Advanced 2: Deep Learning with Keras

Advanced 1: Introduction to Neural Networks & Deep Learning

Advanced 3: Introduction to Reinforcement Learning

Intermediate 2: Machine Learning - Unsupervised Methods

Advanced 6: Advanced Topics in Natural Language Processing

Basic 2: Python Basics

Basic 4: Visualization with Plotly & App creation with Dash

Basic 3: Introduction to Machine Learning

Intermediate 1: Machine Learning - Supervised Methods

Advanced 4: Computer Vision Open CV

Advanced 5: Introduction to Natural Language Processing

Deep Learning: Ein Beispiel aus dem öffentlichen Dienst

Automatische Bilderkennung hat das Potenzial, Wasserwirtschaftsverbände spürbar zu entlasten – und so beim Hochwasserschutz zu unterstützen. Ein Fallbeispiel.

Basic 2: Python Basics

Basic 1: Data Science 4 C-Level (Basic Level)

Schulungen zu Machine Learning

Wir bieten zahlreiche Schulungen und Trainings rund um Machine Learning an. Je nach Fortschritt erreichen Sie damit verschiedene Level – Basic, Intermediate und Advanced.

Data Science, Artificial Intelligence und Machine Learning

Data Science wird seit einiger Zeit als die Königsdisziplin bei der Erkennung von wertvollen Informationen in größeren Datenmengen gehandelt.

Data Science, AI & Advanced Analytics

Data Science & Advanced Analytics umfasst ein breites Spektrum von Werkzeugen, die Geschäftsabläufe untersuchen und helfen können, Änderungen und Verbesserungen herbeizuführen.

Working with Camunda

Für einige Unternehmen ist es bei Prozess Automation Projekten wichtig, ein System mit größerem Fokus auf das Workflowmanagement und weniger kollaborativen Möglichkeiten zu nutzen. Ein Beispiel dafür ist Camunda BPM.

Auf Kamelen durch die Wüste der Integration - Teil 2

Für Integrationsprojekte bietet Open Source Framework Apache Camel einige Lösungen. In diesem fortsetzenden Beitrag wird WebSphere Message Broker als alternatives Produkt beleuchtet.

Dynamische Anpassung an Absatzmärkte - Teil 2

Mathematische Optimierung ist ein valider Lösungsansatz für Zuordnungsprobleme. Der zweite Teil der Blogserie beweist dies mit einem Praxisbeispiel.

Optimierung in der Praxis: Weniger ist mehr - Teil 2

Fortschreitende Technologien ermöglichen uns, immer genauere Berechnungen durchzuführen. Wir sind heute in der Lage, in kürzerer Zeit mit höheren Datenmengen umzugehen als jemals zuvor. Gerade in der Mathematik hat das aber nicht nur Vorteile.