Synapse Data EngineeringMicrosoft Fabric – Synapse Data WarehouseMicrosoft Fabric – Synapse Data ScienceMicrosoft Fabric – Synapse Real-Time IntelligenceMicrosoft Fabric – Power BI (erscheint in Kürze) Länge: 00:49 Stunden Alle Video-Lektionen im Überblick: Herzlich willkommen zu diesem Kurs Synapse Data Warehouse in Microsoft Fabric Kapitelüberblick Was ist Synapse Data Warehouse in Fabric? Theorie: Data Warehouse Mirroring in Synapse Data Warehouse Data Warehouse vs. Lakehouse Quiz: Synapse Data Warehouse in Microsoft Fabric Praxisbeispiel: Aufbau eines Data Warehouse Kapitelüberblick Tabellen anlegen mit T-SQL Data Ingestion mit Dataflow und Pipeline Visual Query Views erstellen Download eines SQL Database Project Mirroring einer Azure SQL-Datenbank Quiz: Praxisbeispiel: Aufbau eines Data Warehouse Abschluss Fazit und Kursabschluss Über den Trainer:Emil Vinčazović ist als Data Engineer und Data Scientist bei der arelium GmbH tätig. Seine Schwerpunkte liegen im Bereich der Ökonometrie und der Künstlichen Intelligenz. In seinen Kundenprojekten arbeitet er hauptsächlich mit Azure Synapse, Azure Databricks, Azure Machine Learning Studio und seit dessen Veröffentlichung auch mit Microsoft Fabric. Seine Expertise in diesen Bereichen gibt er auch auf Fachkonferenzen und in Workshops weiter. Zusätzlich betreibt er den YouTube-Kanal des Unternehmens, wo er Tutorials zu aktuellen Themen rund um cloudbasierte Technologien produziert.So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
KI im Unternehmen technisch und rechtlich sicher einsetzen (Webinar-Aufzeichnung)
KI im Unternehmen technisch und rechtlich sicher einsetzen – Externe und lokale Lösungen (Webinar Aufzeichnung aus Dezember 2024)Dieses Webinar ist ein Spezialangebot des Fachdienstes heise KI PRO. Der Fachdienst hat es sich zum Ziel gesetzt, im unübersichtlichen und dynamischen Bereich generativer Ki Unternehmen Orientierung und Handlungsempfehlungen zu geben. In diesem Webinar klären wir, welche KI-Modelle für welchen Zweck geeignet sind, wann extern gehostete KI-Modelle sinnvoll sind und wann ich eher lokale Lösungen in Betracht ziehen sollte. Wir stellen die verschiedenen Betriebsvarianten vor, von den großen KI-Modellen von OpenAI und Anthropic über in Europa gehostete Modelle bis hin zu lokaler KI auf dem eigenen Rechner oder Server. Wir beschäftigen uns mit den Vor- und Nachteilen dieser Lösungen inklusive der Kosten und zeigen rechtliche Rahmenbedingungen auf, sowohl was Inhalte, also das Urheberrecht, als auch Datenschutz angeht. Außerdem werden wir einfache lokale KI-Modelle im abgeschirmten lokalen Modus auf einem PC demonstrieren und auch Themen wie RAG und Fine Tuning ansprechen. Am Ende des Webinars können Teilnehmende eine fundierte Entscheidung treffen, ob Sie einfach und mit vorhanden Cloud-Modellen ins KI-Zeitalter starten, oder ob eine umfangreiche lokale Installation notwendig ist. Die Themen im ÜberblickKI-Modelle und AnwendungsfälleKI im Unternehmen: Zahlen aus der Praxis zur Effizienz mit Text-KIExkurs: KI und UrheberrechtExtern gehostete KI-Modelle: Überblick, Vor- und Nachteile, KostenExtern, aber selbst gehostete KI-Modelle: Überblick, Vor- und Nachteile, KostenLokal gehostete KI-Modelle: Überblick, Vor- und Nachteile, KostenAdd-on: RAG – Recherche mit KI in eigenen Daten & ChatbotsAdd-on: NPU – Was können NPUs in neuen KI-PCs?Welche Betriebsvariante ist für mich geeignet?Datenschutz, Vertraulichkeit und KI-Policy: Was sollte ich rechtlich beachten?Zielgruppe Dieses Webinar richtet sich vor allem an Entscheider und Innovatoren im Unternehmen, die Orientierung dazu benötigen, welche KI-Modelle sie auf welche Weise in die Unternehmensprozesse einbinden können. Generell richten sich die Webinare des Fachdienstes heise KI PRO an alle, die KI im Unternehmen produktiv und jenseits von Experimenten einsetzen wollen, praxisnahe Orientierung benötigen und einen aktuellen, klaren und ehrlichen Blick auf die (Un-)Möglichkeiten generativer KI bekommen wollen. VoraussetzungenFür die Teilnahme an diesem Webinar sind keine besonderen Vorkenntnisse erforderlich.
Python in Excel für Datenmanipulation und -analyse
Die Integration von Python in Microsoft Excel eröffnet eine neue Dimension der Datenanalyse und -verarbeitung und ermöglicht es, die Vorteile der leistungsstarken Programmiersprache Python direkt in Ihrer vertrauten Excel-Umgebung zu nutzen.Dieser Kurs bietet eine fundierte Einführung in die Datenaufbereitung und -auswertung in Excel mithilfe von Python. Zunächst erklärt Ihnen der Data-Science-Experte Fabio Basler, welche Python-Bibliotheken Sie dafür benötigen, wie Sie diese importieren und wie Sie Fehlermeldungen verstehen und beheben. Zudem lernen Sie die Berechnungsreihenfolge von Python-Funktionen in Excel kennen und steuern, um korrekte Ergebnisse zu erzielen. Fabio Basler beleuchtet auch das Thema Datenschutz und zeigt Ihnen nützliche Tastenkombinationen, die Ihnen die Arbeit mit Python in Excel erleichtern.Anschließend tauchen Sie tief in die Datenanalyse und -manipulation mit Pandas ein. Sie lernen, wie Sie Data Frames einsetzen, Daten filtern, gruppieren, aggregieren und verknüpfen sowie mit fehlenden Werten umgehen. Praktische Übungsaufgaben zur Anwendung und Festigung des Gelernten runden diesen Kurs ab.Entdecken Sie die Synergien von Python und Excel in unserer zweiteiligen Kursserie:Python in Excel für Datenmanipulation und -analysePython in Excel für Datenvisualisierung und Machine LearningLänge: 03:16 Stunden Alle Lektionen im Überblick: Vorstellung und Infos zum Kurs Herzlich willkommen zu diesem Kurs Einführung Kapitelüberblick Installation von Microsoft Excel Tipps für den Excel-Start Python in Excel aktivieren Python-Schnellstart in Excel Symbolleiste für den Schnellzugriff und Registerkarte Theorie: Welche Möglichkeiten bietet das Feature? Quiz: Einführung Python in Excel unter der Haube Kapitelüberblick Wie funktioniert Python in Excel? Initialisierung: Welche Python-Bibliotheken sind standardmäßig integriert? Python-Version überprüfen Fehlermeldungen verstehen Programmbibliotheken importieren Besondere Tastenkombinationen Datenschutz Berechnungsreihenfolge Quiz: Python in Excel unter der Haube Explorative Datenanalysen mit Pandas Kapitelüberblick Vorstellung der Projektdaten und Problemstellungen Mit Data Frames arbeiten Einfache Analysen Spalten und Zeilen analysieren Indizierung und Umbennenungen Indexing mit loc und iloc Slicing mit loc und iloc Spalten berechnen Aufgabe: Explorative Datenanalyse mit Pandas Lösung: Explorative Datenanalyse mit Pandas Quiz: Explorative Datenanalysen mit Pandas Fortgeschrittene Datenmanipulation mit Pandas Kapitelüberblick Daten sortieren Daten filtern mit filter Datenfilterung über Kriterien Filterung mit between und where Daten aggregieren und gruppieren Daten verknüpfen: Joins und Merges Umgang mit fehlenden Daten (NULL) Aufgabe: Fortgeschrittene Datenanalysen mit Pandas Lösung: Fortgeschrittene Datenanalysen mit Pandas Quiz: Fortgeschrittene Datenmanipulation mit Pandas Abschluss Fazit und Kursabschluss Über den Trainer:Fabio Basler hat schon zu Beginn seines Studiums eine große Leidenschaft für die Methoden der Statistik und Data Science entwickelt. Über mehrere Semester hinweg konnte er als Tutor zahlreiche Studierende erfolgreich auf ihre Prüfungen und den Berufsalltag vorbereiten. Fabio Basler arbeitet als Datenanalyst in einem großen Industriekonzern. Mit großer Freude am Unterrichten gibt er sein Wissen in Online-Kursen und Seminaren weiter.So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt. Sie können den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquizzes zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs wird lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Nachhaltigkeit durch Künstliche Intelligenz
Das Thema Nachhaltigkeit gewinnt in der Unternehmenswelt zunehmend an Bedeutung. Gesetzliche Vorschriften und internationale Standards verpflichten Unternehmen dazu, Nachhaltigkeit messbar zu machen und kontinuierlich zu verbessern.Dieser Kurs vermittelt, wie Künstliche Intelligenz (KI) und Data Science gezielt eingesetzt werden können, um die Nachhaltigkeit in Unternehmen zu steigern. Er beleuchtet umfassend die vielfältigen Anwendungsmöglichkeiten von KI in den Bereichen ökonomische, soziale und ökologische Nachhaltigkeit und zeigt auf, wie durch innovative KI-Ansätze Prozesse und Produkte, insbesondere im Hinblick auf Ressourcenschonung, optimiert werden können.Dabei erhalten Sie einen Überblick über die relevanten Kennzahlen und Kriterien für die Bewertung von Nachhaltigkeit in Unternehmen und lernen praktische Tools und Methoden kennen, die Sie ohne tiefgehende Programmierkenntnisse nutzen können. Dies ermöglicht es Ihnen, Daten auszuwerten und KI-Modelle zu entwickeln, um Nachhaltigkeit in Ihrem Unternehmen effizient zu messen und zu fördern, was auch das gesetzliche Nachhaltigkeitsreporting (Corporate Sustainability Reporting Directive, CSRD) unterstützt.Dieser Kurs ist Teil einer 4-teiligen Serie, die sich mit der Frage befasst, wie KI erfolgreich im Unternehmen implementiert werden kann.Länge: 01:50 StundenAlle Video-Lektionen im Überblick: Nachhaltigkeit durch Künstliche Intelligenz Herzlich willkommen zu diesem Kurs Einordnung in Strategie und Reporting Vorschriften und Standards KPIs und Metriken Best Practices für ESG Reports Leitfaden zur Nachhaltigkeitsmessung Daten identifizieren und präparieren Praktische Tools für das Data Cleaning KI und Nachhaltigkeit: Use Cases und Potenziale KI-Methoden für Nachhaltigkeit Grenzen von KI bei der Förderung von Nachhaltigkeit Praktische Tools für den KI-Einsatz KI-Modelle validieren Quiz: Nachhaltigkeit durch Künstliche Intelligenz Fazit und Kursabschluss Über den Trainer:Nach dem Studium, das er unter anderem in Norwegen und Ungarn absolvierte, startete Andreas Moring seine Laufbahn in der Medienbranche beim Axel-Springer-Verlag. Erfahrungen sammelte er als Consultant bei einer Beratergruppe, bevor er mit der Gründung eigener Digitalunternehmen für Plattform- und App-Entwicklung startete. Tätig ist Andreas Moring heute als Professor für Digitalwirtschaft, Innovation und KI an der International School of Management (ISM) in Hamburg. Dazu hat er das Institut JuS.TECH für KI und Nachhaltigkeit gegründet, das er auch leitet. Er ist zudem Co-Gründer der JuS.TECH AG und wirkt als Ambassador für Mensch-KI-Kooperation am Artificial Intelligence Center (ARIC) in Hamburg mit.So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
KI im Unternehmen: Anwendungsfälle erkennen und umsetzen
In zahlreichen Branchen ist Künstliche Intelligenz (KI) bereits vielfältig im Einsatz. Dieser Kurs gibt einen umfassenden Überblick über konkrete Anwendungsbeispiele und vermittelt praxisnah, wie Unternehmen geeignete Einsatzmöglichkeiten für KI identifizieren und erfolgreich umsetzen können.Die Grundlage für den Projekterfolg bilden qualitativ hochwertige Daten. Die Bedeutung eines strukturierten Vorgehens bei der Datenerfassung und -bereinigung wird in der Praxis jedoch meist unterschätzt. Daher wird im Kurs detailliert erläutert, wie Sie passende Daten beschaffen, aufbereiten, analysieren und damit für Ihre KI-Anwendungen nutzbar machen können. Ein weiterer Schwerpunkt liegt auf der Identifikation und Priorisierung relevanter Use Cases. Der Kurs stellt Instrumente vor, um realistische Anwendungsfälle im eigenen Unternehmen zu definieren und deren Umsetzbarkeit zu bewerten. Praktische Beispiele und konkrete Handlungsempfehlungen unterstützen bei der Entscheidungsfindung.Abschließend lernen Sie praktische Tools zur Steuerung von KI-Projekten kennen und erlangen damit das notwendige Rüstzeug, um KI in Ihrem Unternehmen erfolgreich in die Anwendung zu bringen.Dieser Kurs ist Teil einer 4-teiligen Serie, die sich mit der Frage befasst, wie KI erfolgreich im Unternehmen implementiert werden kann.Länge: 01:06 StundenAlle Video-Lektionen im Überblick: KI im eigenen Unternehmen Herzlich willkommen zu diesem Kurs Aktuelle Anwendungen von KI in Branchen und Unternehmen Wie gehe ich ein Data-Science-Projekt an? Wie funktioniert die Use-Case-Definition für KI in einem Unternehmen? Praktische Tools: Data Science Canvas Praktische Tools: Data Landscape Canvas Praktische Tools: AI & ML Canvas Praktische Tools: AI Project Canvas Quiz: KI im eigenen Unternehmen Fazit und Kursabschluss Über den Trainer:Nach dem Studium, das er unter anderem in Norwegen und Ungarn absolvierte, startete Andreas Moring seine Laufbahn in der Medienbranche beim Axel-Springer-Verlag. Erfahrungen sammelte er als Consultant bei einer Beratergruppe, bevor er mit der Gründung eigener Digitalunternehmen für Plattform- und App-Entwicklung startete. Tätig ist Andreas Moring heute als Professor für Digitalwirtschaft, Innovation und KI an der International School of Management (ISM) in Hamburg. Dazu hat er das Institut JuS.TECH für KI und Nachhaltigkeit gegründet, das er auch leitet. Er ist zudem Co-Gründer der JuS.TECH AG und wirkt als Ambassador für Mensch-KI-Kooperation am Artificial Intelligence Center (ARIC) in Hamburg mit.So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
VBA-Makros in Excel für Fortgeschrittene
Visual Basic for Applications (VBA) ist eine Skriptsprache, die in Microsoft Excel zum Automatisieren von Aufgaben und Erstellen benutzerdefinierter Funktionen verwendet wird. Dieser Kurs konzentriert sich auf die fortgeschrittenen Möglichkeiten der Automatisierung von Excel-Arbeitsprozessen und richtet sich somit an Anwender, die ihre Kenntnisse in diesem Bereich erweitern möchten. Sie lernen, VBA für die Bereinigung und Konsolidierung von Daten sowie für die Arbeit mit Pivot-Tabellen einzusetzen. Ein besonderer Schwerpunkt liegt auf der arbeitsmappenübergreifenden Steuerung, um Formatierungen anzupassen, Werte abzugleichen und komplexe Aggregationen durchzuführen.Zudem befassen Sie sich mit erweiterten Variablen und Datenstrukturen, wie Dictionaries, Arrays und Queues, und machen sich mit den wesentlichen Debugging-Tools wie Breakpoints und Variablenüberwachung vertraut, um Fehler zu identifizieren und zu beheben.Sie werden in das Konzept der objektorientierten Programmierung (OOP) eingeführt, das es ermöglicht, VBA-Code modular und wiederverwendbar zu gestalten. Darüber hinaus lernen Sie, Excel mit anderen Office-Anwendungen zu verknüpfen, z.B. für den automatisierten Versand von E-Mails aus Excel heraus oder die Einbindung von Daten in PowerPoint-Präsentationen.Zum Schluss geht es an die Entwicklung grafischer Benutzeroberflächen (UserForms) in VBA, mit denen Sie benutzerdefinierte Dialoge und Eingabemasken erstellen können, um die Interaktion mit Ihren Makros zu verbessern.Abgerundet wird der Kurs durch zahlreiche Übungsaufgaben, mithilfe derer Sie das Erlernte praktisch anwenden und festigen können.Länge: 05:47 Stunden Alle Lektionen im Überblick: Herzlich willkommen zu diesem Kurs Einführung in VBA Kapitelüberblick Installation von Microsoft Excel Entwicklertools Visual Basic Editor Kursausblick: Fortgeschrittene Möglichkeiten mit VBA Überblick über grundlegende VBA-Konzepte und Syntax Quiz: Einführung in VBA Excel-Operationen automatisieren Kapitelüberblick Duplikate entfernen Tabelle transponieren Pivot-Tabellen aktualisieren Filterungen aus Pivot-Tabellen entfernen Aufgabe: Makro für Datenschnitte in dynamischen Tabellen Lösung: Makro für Datenschnitte in dynamischen Tabellen Spalten und Zeilen in Pivot-Tabelle automatisch vertauschen Spalten automatisiert berechnen Konsolidierungen automatisch durchführen Quiz: Excel-Operationen automatisieren Arbeitsmappenübergreifende Steuerung Kapitelüberblick Arbeitsmappenübergreifende Steuerung Werte zwischen Arbeitsmappen kopieren Formatierungen zwischen Arbeitsmappen Blattanzahl und Blattnamen ausgeben Inputbox für Arbeitsreiter kopieren Werte abgleichen Suchen und Ersetzen Aufgabe: Suchen und Ersetzen mit MsgBox Lösung: Suchen und Ersetzen mit MsgBox Aggregationen anzeigen und ausgeben Quiz: Arbeitsmappenübergreifende Steuerung Erweiterte Variablen und Datenstrukturen Kapitelüberblick Dictionaries: Einführung Dictionaries: Anwendung Arrays: Erstellung Arrays: Redim, LBound und UBound Arrays: Elemente verändern Matrix: Mehrdimensionales Array erstellen Matrix: Iteration zur Wertausgabe Collections Dynamic vs. Static Arrays Queues Aufgabe: Erweiterte Variablen und Datenstrukturen Lösung: Erweiterte Variablen und Datenstrukturen Quiz: Erweiterte Variablen und Datenstrukturen Fehlerbehebung und Debugging-Techniken Kapitelüberblick Theorie: Wozu Debugging? Datentypfehler und Debugging-Leiste Breakpoints Variablenüberwachung Quiz: Fehlerbehebung und Debugging-Techniken Objektorientierung Kapitelüberblick Begriffserklärung Ausgangsbeispiel: Mediterrane Olivenbäume Klassenmodul „Olivenbaum“ programmieren Objekt „Olea Europaea“ anlegen Eigenschaften „Bauminformationen“ ausgeben Aufgabe: Olea Europaea Leccino & Koroneiki anlegen und ausgeben Lösung: Olea Europaea Leccino & Koroneiki anlegen und ausgeben Methode „Wasserbedarf“ berechnen und ausgeben Methode „Wachstumsrate“ berechnen und ausgeben Aufgabe: Weitere Olivenbaumarten anlegen und Bauminfos ausgeben Lösung: Weitere Olivenbaumarten anlegen und Bauminfos ausgeben Methode: Olivenernte Vererbung: Zitronen- und Feigenbaum Quiz: Objektorientierung Interaktion mit anderen Office-Anwendungen Kapitelüberblick Outlook und Excel-VBA: Mail versenden Outlook und Excel-VBA: Datei per Makro verschicken Word und Excel-VBA PowerPoint und Excel-VBA Access und Excel-VBA Publisher und Excel-VBA VBA in anderen Office-Anwendungen Quiz: Interaktion mit anderen Office-Anwendungen Erweiterte Benutzeroberfläche und benutzerdefinierte Formulare Kapitelüberblick Einführung in UserForms Oberfläche designen Vorbereitung: Beschriftungen Dropdown-Liste Zellwerte befüllen Makro zum Öffnen der UserForm Dynamische Zellbezüge Voreinstellungswert und nachträgliche Anpassungen Zellwerte mit Listen befüllen Quiz: Erweiterte Benutzeroberfläche und benutzerdefinierte Formulare Abschluss Fazit und Kursabschluss Über den Trainer:Fabio Basler hat schon zu Beginn seines Studiums eine große Leidenschaft für die Methoden der Statistik und Data Science entwickelt. Über mehrere Semester hinweg konnte er als Tutor zahlreiche Studierende erfolgreich auf ihre Prüfungen und den Berufsalltag vorbereiten. Fabio Basler arbeitet als Datenanalyst in einem großen Industriekonzern. Mit großer Freude am Unterrichten gibt er sein Wissen in Online-Kursen und Seminaren weiter.So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt. Sie können den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquizzes zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs wird lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
VBA-Makros in Excel für Einsteiger
Visual Basic for Applications (VBA) ist eine leistungsstarke Skriptsprache, die in Microsoft Excel integriert ist und zur Automatisierung von Aufgaben sowie zur Erstellung benutzerdefinierter Funktionen verwendet wird. Mit VBA können repetitive Arbeitsschritte effizienter gestaltet und komplexe Berechnungen und Datenverarbeitungen vereinfacht werden.Dieser Kurs führt Sie in die faszinierende Welt von VBA ein und deckt dabei alle wichtigen Aspekte ab – von den Grundlagen wie der Verwendung des Makro-Rekorders bis hin zur Erstellung komplexer VBA-Codes, um Routineaufgaben zu automatisieren.Sie werden lernen, einfache Makros mit Schaltflächen zu erstellen und Ihren VBA-Code logisch zu strukturieren. Zudem werden Sie sich mit verschiedenen Datentypen, Variablen und Konstanten vertraut machen und verstehen, wie Anweisungen, Schleifen und Funktionen in VBA funktionieren. Auch die Zellbearbeitung mit VBA steht auf dem Programm.Praktische Übungsaufgaben runden den Kurs ab. Dadurch werden Sie Ihre Fähigkeiten festigen und am Ende des Kurses in der Lage sein, komplexe Excel-Aufgaben effizient mit VBA zu bewältigen.Länge: 04:51 Stunden Alle Lektionen im Überblick: Herzlich willkommen zu diesem Kurs Einführung in VBA Kapitelüberblick Installation von Microsoft Excel Excel-Schnellstart Theorie: Was ist VBA? Entwicklertools Visual Basic Editor Tipps zum VBA-Einstieg Automatisierungsmöglichkeiten Quiz: Einführung in VBA VBA-Grundlagen Kapitelüberblick Der erste VBA-Code Dateispeicherformat Theorie: Was sind Makros? Möglichkeiten, Makros zu schreiben Makro-Rekorder VBA-Code statt Makro-Rekorder Schaltflächen für Makros Darkmode Mehrere Codes anordnen Kommentare Quiz: VBA-Grundlagen Grundlagen der Programmierung Kapitelüberblick Datentypenübersicht Variablen Datentypen in VBA Aufgabe: Datentypen und Variablen Lösung: Datentypen und Variablen Konstanten Zeilenumbrüche in MsgBox MsgBox und Modifizierungen Quiz: Grundlagen der Programmierung If-Anweisungen Kapitelüberblick WENN-Formelfunktion in Excel If-Anweisung ElseIf-Anweisung VBYesNo mit If-Abfrage If-Abfrage mit Eingabebox Aufgabe: If-Abfragen Lösung: If-Abfragen Quiz: If-Anweisungen Schleifen Kapitelüberblick For-Schleife Do-While-Schleife Do-Until-Schleife Aufgabe: For-Schleifen Lösung: For-Schleifen Aufgabe: While-Schleifen Lösung: While-Schleifen Quiz: Schleifen Funktionen Kapitelüberblick Einführung Modulo-Funktionen programmieren If-Abfragen Datumsfunktionen Zeichenkettenfunktionen Mathematische Funktionen Arithmetisches Mittel Standardabweichung Aufgabe: Funktionen Lösung: Funktionen Quiz: Funktionen Zellbearbeitung Kapitelüberblick Zellen bearbeiten, Bezüge und Formatierungen Kopieren, Zusammenführen und Löschen Zellbearbeitung und If-Anweisungen Sortierungen Filterungen mit InputBox Formelfunktionen in Zellwerten Arbeitsblätter bearbeiten Arbeitsblätter ausblenden und verstecken Spaltenbreite anpassen Spalte mit höchstem Umsatz markieren Werte ersetzen für Datenbereinigung Quiz: Zellbearbeitung ChatGPT und VBA Kapitelüberblick Einführung und Anmeldung Code generieren mit ChatGPT Aufgabe: ChatGPT und VBA Lösung: ChatGPT und VBA Quiz: ChatGPT und VBA Abschluss Fazit und Kursabschluss Über den Trainer:Fabio Basler hat schon zu Beginn seines Studiums eine große Leidenschaft für die Methoden der Statistik und Data Science entwickelt. Über mehrere Semester hinweg konnte er als Tutor zahlreiche Studierende erfolgreich auf ihre Prüfungen und den Berufsalltag vorbereiten. Fabio Basler arbeitet als Datenanalyst in einem großen Industriekonzern. Mit großer Freude am Unterrichten gibt er sein Wissen in Online-Kursen und Seminaren weiter.So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt. Sie können den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquizzes zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs wird lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Künstliche Intelligenz im Job
Grundvoraussetzung für eine erfolgreiche Implementierung künstlicher Intelligenz (KI) im Unternehmen ist die Schaffung eines positiven Umfelds, in dem Mitarbeitende motiviert sind, sich mit KI auseinanderzusetzen und aktiv an Veränderungsprozessen mitzuwirken. In diesem Kurs erklärt Ihnen Prof. Dr. Andreas Moring, Experte für KI und Nachhaltigkeit, wie dies gelingen kann, und identifiziert Hebel, die maßgeblich zur Motivation und Akzeptanz für die Einführung von KI beitragen. Ein Schlüsselfaktor für den Erfolg liegt darin, die damit verbundenen Hoffnungen, Bedenken und Erwartungen der Mitarbeitenden zu berücksichtigen, die weniger die Technologie selbst als vielmehr die Kommunikation und den zwischenmenschlichen Umgang im Unternehmen betreffen. Basierend auf wissenschaftlich erforschten und praktisch erprobten Erkenntnissen bietet der Kurs einen strukturierten Leitfaden, der Schritt für Schritt aufzeigt, wie KI gewinnbringend in die Organisation integriert werden kann, um einen nachhaltigen Mehrwert für alle Beteiligten zu schaffen.Dieser Kurs ist Teil einer 4-teiligen Serie, die sich mit der Frage befasst, wie KI erfolgreich im Unternehmen implementiert werden kann.Länge: 00:52 StundenAlle Video-Lektionen im Überblick: Künstliche Intelligenz im Job Herzlich willkommen zu diesem Kurs Warum KI in allen Jobs mitmischen wird? Wie funktioniert technische Adaption? Bedeutung von Motivation und Self-Determination im Job Das Job-Demands-Resources-Modell Wie hängen KI und Mitarbeitermotivation zusammen? Welche Erwartungen haben Mitarbeiter bei der KI-Einführung? Leitfaden für eine gelingende KI-Implementierung Quiz: Künstliche Intelligenz im Job Fazit und Kursabschluss Über den Trainer:Nach dem Studium, das er unter anderem in Norwegen und Ungarn absolvierte, startete Andreas Moring seine Laufbahn in der Medienbranche beim Axel-Springer-Verlag. Erfahrungen sammelte er als Consultant bei einer Beratergruppe, bevor er mit der Gründung eigener Digitalunternehmen für Plattform- und App-Entwicklung startete. Tätig ist Andreas Moring heute als Professor für Digitalwirtschaft, Innovation und KI an der International School of Management (ISM) in Hamburg. Dazu hat er das Institut JuS.TECH für KI und Nachhaltigkeit gegründet, das er auch leitet. Er ist zudem Co-Gründer der JuS.TECH AG und wirkt als Ambassador für Mensch-KI-Kooperation am Artificial Intelligence Center (ARIC) in Hamburg mit.So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Programmieren mit R: Grundlagen Teil 2
Die Open-Source-Programmiersprache R wurde speziell für die statistische Auswertung und Visualisierung von Daten entwickelt. Mit ihrer großen Palette an Funktionen und Bibliotheken, die von der Community kontinuierlich erweitert und verbessert werden, zählt sie zu den beliebtesten Werkzeugen von Data Scientists. Dieser zweite Teil unserer Serie bietet Ihnen die Möglichkeit, Ihr Grundlagenwissen über die Programmierung mit R zu erweitern und zu vertiefen. Von der Datenbereinigung und -visualisierung über deskriptive und induktive Analyseverfahren bis hin zu statistischen Testmethoden erklärt Ihnen unser Data-Science-Experte Fabio Basler alle relevanten Konzepte und Methoden sowie deren Umsetzung in R. Zum Schluss betrachten wir die Interoperabilität von R mit anderen Programmiersprachen und Anwendungen wie Python, Julia, Power BI und Tableau.Der Kurs ist angereichert mit zahlreichen Übungsaufgaben, die Ihnen dabei helfen, das Erlernte in die Praxis zu übersetzen.Länge: 04:39 Stunden Alle Lektionen im Überblick: Herzlich willkommen zu diesem Kurs Einführung Kapitelüberblick RStudio installieren Vorstellung des RStudio Theorie: Warum R für Data Science? Quiz: Einführung Grafische Visualisierungen Kapitelüberblick Einführung in die Datenvisualisierung Visualisierungen speichern Liniendiagramme Formatierungen Theorie: Boxplots Boxplots Theorie: Histogramme Histogramme Säulen- und Balkendiagramme Kreisdiagramme Punktdiagramme Heatmaps Quiz: Grafische Visualisierungen Deskriptive statistische Auswertungen Kapitelüberblick Skalenniveaus und Datenarten Mittelwertkennzahlen Lageverteilungsmaße Streuungskennzahlen Korrelationen Quiz: Deskriptive statistische Auswertungen Datenbereinigung mit R Kapitelüberblick Behandlung fehlender Werte Datensätze zusammenführen Numerische Variablen filtern Daten klassieren Daten klassieren mit gleich großen Klassen Vergleichbarkeit durch Standardisierung Quiz: Datenbereinigung mit R Analysemethoden der induktiven Statistik Kapitelüberblick Statistische Verteilungen Normalverteilung Wahrscheinlichkeiten mit Normalverteilung Test auf Normalverteilung Intervallschätzungen ANOVA-Varianztest Bland-Altman-Plot Quiz: Analysemethoden der induktiven Statistik Statistische Testverfahren Kapitelüberblick t-Test Binomialtest Chi-Quadrat-Test Fisher-Test Levene-Test Friedman-Test Quiz: Statistische Testverfahren R und andere Anwendungen Kapitelüberblick R und Python R in Julia R und Power BI: Anbindung R und Power BI: Visuals R und Power BI: Datentabelle erstellen R und Tableau: Anbindung R und Tableau: Skripte Quiz: R und andere Anwendungen Abschluss Fazit und Kursabschluss Über den Trainer:Fabio Basler hat schon zu Beginn seines Studiums eine große Leidenschaft für die Methoden der Statistik und Data Science entwickelt. Über mehrere Semester hinweg konnte er als Tutor zahlreiche Studierende erfolgreich auf ihre Prüfungen und den Berufsalltag vorbereiten. Fabio Basler arbeitet als Datenanalyst in einem großen Industriekonzern. Mit großer Freude am Unterrichten gibt er sein Wissen in Online-Kursen und Seminaren weiter.So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt. Sie können den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquizzes zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs wird lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Archaische Intelligenz und KI
Künstliche Intelligenz und menschliche Intelligenz weisen faszinierende Gemeinsamkeiten auf, funktionieren jedoch sehr unterschiedlich. Beide sind hervorragend darin, Muster und Zusammenhänge zu erkennen. Sie haben aber jeweils spezifische Domänen, in denen sie unschlagbar sind. Wer die richtige Aufgabenteilung zwischen KI und menschlicher Intelligenz kennt, verschafft sich einen entscheidenden Wettbewerbsvorteil in Sachen Innovation, Kreativität, Resilienz und Nachhaltigkeit.In diesem Kurs lernen Sie, wo die besten Einsatzgebiete für KI und menschliche Intelligenz liegen. Dabei bekommen Sie ein praktisch anwendbares Schema an die Hand, das Ihnen dabei hilft, zu entscheiden, welche Aufgaben in Ihrem Job und in Ihrem Unternehmen die KI übernehmen kann und wo Sie auf menschliche Intelligenz setzen sollten.Ebenso wie KI trainiert werden muss, um optimale Ergebnisse zu erzielen, ist es sinnvoll und notwendig, die eigene Intuition als Kompetenz zu schulen. Dieser Kurs zeigt Ihnen, wie das funktioniert. Gerade im KI-Zeitalter ist unsere Intuition eine Fähigkeit, die den Unterschied ausmacht – sowohl für Menschen als auch für Unternehmen.Dieser Kurs ist Teil einer 4-teiligen Serie, die sich mit der Frage befasst, wie KI erfolgreich im Unternehmen implementiert werden kann.Länge: 00:56 StundenAlle Video-Lektionen im Überblick: Archaische Intelligenz und KI Herzlich willkommen zu diesem Kurs Warum Intuition? Wie KI funktioniert und wofür KI gut ist Wie Intuition funktioniert und wofür Intuition gut ist Wie sich KI und Intuition gegenseitig ergänzen können Die richtige Aufgabenteilung zwischen KI und Intuition Intuition als Führungskompetenz trainieren und mit KI kombinieren Quiz: Archaische Intelligenz und KI Fazit und Kursabschluss Über den Trainer:Nach dem Studium, das er unter anderem in Norwegen und Ungarn absolvierte, startete Andreas Moring seine Laufbahn in der Medienbranche beim Axel-Springer-Verlag. Erfahrungen sammelte er als Consultant bei einer Beratergruppe, bevor er mit der Gründung eigener Digitalunternehmen für Plattform- und App-Entwicklung startete. Tätig ist Andreas Moring heute als Professor für Digitalwirtschaft, Innovation und KI an der International School of Management (ISM) in Hamburg. Dazu hat er das Institut JuS.TECH für KI und Nachhaltigkeit gegründet, das er auch leitet. Er ist zudem Co-Gründer der JuS.TECH AG und wirkt als Ambassador für Mensch-KI-Kooperation am Artificial Intelligence Center (ARIC) in Hamburg mit.So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
ChatGPT, Midjourney & Co. in der Praxis (Webinar-Aufzeichnung)
Webinar "ChatGPT, Midjourney & Co. in der Praxis", im heise Shop als Aufzeichnung der Live-Veranstaltung aus April 2024.Die c't-Redakteure Jo Bager und Hartmut Gieselmann geben mit vielen praktischen Beispielen eine ausführliche Einführung in die Funktionsweise von ChatGPT und anderen Text-KIs sowie in ihre Fähigkeiten und Grenzen: Wie bindet man sie als Copiloten in die tägliche Arbeit ein? Wie trainieren Unternehmen eine individuelle Sprachanwendung mit eigenen Texten?Die Redakteure geben Tipps, wie Lehrkräfte die Sprachmodelle in den Unterricht einbauen und quelloffene Alternativen zu ChatGPT lokal auf dem Rechner laufen lassen können. Sie stellen außerdem KI-Tools vor, die Texte verbessern und bei der wissenschaftlichen Recherche helfen. Aber es soll nicht nur um Sprachbots gehen, sondern auch um Bildgeneratoren und andere generative KI-Dienste. Joerg Heidrich, Justiziar von Heise Medien, zeigt, welch beeindruckenden Bilder sich mit Midjourney erzeugen lassen. Er erklärt, welche Probleme mit dem Einsatz generativer KI verbunden sind, etwa beim Urheberrecht oder beim Datenschutz. Firmen müssen sich auf den Einsatz von KI vorbereiten und Richtlinien für den Umgang mit KI und ihre Mitarbeiter festlegen. Last but not least wird KI auch Veränderungen auf dem Arbeitsmarkt bewirken. Heidrich zeigt, welche Berufsfelder schon jetzt besonders betroffen sind.Die April-Edition des c't-Webinars zu "ChatGPT, Midjourney & Co. in der Praxis" geht natürlich auf die neuesten Entwicklungen beim Thema ein – etwa ChatGPT-GPTs, Google Gemini, der Windows CoPilot und Deep Fakes. Frühere Termine gaben den damaligen Stand wieder.
Programmieren mit R: Grundlagen Teil 1
Die Open-Source-Programmiersprache R wurde speziell für die statistische Datenauswertung und Datenvisualisierung entwickelt. Mit ihrer großen Palette an Funktionen und Bibliotheken, die von der Community kontinuierlich erweitert und verbessert werden, zählt sie zu den beliebtesten Werkzeugen von Data Scientists.In diesem Kurs bietet Ihnen der Data-Science-Experte Fabio Basler einen fundierten Einstieg in die Programmierung mit R. Von der Beherrschung der Datenstrukturen wie Vektoren und Listen bis zur Entwicklung erster eigener Programme werden Sie die essenziellen Grundlagen der Datenmanipulation und -analyse mit R erlernen und ein solides Verständnis für die Syntax und Struktur von R gewinnen. Durch praktische Übungen werden Sie in der Lage sein, Daten aufzubereiten und Berechnungen durchzuführen. Sie werden das Schreiben von Kontrollanweisungen mithilfe von If-Anweisungen und Schleifen meistern und lernen, wie Sie Funktionen effektiv programmieren, Befehlsausdrücke im Code wiederverwenden und Zeichenkettenfunktionen geschickt zur Manipulation von Strings einsetzen.Länge: 05:27 Stunden Alle Lektionen im Überblick: Herzlich willkommen zu diesem Kurs Einführung Kapitelüberblick RStudio installieren Vorstellung des RStudio Benutzeroberfläche des RStudio kennenlernen Theorie: Warum R als Programmiersprache? Grundlagen der Programmierung mit R Kapitelüberblick Arbeiten mit R Tipps beim Starten und Schließen Vorstellung der Arbeitsumgebung Arithmetik Funktionen und Hilfe Libraries Mathematische Funktionen Grundlegende Datentypen Zuweisungen Kommentare Logische Ausdrücke Shortcuts (Teil 1) Shortcuts (Teil 2) Hilfefunktionen Aufgabe: Grundlagen der Programmierung mit R Lösung: Grundlagen der Programmierung mit R Quiz: Grundlagen der Programmierung mit R Datenstrukturen Kapitelüberblick Vektoren Arrays Matrizen Listen NA NULL Inf Quiz: Datenstrukturen Elementare Datenverarbeitung Kapitelüberblick Data Frames als Datenstruktur Eingebaute Datensätze in R .xlsx- und .csv-Datenimport Datensätze speichern und exportieren Grundlegende Analysefunktionen Zeilen Spalten Filtern Spalten berechnen Merges Aufgabe: Elementare Datenverarbeitung Lösung: Elementare Datenverarbeitung (Teil 1) Lösung: Elementare Datenverarbeitung (Teil 2) Quiz: Elementare Datenverarbeitung Kontrollanweisungen Kapitelüberblick Bedingte Anweisungen (if) Verzweigungsanweisungen (ifelse) For-Schleife: Iterationen mit bekannter Anzahl von Elementen While-Schleife: Iteration mit Bedingung Aufgabe: Steuerungsstrukturen Lösung: Steuerungsstrukturen Quiz: Kontrollanweisungen Funktionen Kapitelüberblick Einführung in Funktionen Statistische Funktionen programmieren Aufgabe: Kovarianz und Korrelation Lösung: Kovarianz und Korrelation Quiz: Funktionen Zeichenketten, Datum und Uhrzeit Kapitelüberblick Zeichenkettenfunktionen: paste, nchar, substr, substring Zeichenkettenfunktionen: grep, sub, replace, strsplit Stringr: Übereinstimmungen Stringr: Subset Stringr: Längen Stringr: Ersetzungen Stringr: Joins Stringr: Sortierungen Reguläre Ausdrücke Datumsfunktionen Uhrzeitfunktionen Quiz: Zeichenketten, Datum und Uhrzeit Abschluss Fazit und Kursabschluss Über den Trainer:Fabio Basler hat schon zu Beginn seines Studiums eine große Leidenschaft für die Methoden der Statistik und Data Science entwickelt. Über mehrere Semester hinweg konnte er als Tutor zahlreiche Studierende erfolgreich auf ihre Prüfungen und den Berufsalltag vorbereiten. Fabio Basler arbeitet als Datenanalyst in einem großen Industriekonzern. Mit großer Freude am Unterrichten gibt er sein Wissen in Online-Kursen und Seminaren weiter.So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt. Sie können den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquizzes zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs wird lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Microsoft Fabric – Synapse Data Engineering
Synapse Data Engineering ist der in Microsoft Fabric integrierte Nachfolger von Azure Synapse Analytics. Neben dem Aufbau eines Lakehouses ermöglicht Synapse Data Engineering das Erstellen eigener Environments ebenso wie Spark-Auftragsdefinitionen und bietet damit alles, was ein Data Engineer benötigt. Zu Beginn des Kurses gibt Ihnen Data Scientist und Data Engineer Emil Vinčazović einen Überblick über alle wichtigen Bestandteile von Synapse Data Engineering in Microsoft Fabric. Sie lernen, was ein Lakehouse ist, wofür man eine Spark-Auftragsdefinition benötigt und wie Datenpipelines eingesetzt werden können. Nach der theoretischen Einleitung geht es in die Praxis. In einem Beispiel zum Mitarbeiten wird per Notebook ein Lakehouse erstellt und mit Daten befüllt. Hierbei lernen Sie das Parquet- bzw. Delta-Format näher kennen – das neue Speicherformat, welches überall in Microsoft Fabric genutzt wird. Dieser Kurs ist Teil einer Serie über Microsoft Fabric, in der Emil Vinčazović das Tool und dessen Einsatzmöglichkeiten praxisorientiert vorstellt: Einstieg in Microsoft FabricMicrosoft Fabric – Data FactoryMicrosoft Fabric – Synapse Data EngineeringMicrosoft Fabric – Synapse Data WarehouseMicrosoft Fabric – Synapse Data ScienceMicrosoft Fabric – Synapse Real-Time IntelligenceMicrosoft Fabric – Power BI (erscheint in Kürze) Länge: 00:38 Stunden Alle Video-Lektionen im Überblick: Herzlich willkommen zu diesem Kurs Synapse Data Engineering in Microsoft Fabric Kapitelüberblick Was ist Synapse Data Engineering in Fabric? Bestandteile von Synapse Data Engineering Data Lakehouse vs. Data Warehouse Environments (Umgebungen) Spark-Auftragsdefinitionen Datenpipelines Quiz: Synapse Data Engineering in Microsoft Fabric Praxisbeispiel: Transformieren und Speichern von Transaktionsdaten eines Onlinewarenhauses Kapitelüberblick Erstellen eines Lakehouses Erstellen einer Umgebung Datentransformationen mit Notebooks Daten mit Pipelines ins Lakehouse laden (Copy Data Task) Ergebnisse der Datenpipelines analysieren Abschluss Fazit und Kursabschluss Über den Trainer:Emil Vinčazović ist als Data Engineer und Data Scientist bei der arelium GmbH tätig. Seine Schwerpunkte liegen im Bereich der Ökonometrie und der Künstlichen Intelligenz. In seinen Kundenprojekten arbeitet er hauptsächlich mit Azure Synapse, Azure Databricks, Azure Machine Learning Studio und seit dessen Veröffentlichung auch mit Microsoft Fabric. Seine Expertise in diesen Bereichen gibt er auch auf Fachkonferenzen und in Workshops weiter. Zusätzlich betreibt er den YouTube-Kanal des Unternehmens, wo er Tutorials zu aktuellen Themen rund um cloudbasierte Technologien produziert. So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.