Der Kurs Workflow‑Optimierung mit Cloud‑Arbeit und MS Office eröffnet dir eine Welt voller Möglichkeiten im Bereich Cloud-Computing, Datenbanken und Data Science. Cloud-Lösungen transformieren Geschäftsprozesse maßgeblich und mit den Techniken von Data Science sowie gut strukturierten Datenbanken lassen sich entscheidende Vorteile erzielen.

Cloud-Computing: praktische Ansätze und berufliche Perspektiven


Die Cloud steht im Fokus, wenn es um die Digitalisierung von Unternehmen geht. Cloud-Anwendungen bieten flexible und skalierbare Lösungen für diverse Geschäftsanforderungen.

  • Praktische Cloud-Nutzung ist die Grundlage, um Cloud-Dienste für verschiedene Projekte einzusetzen
  • Überblick über Cloud-Anbieter: Kenntnisse zu Angeboten und Dienstleistungen verschiedener Anbieter
  • Cloud-Sicherheit und Datenschutz spielen eine wesentliche Rolle bei der Umsetzung von Cloud-Lösungen
  • Umsetzung einfacher Cloud-Projekte für den praktischen Einsatz in Unternehmen
  • Cloud als Treiber für die Digitalisierung in Unternehmen und aktuelle Zukunftstrends im Cloud-Bereich
  • Berufliche Perspektiven im wachsenden Bereich Cloud-Computing, wie etwa die Rolle eines Cloud Architects


Datenbanken: Konzepte, Sicherheit und Performance


Datenbanken sind der Kern jeder datengetriebenen Anwendung. Die richtige Handhabung dieser Systeme ist entscheidend für die Datenanalyse.

  • Einführung in Datentypen und die Erstellung von Tabellen als Basis für solide Datenbankstrukturen
  • Erste SQL-Abfragen und Schlüsselmanagement für Arbeiten mit Datenbanken
  • Umgang mit JOIN-Befehlen, um Daten aus mehreren Tabellen zu verknüpfen
  • Techniken zur Speicher- und Leistungssteigerung für verbesserte Datenbanknutzung
  • Datenbanksicherheit und Datenbankmanagementsysteme für den Schutz und die Verwaltung von Daten


Data Science: Integration, Ethik und Technologien


In Data Science und mit dem Einsatz von KI werden Daten in wertvolle Einblicke verwandelt, die Unternehmen transformieren können.

  • Grundlegende Statistiken und deren Anwendung in R für fundierte Datenanalysen
  • Integration von Data Science in Unternehmen für Vorteile und bessere Geschäftsentscheidungen
  • Das CRISP-DM Vorgehensmodell als Leitfaden für datenanalytische Projekte
  • Berücksichtigung von Bias und vertrauenswürdiger KI zur Wahrung der Fairness in KI-Systemen
  • Ethik und Fairness sind zentrale Aspekte in der Anwendung von KI
  • Instrumentarien zur Risiko(folge)abschätzung helfen, potenzielle Herausforderungen frühzeitig zu erkennen und zu adressieren