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.

Künstliche Intelligenz ist in aller Munde. Eine Teildisziplin davon ist Machine Learning, das sich als Bestandteil zahlreicher Datenanalyseprojekte fest etabliert hat und durch die Programmiersprache Python und die Bibliothek scikit-learn leicht zugänglich ist.Zahlreiche Machine-Learning-Projekte scheitern an schlechter Datenqualität. In diesem Kurs zeigen Ihnen die Data-Science-Experten Prof. Dr. Stefanie Scholz und Prof. Dr. Christian Winkler, wie Sie die Visualisierungsmöglichkeiten von Python nutzen können, um Daten statistisch zu analysieren und deren Qualität zu überprüfen. Darüber hinaus machen Sie sich mit überwachten und unüberwachten Verfahren des maschinellen Lernens vertraut und lernen, diese mit Python umzusetzen. Schließlich erfahren Sie, wie Sie diese Verfahren geschickt kombinieren können, um in einem echten Projekt interessante Erkenntnisse zu gewinnen.Wenn Sie sich mit dem Thema Machine Learning intensiver befassen möchten und einen praxisnahen Zugang suchen, sind Sie in diesem Kurs genau richtig!Länge: 06:41 Stunden Alle Lektionen im Überblick: Herzlich willkommen zu diesem Kurs Einführung in Python und Jupyter Kapitelüberblick Python und Jupyter als Plattform nutzen Einfache Installation mit Anaconda Alternative: Google Colab Erste Schritte mit Jupyter/Colab Überblick über Basis-Tools: Pandas Überblick über Basis-Tools: Scikit-learn Codequalität Fortschrittsanzeige und Datentransformation Visualisierung Quiz: Einführung in Python und Jupyter Einführung in Machine Learning mit Python Kapitelüberblick Warum Machine Learning? Was ist Machine Learning? Datenakquisition und Daten einladen Basisdaten und Statistik Regression Klassifikation strukturiert Klassifikation unstrukturiert Unüberwachtes Lernen Reinforcement Learning Quiz: Einführung in Machine Learning mit Python Datenvorbereitung und Statistik Kapitelüberblick Einführung Daten und Datenstrukturen Datenqualität (Teil 1) Datenqualität (Teil 2) Vektorisierung strukturiert Vektorisierung unstrukturiert Quiz: Datenvorbereitung und Statistik Unsupervised Learning Kapitelüberblick Dimensionsreduktion Dimensionsreduktion und Datenvisualisierung Clustering Topic-Modelle Performance-Metriken Quiz: Unsupervised Learning Supervised Learning Kapitelüberblick Klassifikation Erfolgsmetriken Regression Multi-Regression Zeitreihen Quiz: Supervised Learning Beispielprojekt: Kombination der Machine-Learning-Verfahren Kapitelüberblick Vorstellung des Use Case Soziale Netzwerke Download Klassifizierung Statistik (Teil 1) Statistik (Teil 2) Statistik (Teil 3) Topic Modeling (Teil 1) Topic Modeling (Teil 2) Sentiment-Analyse Trendvorhersage: Metadaten Trendvorhersage: Topics Quiz: Kombination der Machine-Learning-Verfahren Über die Trainer:Dr. Christian Winkler ist einer der Gründer der datanizing GmbH. Er engagiert sich seit 20 Jahren im Bereich der intelligenten Algorithmen zur Datenverarbeitung sowie des maschinellen Lernens, der Geodatenverarbeitung und Statistik. Dabei setzt er Mining, Netzwerkanalyse, Forum Analytics und Sentiment Analyse ein. Der promovierte Physiker ist gefragter Speaker auf Konferenzen und Autor von Artikeln zu Big Data und KI.Nach ihrer Tätigkeit als Bereichsleiterin für Marketing und Vertrieb befasst sich Prof. Dr. Stefanie Scholz mit KI-gestützter Marketinganalyse und Datenvisualisierung. Neben Data-Driven Marketing und Advanced Analytics steht der praktische Anwendungsbezug verschiedener Machine-Learning-Verfahren für Unternehmen im Fokus ihrer Aktivitäten. Als Professorin für Data Science in Social Economy an der SRH Wilhelm Löhe Hochschule setzt sich Stefanie Scholz aktiv für die Implementierung und Förderung des Citizen-Data-Scientist-Konzepts in unterschiedlichen Institutionen ein.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:Technische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.

In diesem Kurs lernen Sie die theoretischen Grundlagen von Cloud-nativen Anwendungen kennen: Prinzipien, Architekturen und Entwurfsmuster. Der IT-Experte Jörg Krause stellt Ihnen eine Auswahl der dafür notwendigen Dienste vor und erklärt, wie Sie diese in der Praxis einrichten und nutzen, um schnell und effizient Anwendungen zu entwickeln. Im ersten Teil lernen Sie Azure Functions und deren Integration mit Datenbanken und der CosmosDb kennen. Für die Anbindung einer Benutzeroberfläche werden Socket Services und App Services verwendet und mit API Management abgesichert. Weiter geht es mit nachrichtenbasierten Modellen auf Basis der Services Service Bus, Event Hub und Event Grid. Abschließend erhalten Sie einen Einblick in den Übergang zur Low-Code-Welt mit LogicApps und Data Explorer Cluster. Alle Bausteine werden kurz vorgestellt und in das Architekturmodell eingeordnet.Der praktische Teil umfasst die Implementierung im Portal und die Programmierung in Visual Studio 2022 mit C#. Alle Codebeispiele sind im Git Repository des Kurses verfügbar. Der Fokus des Kurses liegt auf der Anwendungsentwicklung, Sicherheits- und Deployment-Überlegungen spielen nur eine untergeordnete Rolle.Länge:  07:16 Stunden Alle Video-Lektionen im Überblick: Prinzipien der Cloud Intro Die Prinzipien der Cloud Kernfunktionen Übersicht Portal Die Dienstoberfläche Übersicht Werkzeuge Quiz: Prinzipien und Kernfunktionen Trailer Architekturen für cloud-native Applikationen Intro Cloud-native Architektur Abstrakte Merkmale Technische Merkmale Cloud-Entwurfsmuster Die Referenzarchitektur Quiz: Architekturen Cloud-nativer-Anwendungen Applikationsbausteine Intro Übersicht Bausteine AppService erstellen AppService bereitstellen Function erstellen Function Tools Functions mit Visual Studio entwickeln Functions bereitstellen Quiz: Übersicht über die Applikationsbausteine Persistenz Intro Übersicht Speicherlösungen Praxis Storage im Portal Storage Werkzeuge Übersicht Datenbanken Einführung in die CosmosDb Der Azure SQL Server Azure SQL Praxis Quiz: Grundlagen der Persistenzfunktionen Entwicklung von Applikationen Intro Der Werkzeugkasten Support Simulator Azure Functions im Detail Azure Functions debuggen Coding: CosmosDb für das Praxis-Projekt  Übersicht über das Projekt Das Projekt in Visual Studio 2022 Quiz: Funktionen und Datenbanken Backend for Frontend Intro Azure AppService entwickeln Backend API entwickeln Deployment der Backend API Der WebPubSub Service und WebSockets Einrichtung des WebPubSub Service WebPubSub Functions praktisch entwickeln Quiz: Backend-APIs und Verteilerdienste Nachrichtenbasierte Datenverarbeitung Intro Einführung in Nachrichtensysteme Der Service Bus Einführung in das Event Grid Einführung in den Event Hub Praxis: Einrichtung Service Bus Praxis: Einrichtung Event Grid Praxis: Einrichtung Event Hub  Einführung in das API Management API Management Praxis  Quiz: Nachrichtenbasierte Datenverarbeitung Bonus: Service Integration Intro Integrationsmodule in der Referenzarchitektur API Management und Service Bus API Management und Event Hub  Function Trigger Event Grid Einführung in Data Explorer Server Cluster DataExplorer und Event Hub Alternative Datenverteilungswege Praxis: LogicApps Fazit und Kursabschluss Quiz: Integrationsdienste und Line of Business-Schnittstellen Über den Trainer:Jörg Krause ist professioneller Software-Architekt, Berater und Trainer und arbeitet für mittelständische Unternehmen und Enterprise-Kunden weltweit. Er verfügt über mehr als 20 Jahre praktische Erfahrung in der Softwareentwicklung. Zahlreiche Veröffentlichungen von Fachartikeln, Fachbüchern, Videokursen und Auftritte auf Fachkonferenzen ergänzen seine Arbeit beim Kunden. Seine Schwerpunkte sind Webanwendungen und Services (Full-Stack) mit .NET und NodeJS, die Arbeit mit Datenbanken (SQL Server, MySQL, CosmosDb, Entity Framework) und die Nutzung von Cloud-Diensten (Azure, AWS, Microsoft 365).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.