Künstliche Intelligenz & Data Science
Videokurse und Webinar-Aufzeichnungen von heise
In den Videokursen von heise academy machen ausgewählte Expertinnen und Experten fit in aktuellen IT-Themen wie IT-Security, IT-Systeme, Künstliche Intelligenz, Cloud- und Netzwerk-Technologien.
Ergänzt wird das Angebot durch Webinar-Aufzeichnungen der c't- und Mac & i-Redaktion sowie heise security. Darunter auch hilfreiche Wissensvermittlung zu Energietechnologien und Smart Home.
Python für Stochastik und Wahrscheinlichkeitstheorie
Die Stochastik gilt als Teilgebiet der Statistik und hat zum Ziel, die Gesetzmäßigkeiten zufälliger Ereignisse mit Hilfe von Wahrscheinlichkeiten zu systematisieren.In diesem Kurs lernen Sie die wichtigsten Werkzeuge der Wahrscheinlichkeitstheorie kennen. In vier Abschnitten erklärt Data Scientist Fabio Basler alles über die mathematische Systematisierung von Wahrscheinlichkeiten anwendungsorientiert anhand der Programmiersprache Python. Dabei lernen Sie, Zufallsereignisse mit Modellen wie der Binomial-, Hypergeometrischen-, Poisson- oder Normalverteilung zu formulieren.Wenn die Welt der Stochastik neu für Sie ist und Sie sich zum Datenanalysten weiterbilden möchten, bietet Ihnen dieser Kurs einen perfekten Einstieg in das Thema.Länge: 03:40 Stunden Alle Lektionen im Überblick: Herzlich willkommen zu diesem Kurs Einführung Stochastik und Kombinatorik Kapitelüberblick Einführung in die Stochastik Einführung in Kombinatorik Kombinatorik in Python Einführung in Zufallsvariablen Einführung in Wahrscheinlichkeitsverteilungen Quiz: Stochastik und Kombinatorik Binomialverteilung Kapitelüberblick Einführung in Binomialverteilung Funktionen in Python Approximation in Python Rechenbeispiel Aufgabe zur Binomialverteilung Lösung zur Aufgabe Quiz: Binomialverteilung Hypergeometrische Verteilung Kapitelüberblick Einführung in Hypergeometrische Verteilung Funktionen in Python Approximation in Python Rechenbeispiel Aufgabe zur Hypergeometrischen Verteilung Lösung zur Aufgabe Quiz: Hypergeometrische Verteilung Poisson-Verteilung Kapitelüberblick Einführung in Poisson-Verteilung Funktionen in Python Approximation in Python Rechenbeispiel Aufgabe zur Poisson-Verteilung Lösung zur Aufgabe Quiz: Poisson-Verteilung Normalverteilung Kapitelüberblick Einführung in Normalverteilung Anwendungsbeispiel Funktionen in Python Rechenbeispiel Rechenbeispiel Lösung zur Aufgabe Quiz: Normalverteilung 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 der heise Academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie Experten bei der praktischen Arbeit zu und lassen sich 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 bietet Ihnen viele Funktionen, die Sie beim Lernen unterstützen: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.
Komplexe SQL-Abfragen
Es gibt Abfrageherausforderungen, die einfach zu erklären, aber selbst für erfahrene Datenbankentwickler schwer zu lösen sind. Torsten Ahlemeyer zeigt einige Beispiele aus der Praxis und erläutert die kreativen Ansätze. Dabei geht es nicht um mathematische Höchstleistungen - alle Lösungen sind im Kopf nachvollziehbar. Vielmehr werden ungewöhnliche Ideen und seltene Algorithmen gezeigt, die die Programmier- und Abfragesprache T-SQL ausreizen. Hat man den Lösungsweg erst einmal verstanden, stellt man plötzlich fest, wie einfach Aufgaben zu lösen sind, die man bisher für unlösbar hielt. In kleinen, abgeschlossenen Einheiten lernen Sie spielerisch den Weg zu effektivem T-SQL.Länge: 07:03 Stunden Alle Video-Lektionen im Überblick: Das Teilsummenproblem am Beispiel „Oktoberfest“ Herzlich willkommen zu diesem Kurs Intro Allgemeine Lösungstipps Vorstellung: Teilsummenproblem Bereitstellen und konfigurieren der Arbeitsumgebung Projektdatenbank anlegen Die Tabelle [Attraktion] und das Schema [Oktoberfest] Prozedur als CTE anlegen Test und mathematischer Hintergrund Quiz: Das Teilsummenproblem Islands and Hops am Beispiel „Server des Grauens“ Intro Die Aufgabe „Der Server des Grauens“ Suche nach Islands Der rekursive INSERT Die Zufallslöschung Quelltext Islands Suche nach Hops Quelltext Hops Quiz: Islands and Hops Sortierherausforderungen am Beispiel „Sportfest“ Intro Die Aufgabe „Sportfest“ Der Vorlauf, Sortierung mit Lücken Der Endlauf, Sortierung ohne Lücken Quiz: Sortierherausforderungen Rekursive Kombinationslogik am Beispiel „Sudoku“ Intro Was ist ein Sudoku? Der Lösungsansatz Matrix als String auflösen Ein eigenes Sudoku bauen Ein Zufallssudoku generieren Implementierung testen Fremde Sudokus lösen (Theorie) Fremde Sudokus lösen (Praxis) Quiz: Rekursive Kombinationslogik (Un-)Pivot und Kommaseparation am Beispiel „Grillfest“ Intro Die Aufgabe „Grillfest“: Pivotierung und Kommaseparierung Anlegen der benötigten Objekte Wie erstelle ich kommaseparierte Listen? Vor- und Nachteile der gezeigten Varianten Pivotierung und Unpivotierung Quiz: (Un-)Pivot und Kommaseparation Graph-Datenbank am Beispiel „Pfadfinder“ Intro Das Iter Avto Exponentielles Wachstum DB-Objekte vorbereiten Tabellen anlegen und füllen Die Theorie des relationalen Ansatzes Der relationale Ansatz in der Praxis Nachteile und Gegenmaßnahmen Die Idee der rekursiven CTE Die Implementierung der rekursiven CTE Massendaten für den Test Kartenansicht und CTE-Lösung Auf GraphDB umbauen Zugabe GraphDB Quiz: Graph-Datenbank JOINs & UNION: Abfragebasics mal anders Intro Motivation zu „BattleShips“ Die Spielansicht Das Datenmodell Pivot und UNPIVOT UNION(all) DB und Objekte anlegen Objekte füllen Sichten erstellen Armaturenbrett erstellen Armaturenbrett erstellen Quiz: JOINs & UNION Trickreiche Abfragen am Beispiel „BattleShips“ Intro Die Spielregeln Die Datenbank anlegen Tabellen erstellen und füllen Den Zufall beherrschen Zwischenergebnisse merken Zugmöglichkeiten prüfen Schiffe zufällig platzieren Massendaten generieren Die Masterfrage nach dem U-Boot Quiz: Trickreiche Abfragen Musterabweichung mit dem Levenshtein-Algorithmus Intro Probleme bei der Sprach- und Worterkennung Native Vergleichsoperatoren Der Levenshtein-Algorithmus Funktion implementieren Funktion testen Ideen für die Feature-Erweiterungen Quiz: Musterabweichung mit dem Levenshtein-Algorithmus Datentypen und Datumzeitangaben Intro Die Datentypen und ihre Gruppen DateTime vs. DateTime2 Spielereien mit DATEPART Kann der SQL Server nicht rechnen? Datumsformate DateAdd und DateDiff Der Erste und der Letzte Quiz: Datentypen und Datumzeitangaben Best Practices: 8-Damenproblem und Zauberwürfel Intro Das 8-Damen-Problem Der „Rekursionsansatz“ Der „Brute Force“-Ansatz Die Lösung optimieren Was ist ein Rubiks Cube? Die Idee des T-Netzes Erste Algorithmen-Festlegung Den ganzen Würfel kippen Einzelne Elemente drehen Der Algorithmus Mögliche Kombinationen erfassen Zauberwürfel lösen Quiz: Best Practices Fazit und Kursabschluss Fazit und KursabschlussÜber den Trainer:Torsten Ahlemeyer realisiert seit 2003 Abrechnungs- und Stammdatenanwendungen in Großprojekten. Der Diplom-Wirtschaftsinformatiker und Professional SCRUM Master begann als Entwickler und machte sich dann als Projektleiter in der Softwareentwicklung im internationalen Projektumfeld einen Namen. Die Microsoft-Technologie vom Betriebssystem bis zu den Programmiersprachen war dabei in allen Projekten ebenso gesetzt wie der MS-SQL-Server (SSAS, SSIS, SSRS, ...). Als IT-Consultant unterstützt Torsten Ahlemeyer die Kunden der arelium GmbH hauptsächlich in der Rolle des Projektleiters, aber auch als Architekt, DB-Consultant oder T-SQL-Spezialist bei der Umsetzung komplexerer Datenbankprojekte.So lernen Sie mit diesem Videokurs:In den Videokursen der heise Academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie Experten bei der praktischen Arbeit zu und lassen sich alles genau erklären. Das Wissen ist in viele 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 bietet Ihnen viele Funktionen, die Sie beim Lernen unterstützen: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.
GraphQL – APIs mit Spring Boot entwickeln
GraphQL ist eine spannende Technologie, um Anwendungen APIs zur Verfügung zu stellen. Denn GraphQL-APIs ermöglichen es, mit einer eigenen Abfragesprache die benötigten Daten für jeden Anwendungsfall selbst auszuwählen. Unterstützt werden die Clients dabei durch das GraphQL Typsystem, das bei der Formulierung von Abfragen hilft und verhindert, dass ungültige Abfragen ausgeführt werden.Um auf dieser Basis eigene GraphQL-APIs zu implementieren und zu betreiben, bietet Spring Boot ein eigenes Projekt namens Spring GraphQL an. Spring Boot ist als weit verbreitete Plattform besonders geeignet, da es die Entwicklung von Backend-Anwendungen und -Services mit all ihren typischen Anforderungen an Stabilität, Sicherheit und Performance unterstützt.In diesem Kurs lernen Sie anhand einer Beispielanwendung, wie Sie mit Java und Spring GraphQL eigene GraphQL-APIs entwickeln können. IT-Experte Nils Hartmann führt in die Grundlagen ein und zeigt, wie man das Schema der eigenen API beschreibt und Queries, Mutations und Subscriptions implementiert. Außerdem erfahren Sie, wie Sie bei der Arbeit mit Spring GraphQL von der Integration in den Spring Technologie-Stack profitieren, wenn Sie typische Anforderungen wie Datenbankzugriffe, die Integration von Microservices oder die Absicherung Ihrer API umsetzen möchten.Um dem Kurs folgen zu können, sollten Sie mit GraphQL vertraut sein. Java-Kenntnisse und gute Spring- bzw. Spring-Boot-Kenntnisse sind von Vorteil. Für die Übungen benötigen Sie ein JDK mit Java Version 17, Git und Docker.Länge: 05:02 Stunden Alle Video-Lektionen im Überblick: GraphQL APIs mit Java Herzlich Willkommen zu diesem Kurs Intro Die Beispiel-Anwendung „Publy“ GraphQL Frameworks für Java Architektur von graphql-java Hello World, graphql-java! DataFetcher mit graphql-java Architektur von spring-graphql Hello World, spring-graphql! Architektur der Beispiel-Anwendung „Publy“ Quiz: GraphQL APIs mit Java GraphQL APIs mit spring-graphql Intro Schema Definition und Query Mapping Felder mit Argumenten 1 Handler-Funktionen für Felder Übung: Handler-Funktionen Validierung von Argument und Projected Payloads Mutations implementieren Übung: Mutations Lösung: Die addComment-Mutation mit einem eigenen Rückgabe-Typ Union Types Type Resolver Interfaces Eigene skalare Datentypen Subscriptions Übung: Subscriptions Quiz: GraphQL APIs mit Spring GraphQL Performance-Optimierungen Intro Query Performance analysieren Asynchrone Handler-Funktionen REST APIs aufrufen REST Aufrufe mit einem DataLoader zusammenfassen Batch Mapping Übung: DataLoader Query-Verarbeitung mit dem DataFetchingFieldSelectionSet optimieren Quiz: Performance Optimierungen Die GraphQL API vervollständigen Intro Sicherheit von GraphQL APIs Sicherheit in Handler-Funktionen Fehlerbehandlung am Beispiel Security im Domain Layer Fehlerbehandlung am Beispiel Bean Validation Einen Request Error mit eigenem GraphQLError-Objekt zurückliefern Mehrere GraphQLError-Objekte aus einer Exception erzeugen Beispiel: Paginierung von Listen Beispiel: Filtern von Listen Erlaubte Komplexität von Queries beschränken Testen des GraphQL Controllers Testen der GraphQL API über HTTP Quiz: Die GraphQL API vervollständigen Fazit und KursabschlussÜber den Trainer:Nils Hartmann ist freiberuflicher Softwareentwickler und -architekt aus Hamburg. Er beschäftigt sich seit mehr als 20 Jahren mit der Entwicklung von Software, wobei sein Schwerpunkt auf Java-basierten Backend-Services mit Spring und der Entwicklung von Frontends mit React und TypeScript liegt. In seinen Projekten verwendet er gerne GraphQL sowohl im Frontend als auch im Backend. Nils unterstützt Teams beim Erlernen und Anwenden dieser Technologien durch Beratung und Seminare und ist Co-Autor des Buches „React - Die praktische Einführung“ (dpunkt-Verlag).So lernen Sie mit diesem Videokurs:In den Videokursen der heise Academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie Experten bei der praktischen Arbeit zu und lassen sich alles genau erklären. Das Wissen ist in viele 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 bietet Ihnen viele Funktionen, die Sie beim Lernen unterstützen: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.
GraphQL – Die praktische Einführung
GraphQL APIs bieten Clients ein hohes Maß an Flexibilität, da sie mit der zugehörigen Abfragesprache genau die Daten abfragen können, die sie für einen Use Case benötigen: Daten auf den Server schreiben und sich über neue Daten auf dem Server informieren lassen. Darüber hinaus sind GraphQL-APIs typsicher, was dem Client die korrekte Beschreibung seiner Abfragen garantiert.In diesem Kurs lernen Sie, was GraphQL ist und welche Motivation und Ideen dahinter stecken. Der IT-Experte Nils Hartmann zeigt Ihnen, wie Sie GraphQL-APIs mit einem Schema beschreiben, so dass Clients die gewünschten Informationen von Ihrer Schnittstelle abfragen können. Eine wichtige Rolle spielen dabei die Schema Definition Language und das umfangreiche GraphQL-Typensystem, das spannende Möglichkeiten für Entwicklungstools in der täglichen Arbeit bietet.Sie werden auch die Möglichkeiten und die Syntax der GraphQL-eigenen Abfragesprache kennenlernen, mit der ein Client die gewünschten Daten aus Ihrer GraphQL-API auswählen kann.Länge: 02:45 Stunden Alle Video-Lektionen im Überblick: Einführung in GraphQL Herzlich willkommen zu diesem Kurs Intro Was ist GraphQL? Die Beispielanwendung „Publy“ Eine GraphQL-Abfrage Daten aus Objektgraphen abfragen Toolunterstützung für GraphQL Die Beispielanwendung installieren und starten Übung: Mach dich mit GraphiQL vertraut Quiz: Einführung in GraphQL Die GraphQL-Abfragesprache Intro GraphQL Queries im Detail Variablen in Queries verwenden Fragmente Übung: GraphQL Queries Mit Mutations Daten anlegen und verändern Union-Typen abfragen Interfaces abfragen Mit Subscriptions auf Ereignisse reagieren Zusammenfassung: Die GraphQL-Abfragesprache Übung: GraphQL Mutations und Subscriptions Quiz: Die GraphQL-Abfragesprache Eine GraphQL API beschreiben Intro Die API mit einem Schema beschreiben Mit der Introspection API das GraphQL-Schema untersuchen Offset- und seitenbasierte Paginierung Cursor-basierte Paginierung Übung: Paginierung verwenden Quiz: Das Schema einer API GraphQL APIs verwenden Intro Schema Evolution: die API weiterentwickeln GraphQL-Operationen über HTTP ausführen Ausblick: Anwendungen mit GraphQL bauen Gemeinsamkeiten und Unterschiede von GraphQL und REST Quiz: GraphQL APIs verwenden Fazit und Kursabschluss Über den Trainer:Nils Hartmann ist freiberuflicher Softwareentwickler und -architekt aus Hamburg. Er beschäftigt sich seit mehr als 20 Jahren mit der Entwicklung von Software, wobei sein Schwerpunkt auf Java-basierten Backend-Services mit Spring und der Entwicklung von Frontends mit React und TypeScript liegt. In seinen Projekten verwendet er gerne GraphQL sowohl im Frontend als auch im Backend. Nils unterstützt Teams beim Erlernen und Anwenden dieser Technologien durch Beratung und Seminare und ist Co-Autor des Buches „React - Die praktische Einführung“ (dpunkt-Verlag).So lernen Sie mit diesem Videokurs:In den Videokursen der heise Academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie Experten bei der praktischen Arbeit zu und lassen sich alles genau erklären. Das Wissen ist in viele 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 bietet Ihnen viele Funktionen, die Sie beim Lernen unterstützen: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.
Einstieg in Microsoft Power BI
In diesem Kurs lernen Sie das Konzept hinter Microsoft Power BI kennen und verstehen. Der IT-Experte Torsten Ahlemeyer führt Sie in das Thema ein und zeigt Ihnen Schritt für Schritt alle Inhalte. Sie lernen die Benutzeroberfläche kennen und bekommen die Idee hinter den einzelnen Hintergrundkomponenten erklärt.Die vorbereiteten Übungen geben Ihnen die Möglichkeit, Ihr Wissen zu überprüfen und den Umgang mit Power BI zu festigen. Sie gehen selbst den Weg von einer beliebigen Datenquelle bis zur fertigen Auswertung inklusive der grafischen Darstellung der Daten, die weit über die bekannten einfachen Tortendiagramme hinausgeht. Die zu erstellenden Dashboards sehen nicht nur schick aus, sondern bereiten die dahinter liegenden Daten intuitiv auf. Sie lernen auch den Umgang mit Features wie "Cross Filtering" und "Drill Through" mit seinen vielfältigen Möglichkeiten. Natürlich darf auch ein Blick hinter die Kulissen der Transformation nicht fehlen: Konzepte wie "DAX" und "M" werden erklärt und Sie sammeln Erfahrungen mit Begriffen wie "Calculated Columns", "Measures" und "Aggregations". Wenn Sie dann noch aus den letzten Kapiteln mitnehmen, wie Sie Ihre neuen Kunstwerke in die Cloud hochladen, mit anderen teilen und sogar auf dem Smartphone nutzen können, ist der Weg zum Power-BI-Profi nicht mehr weit.Länge: 04:09 Stunden Alle Video-Lektionen im Überblick: Ein schneller Einstieg Herzlich Willkommen zu diesem Kurs Intro Den Installationsassistenten aus dem Netz laden Power BI Desktop lokal installieren Wege, Power BI Desktop starten Übersicht über den Startbildschirm Verschiedene Datenquellen anbinden Eine Excel-Tabelle als Quelle anbinden Die Daten einlesen Tipps & Tricks zum ersten Datenimport Quiz: Ein schneller Einstieg Der Umgang mit Visualisierungen Intro Das Layout von Visuals beeinflussen Die Art des Visuals ändern Daten eines Visuals filtern Automatische Aggregationen rückabwickeln Mehrere Visuals an die selbe Quelle binden Quiz: Der Umgang mit Visualisierungen Verschiedene Filter Intro CSV importieren und Daten transformieren Daten filtern - auch über Visuals hinweg Verbinden mit einer Datenquelle in MS Azure Intro Einrichten der Azure-Datenquelle Theorie der Quellanbindung Anbindungsarten im Vergleich Praxisübung: Daten von einer MS Azure DB einlesen In Memory Vor- und nachgelagerte Prozesse Quiz: Verbinden mit einer Datenquelle in MS Azure Das Internet als Datenquelle Intro Daten aus Wikipedia als Quelle nutzen Das Einlesen der "richtigen" Tabelle Daten transformieren Der Umgang mit Fehlern Hilfsmittel "angewandte Schritte" Die Aufgabe finalisieren Mehrere Datenqellen kombinieren Intro Basisdaten des Webshops transformieren 2 Visuals gleichzeitig filtern eine weitere Datenquelle ergänzen Beziehungen modellieren, Filterrichtungen bestimmen Datenmodelle Intro Das relationale Datenmodell Das Modell "Datawarehouse" Das Skript "Sternschema.sql" Das automatische Power-BI-Modell Fakten und Dimensionen Aufbau des Starschemas Quiz: Datenmodelle Transformationen Intro Rückblende Datumstrennung Sätze entfernen Transformationen abschließen Quiz: Transformationen Data Analysis Expression (DAX) Intro Was ist DAX? Beispiel Measure Textmanipulation DAX und Mathe Andere DAX-Funktionen Quiz: Data Analysis Expression (DAX) Kennzahlen (Measures) Intro Neue Ausgangsdaten So bitte nicht - Falscher Import Hier steckt die Arbeit: Das 80:20-Verhältnis Eine berechnete Spalte anlegen Daten schneiden (Filtern) Ein Measure etablieren und nutzen Quiz: Kennzahlen (Measures) Mehrere Datenquellen gleichzeitig Intro Den SQL Server als Datenquelle vorbereiten Informatioen aus mehreren Quellen zusammenziehen Views als Datenquelle für Visuals anbinden (Direct Query) Der Drill-Through Intro Die theoretischen Hintegründe des "Drill Through" Die Datenbasis für das Drill-Through-Beispiel Drill-Down mit zusätzlicher Detailseite Drill-Down ohne zusätzliche Detailseite Arbeitsergebnisse veröffentlichen Intro - Vorschau des Kapitels Berichte publizieren Berichtszugriff über das Internet Preisgestaltung Fazit und KursabschlussÜber den Trainer:Torsten Ahlemeyer realisiert seit 2003 Abrechnungs- und Stammdatenanwendungen in Großprojekten. Der Diplom-Wirtschaftsinformatiker und Professional SCRUM Master begann als Entwickler und machte sich dann als Projektleiter in der Softwareentwicklung im internationalen Projektumfeld einen Namen. Die Microsoft-Technologie vom Betriebssystem bis zu den Programmiersprachen war dabei in allen Projekten ebenso gesetzt wie der MS-SQL-Server (SSAS, SSIS, SSRS, ...). Als IT-Consultant unterstützt Torsten Ahlemeyer die Kunden der arelium GmbH hauptsächlich in der Rolle des Projektleiters, aber auch als Architekt, DB-Consultant oder T-SQL-Spezialist bei der Umsetzung komplexerer Datenbankprojekte.So lernen Sie mit diesem Videokurs:In den Videokursen der heise Academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie Experten bei der praktischen Arbeit zu und lassen sich alles genau erklären. Das Wissen ist in viele 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 bietet Ihnen viele Funktionen, die Sie beim Lernen unterstützen: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.
Voice- und Chatbots. Der Kurs für Entwickler
Die Kombination von Sprache und künstlicher Intelligenz verspricht einen natürlichen Umgang mit Produkten, Diensten und Daten, der über die gewohnten Interaktionsformen hinausgeht. Aber ist das wirklich so? Reicht es aus, einfach nur Daten und KI miteinander zu vermischen, um einen virtuellen Agenten zu erhalten, der die Fragen und Anliegen der Anwender:innen bedienen kann? Dieser Kurs ist besonders geeignet, wenn Sie den Anspruch haben, größere Bots im Unternehmensumfeld umzusetzen. Aber auch vermeintlich einfachere Projekte profitieren davon - unabhängig davon, ob Sie in der Rolle eines Gestalters sind, als Entwickler:in arbeiten oder sich eher in einer verwaltenden Funktion sehen. Anhand zahlreicher Praxisbeispiele erklärt Sascha Wolter, wie erfolgreiche Voice- und Chatbots von A bis Z umgesetzt werden - inklusive typischer Stolpersteine, die es zu vermeiden gilt. In den einzelnen Lektionen geht der Trainer nicht nur auf die Hintergründe ein, sondern zeigt auch technische und gestalterische Lösungen, die über einfache Frage-Antwort-Spiele hinausgehen. Immer mit dem Ziel, Aufwand und Nutzen gegeneinander abzuwägen. IT-Experte Sascha Wolter zeigt in seinem Videotutorial alle Inhalte Schritt für Schritt. Sie können direkt mitmachen und Ihr erworbenes Wissen anhand von Übungen und Quizfragen überprüfen. Länge: 02:56 Stunden Inhalt: Einstieg Herzlich Willkommen zu diesem Kurs Intro Wofür Conversational AI? Twinking - Digital Twin Thinking Wie funktioniert Conversational AI? Welche Software bzw. welche Services sind relevant? Wie kann man eine Conversational AI programmieren? Welche Aspekte im Hinblick auf Hardware sind zu berücksichtigen? Vorgestellt: Kostenlose Variante von Cognigy.AI Quiz: Einstieg Methoden und Prozesse Intro Projektplanung Ideenfindung Stift und Papier Umsetzung und Prozesse Persönlichkeit und Smalltalk Quiz: Methoden und Prozesse Umsetzung Intro FAQs und Textbausteine Multimodal Dialogbäume Rückfragen und Zustände Orchestrierung und Themenwechsel Handover Quiz: Umsetzung Fazit und Kursabschluss Über den Trainer:Sascha Wolter ist Entwickler und UX-Enthusiast. Seine Leidenschaft ist es, die Interaktion zwischen Mensch und Maschine zu verbessern. Mit Liebe zum Detail baut er Dialoge und multimodale Kommunikation mit Text (Chatbots) und Sprache (z.B. Alexa). Seit 1995 ist er als Berater, Dozent, Sprecher und Autor tätig. Sascha arbeitet derzeit als Chief Advisor bei der Deutschen Bahn (DB Systel), davor als Senior UX Consultant und Principal Technology Evangelist bei Cognigy, als Senior Technology Evangelist für Alexa bei Amazon, als Senior Developer Evangelist bei der Deutschen Telekom (u.a. Smart Home) und mehr als zwei Jahrzehnte als Freelancer für zahlreiche Unternehmen wie Google und Microsoft. Darüber hinaus engagiert er sich als Vorstandsmitglied des Arbeitskreises Usability & User Experience im Bundesverband BITKOM.So lernen Sie mit diesem Videokurs:In den Videokursen der heise Academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie Experten bei der praktischen Arbeit zu und lassen sich alles genau erklären. Das Wissen ist in viele 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 bietet Ihnen viele Funktionen, die Sie beim Lernen unterstützen: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.
Image Segmentation mit Python und Keras
In diesem Kurs lernen Sie die Methoden der klassischen Bildverarbeitung mit Python kennen. Dabei arbeiten Sie mit dem Visual Code Editor von Microsoft und Jupyter Notebooks. Sie lernen, wie man Kanten in Bildern erkennt und Filter baut, um bestimmte Strukturen in einem Bild zu finden. In der Bildverarbeitung spielen Farbräume eine wichtige Rolle. Denn bevor Bilder segmentiert werden können, müssen sie aufbereitet werden. Die Grundlagen der Farbräume und ihre verschiedenen Anwendungsbereiche sind ein wesentlicher Teil dieses Kurses, auf dem alle weiteren Bearbeitungsschritte aufbauen. Sie lernen auch Quellen für Bilddatenbanken im Internet kennen und erfahren, wo Sie geeignete Bilder für Ihr Projekt kostenlos herunterladen können.In diesem Kurs arbeiten Sie mit leistungsfähigen Werkzeugen aus dem Bereich des maschinellen Lernens, erstellen ein Convolutional Neural Network (CNN), um Hunderassen in Bildern zu erkennen, und lernen eine Netzarchitektur kennen, mit der Sie Objekte segmentieren können. Für das Training der neuronalen Netze verwenden Sie den kostenlosen Cloud-Dienst Google Colab.Am Ende haben Sie viele verschiedene Algorithmen kennengelernt und wissen, wie Sie diese in der Praxis einsetzen können.Länge: 05:06 Stunden Alle Video-Lektionen im Überblick: Einführung und Einrichtung Herzlich willkommen zu diesem Kurs Entwicklungsumgebung einrichten Quiz: Einführung und Einrichtung Bilder vorbereiten und bearbeiten Intro Einführung Bilder richtig darstellen Bilder verkleinern Bilder mit PLT ausgeben Farbräume verstehen Schwarz-Weiß-Bilder für Masken erstellen Bilder mit Numpy croppen Farben anwenden Numpy Shapes: Form eines Arrays bestimmen Bildmanipulation: Helligkeit anpassen Bilder rotieren Bilder zoomen Bilder übereinander legen Hyperspektralaufnahmen nutzen Quiz: Bilder vorbereiten und bearbeiten Geeignete Daten beschaffen Intro Einfache Datenbeschaffung Einzelbilder und Datensätze Viele Möglichkeiten, Bilder zu finden Satellitenbilder finden Google Earth nutzen Kaggle: Die Data Science spezialisierte Plattform Labelme: Datensätze digitaler Bilder Bibliotheken von Coco und Keras Daten organisieren Quiz: Geeignete Daten beschaffen Convolutional Neural Networks (CNNs) Intro CNNs zur Bilderkennung verwenden Das Prinzip der Konvolution Aufbau eines CNNs Ein CNN mit Keras erstellen Verlustfunktion und Gradientenabstieg Aktivierungsfunktionen Daten vorbereiten Ein CNN mit Keras trainieren Transfer Learning Quiz: Convolutional Neural Networks (CNNs) Bildsegmentierung mit U-Net Intro Was ist ein U-Net? U-Net mit Keras erstellen U-Net trainieren Quiz: Bildsegmentierung mit U-Net Machine Learning-Algorithmen der CVS-Bibliothek Intro CV2 für Fortgeschrittene Corner Detection mit CV2 Videos mit CV2 bearbeiten Quiz: Machine Learning-Algorithmen der CVS-Bibliothek Bilder von Map Box im Browser darstellen Intro Mit Flask Bilder in HTML einbinden Applikation und HTML Header Auf Mapbox zugreifen Mapbox im Browser nutzen Mapbox in Html einbinden Masken mit Python erstellen Polygone erstellen Quiz: Bilder von Map Box im Browser darstellen Fazit und Kursabschluss Über den Trainer:Dr. Gerhard Heinzerling ist Senior Data Scientist und Machine Learning Architect bei Arineo in Göttingen. Er hat über neuronale Netze promoviert und arbeitet seit über 20 Jahren im Bereich Softwareentwicklung und künstliche Intelligenz. Sein Schwerpunkt liegt auf der Bild- und Videoerkennung. Dabei arbeitet er mit Drohnenbildern, Handybildern und Satellitenbildern.So lernen Sie mit diesem Videokurs:In den Videokursen der heise Academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie Experten bei der praktischen Arbeit zu und lassen sich alles genau erklären. Das Wissen ist in viele 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 bietet Ihnen viele Funktionen, die Sie beim Lernen unterstützen: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.
Big Data mit Microsoft Azure
In diesem Kurs lernen Sie die beliebtesten und am weitesten verbreiteten Technologien kennen, die Sie in Microsoft Azure einsetzen können. Sie lernen die Highlights der Microsoft Azure Welt rund um Data Analytics kennen, wie z.B. SQL Server in Azure, Azure Databricks, Azure Data Factory und auch Azure Synapse Analytics.Sie werden die vorgestellten Beispiele selbst ausprobieren und erfahren, was es bedeutet, mit Daten in der Microsoft Azure Cloud zu arbeiten. Am Ende des Kurses haben Sie eine Einschätzung zu den einzelnen Ansätzen und wissen, wo Sie diese in der Praxis einsetzen können.Dieser Kurs richtet sich an Fortgeschrittene mit Grundkenntnissen in Data Engineering, Data Science oder Business Intelligence.Länge: 06:24 Stunden Alle Video-Lektionen im Überblick: Einführung Azure Herzlich Willkommen zu diesem Kurs Die Microsoft Azure Arbeitsumgebung Beispieldaten finden Ressourcen in Azure Virtuelle Maschine anlegen Mit Remotedesktop auf die virtuelle Maschine zugreifen Quiz: Einführung Azure Azure Storage Account Intro Einführung in Azure Storage Blob Storage und Data Lake Storage anlegen Arbeiten mit Blobs Storage Explorer Dateien aus Azure Storage mit Power BI ansehen Quiz: Azure Storage Account Azure SQL Intro SQL Server Varianten in Azure SQL Database anlegen Arbeiten mit der erstellten SQL Database Zugriff mit dem SQL Server Management Studio Zugriff mit dem Azure Data Studio Quiz: Azure SQL Azure Data Factory Intro Was ist die Azure Data Factory? Arbeitsbereich anlegen Pipelines erstellen Datasets einrichten Daten kopieren Datenfluss anlegen Veröffentlichung und Monitoring Quiz: Azure Data Factory Azure Analysis Services Intro Was steckt hinter den Azure Analysis Services? Tabulares Modell lokal erstellen Azure Analysis Services anlegen Bereitstellen und Daten abrufen Neuberechnung und Automatisierung Azure Analysis Services in Power BI Premium Quiz: Azure Analysis Services Azure Databricks Intro Was ist Azure Databricks? Arbeitsbereich anlegen und starten Erstellen und Konfigurieren von Clustern Daten anlegen und abfragen Arbeiten mit Notebooks Zugriff mit Power BI Quiz: Azure Databricks Azure Synapse Analytics Intro Was ist Azure Synapse Analytics? Arbeitsbereich anlegen Einstieg in Synapse Studio mit Serverless Zugriff Datenzugriff durch externe Tabelle SQL Pool und Daten integrieren Spark-Pool mit Notebooks Auswertung mit Power BI Quiz: Azure Synapse Analytics Weitere Technologien und Ausblick Intro Weitere Technologien zur Datenhaltung Weitere Technologien Microsoft Zertifizierung Fazit und Kursabschluss Über den Trainer:Martin Kopp ist seit über 15 Jahren als Data Engineer und Business Intelligence Consultant tätig. Der diplomierte Wirtschaftsinformatiker war in verschiedenen Projekten als Berater und Projektleiter tätig. Schwerpunkte seiner Tätigkeit waren und sind alle Technologien des SQL Servers mit seinen Diensten Integration Services (SSIS), Analysis Services (SSAS) und Reporting Services (SSRS) im Vordergrund. In den letzten Jahren hat sich das Umfeld immer mehr in Richtung Power BI und Microsoft Azure Cloud entwickelt. Als Geschäftsführer der arelium GmbH hat er einen breiten Überblick über den aktuellen Stand der Kundenanforderungen in der Microsoft Welt rund um einen Microsoft Gold Partner im Bereich Data Analytics. Zu Themen rund um seine Technologien und Projekte spricht Martin Kopp regelmäßig auf Konferenzen.So lernen Sie mit diesem Videokurs:In den Videokursen der heise Academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie Experten bei der praktischen Arbeit zu und lassen sich alles genau erklären. Das Wissen ist in viele 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 bietet Ihnen viele Funktionen, die Sie beim Lernen unterstützen: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.
Natural Language Processing mit Python
In diesem Kurs lernen Sie, natürlichsprachige Textdokumente automatisch zu analysieren. Dazu nutzen Sie linguistische Analysen, Inhalts- und Metadatenstatistiken sowie die Vektorisierung von Dokumenten, um moderne Verfahren des maschinellen Lernens (ML) kennenzulernen. Sie lernen die Unterschiede zwischen überwachten und unüberwachten Verfahren kennen. Mit semantischen Methoden werden Sie Wortähnlichkeiten erkennen. Sie nutzen die erst in den letzten Jahren erforschten Sprachmodelle und das Transfer Learning, um Fragen zu Texten automatisch zu beantworten und Texte generieren zu lassen.Sie selbst arbeiten interaktiv: An über 60 Jupyter-Notebooks können Sie alle Übungen direkt ausprobieren und nachvollziehen - in einer lokalen Installation oder im Google Colab. So haben Sie am Ende nicht nur jede Menge Know-how gesammelt, sondern wissen auch genau, wie Sie Ihr neues Wissen in der Praxis anwenden können.Länge: 11:08 Stunden Alle Video-Lektionen im Überblick:Grundlagen, Einführung und Einrichtung Herzlich willkommen zu diesem Kurs Intro Warum sollte ich Natural Language Processing lernen? Was ist Natural Language Processing? Aufbau des Kurses Python und Jupyter als Plattform nutzen Einfache Installation mit Anaconda Alternative: Google Colab Erste Schritt mit Jupyter/Colab Überblick über Basis-Tools: Pandas Überblick über Basis-Tools: Spacy, Textacy Überblick über Basis-Tools: Scikit-learn Überblick über Basis-Tools: Gensim und Tools für Spezialaufgaben Wissenstest Akquirieren und Extrahieren der Daten Intro Daten finden Einzelne Dateien herunterladen Unterschiedliche Dateiformate Struktur von HTML-Inhalten Extraktion von HTML-Inhalten Persistieren von Inhalten Praxis: URLs generieren und herunterladen Praxis: Dateien herunterladen und extrahieren Wissenstest Vorbereiten der Daten Intro Data Cleaning Erklärung Tokenisierung Tokenisierung mit regexp Tokenisierung mit nltk und spaCy Bestimmung von Landessprachen Linguistische Analyse (Part-of-speech) Bestimmung von Wortarten Dependency Tree Named Entity Recognition Wissenstest Textstatistik Intro Einführung Textacy Beispiel: Synonyme Bestimmung von Textlängen Linguistische Analyse und Persistenz Worthäufigkeiten und Anzeige von Wordclouds Co-Occurrence und Keywords in Context (KWIC) Nutzung von Meta-Informationen Kombination von Text- und Metainformationen Komplexitätsmaße Wissenstest Features und Vektorisierung Intro Vorbereitungen für das Machine Learning Erklärung Features Bag-of-Words-Vektorisierung Anzahl Features und Skalierung Bag-of-words vs. TF/IDF Ähnlichkeitsmaße Wissenstest Topic-Modelle und Clustering Intro Erklärung Machine Learning-Algorithmen (unüberwacht) Erklärung Topic Models Berechnung NMF Berechnung LDA Visualisierung mit pyLDAvis Andere Verfahren, Unterschiede und Gemeinsamkeiten Coherence Scores Zeitevolution Clustering und Unterschied zu Topic Models Wissenstest Klassifikation mit klassischem überwachtem Machine Learning Intro Erklärung überwachtes Lernen Trainingsdaten Klassifikation mit Support Vector Machine Andere Klassifikatoren Testdaten und Confusion Matrix Accuracy, Precision und Recall Cross-Validation und Hold-Out-Verfahren Hyperparameter und Grid-Search Wissenstest Word Embeddings Intro Embeddings und Ähnlichkeitsmaß für Wörter Word Embeddings: word2vec Alternativen: fastText und gloVe Unterschiede der Verfahren anhand der Ergebnisse erklären Nutzung vortrainierter Modelle Semantische Transformation und doc2vec Wissenstest Transfer Learning und Question Answering Intro Einführung Transfer-Learning-Modelle Berechnung von Embeddings und Klassifikation Klassifikationsproblem aus vorherigem Kapitel mit BERT Klassifikationsproblem aus vorherigem Kapitel mit BERT Teil 2 Vergleich Qualität und Rechenzeit mit SVM Andere Sprachmodelle (dbmz) Question Answering mit Heise und Wikipedia Kaskadiertes Modell (Information Retrieval + Question Answering) Textgenerierung Wissenstest Fazit und Kursabschluss Über den Trainer:Dr. Christian Winkler ist Data Scientist und Machine Learning Architect bei datanizing. Er hat in theoretischer Physik promoviert und arbeitet seit 20 Jahren im Bereich Big Data und künstliche Intelligenz, mit besonderem Fokus auf skalierbare Systeme und intelligente Algorithmen zur Massentextverarbeitung.So lernen Sie mit diesem Videokurs:In den Videokursen der heise Academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie Experten bei der praktischen Arbeit zu und lassen sich alles genau erklären. Das Wissen ist in viele 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 bietet Ihnen viele Funktionen, die Sie beim Lernen unterstützen: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.
Schiffe versenken mit T-SQL
Sie möchten ein Spiel mit der Abfragesprache T-SQL programmieren? In diesem Kurs lernen Sie alle relevanten Programmierobjekte von Microsofts SQL-Erweiterung nicht nur stumpf kennen, sondern kombinieren sie schrittweise zu einem netzwerkfähigen Zweipersonenspiel mit grafischer Ausgabe. Sie lernen die Grundlagen wie Tabellen und Views, effiziente Datenarchitektur und das Füllen Ihrer Objekte. Danach geht es weiter mit der Programmierung von Prozeduren und Funktionen und fortgeschrittenen Techniken wie Parameterübergabe, Rekursion oder Fehlerbehandlung. Wenn das Grundgerüst steht, ist es nicht mehr weit bis zum ersten Spiel zwischen zwei menschlichen Mitspielern - gerne auch über das Netz.Doch damit nicht genug: Sie spendieren Ihrem Programm noch ein paar Algorithmen zum automatisierten Spielen und bringen dem Computer sogar verschiedene Schwierigkeitsstufen bei. Die Endausbaustufe ist dann eine Schnittstelle zu einer künstlichen Intelligenz, die zuvor mit den Azure-Diensten realisiert und mit Tausenden von Trainingsdatensätzen trainiert wurde. Sie können das Programm dann nicht nur für ein Spiel zwischen zwei Menschen verwenden, sondern auch für Spiele "Mensch gegen Computer" oder "T-SQL-Algorithmus gegen künstliche Intelligenz". Ist Ihr T-SQL-Algorithmus schlauer als die Microsoft-Intelligenz?Länge: 07:29 Stunden Alle Video-Lektionen im Überblick: Einführung in den Kurs Herzlich willkommen zu T-SQL Informationsquellen Vorbereitung der Arbeitsumgebung Erste einfache Schritte Intro Die Basisregeln Einrichten des Management-Studios Die Technik der Skripte Eine Datenbank über die GUI anlegen Ein erstes Skript erstellen Schemata Die erweiterten Spielregeln der Ausbaustufe Tabellen Intro Tabellenanlage über die GUI Weitere Datentypen und der Primary Key Die Tabellenanlage als Skript notieren Das Skript vollenden Die Tabelle [ListeEigenesSchussfeld] Die erste eigene Herausforderung Lösung zur Herausforderung Weitere Tabellen Inserts Intro Insert per Skript Weitere Inserts Die Befehle ASCII und CHAR DELETE und TRUNCATE Komplexere Inserts Intro Tabelle [Schiffe und Symbole] Die (verschachtelte) Schleife INSERTS innerhalb von Schleifen Quiz Einfache Selects Intro Was sind SELECTs? Filtereinschränkungen mit WHERE Weitere Filtermöglichkeiten Mehrere Tabellen abfragen Die Bedeutung von Schlüsseln Constraints verstehen Constraints praktisch angewendet Views Intro Was sind JOINs? Die Erstellung von Sichten (Un-)Pivot, die Grundlagen Sichten kombinieren Window Functions Die Restschiffanzeige Intro Die Statusspalte Die Schiffslegende Statements testen Gesamtview erstellen Kapitelzusammenfassung Quiz Funktionen und Prozeduren Intro Einfache Prozeduren Dynamisches SQL Security prcNeuesSpiel starten Einfache Funktionen Der Firehousemodus Wer hat das Schussrecht? Spielbereitschaft überprüfen Erweiterte Funktionen und Prozeduren Intro Determinismus fnc-generiere Zufallszahl prc-Schuss abgeben, der Einstieg Die Schussrückmeldung Fallunterscheidungen Trefferkonsequenzen Letzte Statistiken Regelkonforme Schiffsplatzierung Intro Manuelle Platzierung per UPDATE Illegale Schiffsstellung Einen Cursor anlegen Den Cursor durchlaufen Das automatische, zufällige Setzen Das Umkopieren in die spielerbezogenen Spielbretter Die Schussauswertung Intro Hat der Schütze jetzt gewonnen? Schussverwaltung Spielfelder Schussergebnis ermitteln (der Rahmen) Quiz Abschlussarbeiten und Protokollierung Intro Fehlermeldungen korrigieren Protokollierung Die ewige Spieleliste Statistische Abfragen Das Spiel T-SQL vs T-SQL Intro Der Zufallsschuss Der automatische Gegenschlag nach einem Schuss Trigger ausprobieren Intelligenz nachbauen Ablaufimplementierung Verschiedene Spielstufen implementieren Intro Architekturänderung für die KI Das Spiel gegen die KI Fazit und Kursabschluss Über den Trainer:Torsten Ahlemeyer realisiert seit 2003 Abrechnungs- und Stammdatenanwendungen in Großprojekten. Der Diplom-Wirtschaftsinformatiker und Professional SCRUM Master begann als Entwickler und machte sich dann als Projektleiter in der Softwareentwicklung im internationalen Projektumfeld einen Namen. Die Microsoft-Technologie vom Betriebssystem bis zu den Programmiersprachen war dabei in allen Projekten ebenso gesetzt wie der MS-SQL-Server (SSAS, SSIS, SSRS, ...). Als IT-Consultant unterstützt Torsten Ahlemeyer die Kunden der arelium GmbH hauptsächlich in der Rolle des Projektleiters, aber auch als Architekt, DB-Consultant oder T-SQL-Spezialist bei der Umsetzung komplexerer Datenbankprojekte.So lernen Sie mit diesem Videokurs:In den Videokursen der heise Academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie Experten bei der praktischen Arbeit zu und lassen sich alles genau erklären. Das Wissen ist in viele 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 bietet Ihnen viele Funktionen, die Sie beim Lernen unterstützen: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.
Datenvisualisierung mit Python
Kaum eine andere Berufsgruppe ist derzeit so gefragt wie Data Scientists - und kaum ein anderes Feld entwickelt sich so schnell.In diesem Kurs lernen Sie, Daten mit der beliebten Programmiersprache Python zu visualisieren. Neben den Grundlagen der Arbeit mit Jupyter Notebooks lernen Sie die Werkzeuge Matplotlib, Plotly und Dash kennen und anwenden. Am Ende des Kurses sind Sie in der Lage, Ihre Daten bestmöglich zu visualisieren und kennen alle Best Practices, die Sie bei Ihrer Arbeit als Data Scientist und beim Einsatz Ihrer Tools kennen sollten.In diesem Kurs sind Sie gefragt: Dank einer Jupyter Notebook-Umgebung können Sie alle Übungen direkt ausprobieren und nachvollziehen. Am Ende des Kurses haben Sie nicht nur viel Know-how gesammelt, sondern wissen auch genau, wie Sie dieses Wissen in der Praxis anwenden können.Länge: 07:49 Stunden Alle Video-Lektionen im Überblick: Motivation und Setup Herzlich willkommen zu diesem Kurs Warum sollten Daten visualisiert werden? Eine Jupyter-Lab-Umgebung erstellen Navigation im Jupyter Lab Einführung in die Matplotlib-Syntax Intro Vorstellung der Daten: Sensoren eines Windrades Grafiken erzeugen mit Matplotlib: Die Grundbegriffe Streudiagramme (scatter plots) mit Matplotlib erzeugen Balkendiagramme (Bar Plots) mit Matplotlib erzeugen Kastengrafiken (box plots) mit Matplotlib erzeugen Tortendiagramme (Pie Plots) mit Matplotlib erzeugen Histogramme mit Matplotlib erzeugen Quiz Das Konfigurieren von Matplotlib-Plots Intro Pairplots mit Matplotlib erzeugen, Styles konfigurieren Plotbeschriftungen setzen Die x-Achse konfigurieren Die y-Achse konfigurieren Das Grafiklayout konfigurieren Texte in Grafiken erzeugen Einer Grafik Referenzlinien hinzufügen Best Practices für Grafiken Intro Best Practices: Minimalismus Best Practices: Hervorhebung Das Zwischenspiel von Daten und Grafiken Typische Fehler bei explanativen Grafiken Quiz Einführung in die Plotly-Syntax Intro Vorstellung der Daten: Immobilienpreise in Deutschland Grenzen von Matplotlib mit Plotly umgehen Einführung in Plotly: Plotly express und plotly graph objects nutzen Erste Konfigurationen und Multiplots Die Macht von Plotly-Streudiagrammen nutzen Balkendiagramme und Histogramme in Plotly Templates einstellen, Titel setzen und Achsen beschriften Achsen kontrollieren, Legenden setzen und allgemeine Konfigurationen Statistisches Plotten mit Plotly Intro Das Trichterdiagramm (Funnel plot) erstellen Das Trichterdiagramm (Funnel plot) konfigurieren Das explanative Trichterdiagramm (Funnel plot) Das Indikatordiagramm (gauge plot) erstellen und konfigurieren Das explanative Indikatordiagramm (gauge plot) Das Netzdiagramm (radar-spider Plot) erstellen und konfigurieren Das explanative Netzdiagramm (radar/spider plot) Das Wasserfalldiagramm (waterfall plot) erstellen und konfigurieren Den Choropleth-Graphen erstellen Den Choropleth-Graphen konfigurieren Der explanative Choropleth-Graph Den Geosteu-Graphen erstellen und konfigurieren Quiz Dashboard mit Dash erstellen Intro Das Dashboard im Überblick Die notwendigen Funktionen und Pakete kennenlernen Das erste Dashboard erzeugen Texte zum Dashboard hinzufügen HTML-Div-Zellen verstehen Dem Dashboard einen Slider hinzufügen Buttons dem Dashboard hinzufügen Grafiken dem Dashboard hinzufügen Callbacks dem Dashboard hinzufügen und verstehen Callbacks verfeinern und das Zwischenspiel von Input und Output verstehen Hover-Daten nutzen und das finale Dashboard Quiz Kursabschluss Über den Trainer:Wadim Wormsbecher arbeitet als Educational Data Scientist bei StackFuel und entwickelt Lernkurse zu verschiedenen Themen aus den Bereichen Data Science und Artificial Intelligence. Der promovierte theoretische Physiker (HU Berlin) hat ein Faible für Wissenschaftskommunikation. Sein Wissen gibt er gerne in Form von Science Slams weiter und war bereits Nord- und Ostdeutscher Meister sowie Teilnehmer an der Deutschen Meisterschaft.So lernen Sie mit diesem Videokurs:In den Videokursen der heise Academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie Experten bei der praktischen Arbeit zu und lassen sich alles genau erklären. Das Wissen ist in viele 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 bietet Ihnen viele Funktionen, die Sie beim Lernen unterstützen: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 Endgeräte Technische Voraussetzungen:Für diesen Videokurs wird lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.