In dieser Weiterbildung erlangen Sie fundierte Kenntnisse in der Nutzung von GitHub und GitLab für die Versionskontrolle und das Projektmanagement. Sie lernen, Repositories zu verwalten, Branching-Strategien anzuwenden und Merge-Prozesse effizient zu gestalten. Zudem werden Sie in die Lage versetzt, Continuous Integration und Continuous Deployment (CI/CD) Pipelines zu implementieren und zu überwachen. Ein weiterer Schwerpunkt liegt auf den Grundlagen des Projektmanagements. Sie erwerben Fähigkeiten in der Planung, Steuerung und Überwachung von Projekten unter Verwendung agiler Methoden wie Scrum. Dies umfasst die Organisation von Sprints, die Moderation von Meetings und die Anwendung von Scrum-Artefakten. Im Bereich Machine Learning werden Sie mit den grundlegenden Konzepten des maschinellen Lernens vertraut gemacht. Sie lernen verschiedene Algorithmen kennen und verstehen deren Anwendungsmöglichkeiten. Zudem werden Sie in die Lage versetzt, einfache Machine-Learning-Modelle zu erstellen und zu evaluieren. Die Weiterbildung kombiniert theoretische Inhalte mit praktischen Übungen. Anhand von Fallstudien und Projekten wenden Sie das erlernte Wissen direkt an und festigen Ihre Fähigkeiten. Nach Abschluss sind Sie in der Lage, GitHub und GitLab effektiv für die Versionskontrolle und das Projektmanagement einzusetzen, Projekte nach agilen Methoden zu steuern und grundlegende Machine-Learning-Modelle zu entwickeln.

Git und Versionsverwaltung
  • Kenntnisse im Bereich GitHub
  • Operationen der Versionsverwaltung
  • Agiles Arbeiten mit Fokus auf GitHub

Software Testing und Continuous Deployment
  • Anwendungen aus dem Bereich GitHub
  • Software Testing und Qualitätssicherung

Agiles und traditionelles Projektmanagement
  • Einführung in das Projektmanagement mit Bezug auf GitHub
  • Projektarten
  • Standards und Normen im Kontext von GitHub
  • Aufgaben eines Projektleiters
  • Agiles Projektmanagement mit GitHub
  • Traditionelles Projektmanagement
  • Hybrides Projektmanagement unter Einbeziehung von GitHub
  • Projekt-Planung

Grundlagen des Machine Learning
  • Einführung in Machine Learning mit GitHub-Integration
  • Arten des Machine Learning
  • Datenvorbereitung für Machine Learning auf Basis von GitHub
  • Training und Auswahl eines Vorhersagemodells
  • Bewertung von Modellen über GitHub

Vertiefung in Machine Learning-Techniken
  • Verwendung von Scikit-Learn für Klassifikationen auf GitHub
  • Random Forests und Entscheidungsbäume
  • Ensemble Learning (z. B. Bagging und Boosting) mit GitHub