In dieser Weiterbildung vertiefen Sie Ihre Kenntnisse in der Python-Entwicklung und erlernen DevOps-Praktiken. Ein besonderer Fokus liegt auf der Anwendung von NumPy für numerische Berechnungen. Sie erwerben fundierte Fähigkeiten im Umgang mit NumPy, um große, mehrdimensionale Arrays effizient zu verarbeiten. Zudem lernen Sie, mit NumPy mathematische Funktionen anzuwenden und numerische Simulationen durchzuführen. Im Bereich DevOps setzen Sie sich mit Continuous Integration und Continuous Deployment auseinander und nutzen dabei Tools wie Git, Docker und Kubernetes. Die Kombination von Python-Entwicklung und DevOps ermöglicht es Ihnen, Softwareentwicklungsprozesse zu automatisieren und zu optimieren. Durch praxisorientierte Übungen wenden Sie NumPy für Datenanalysen an und implementieren DevOps-Strategien in realen Szenarien. Dies fördert ein tiefgehendes Verständnis der vermittelten Inhalte. Nach Abschluss der Weiterbildung sind Sie in der Lage, mit NumPy komplexe Datenstrukturen zu bearbeiten und DevOps-Methoden in Entwicklungsprojekten anzuwenden. Dies verbessert Ihre Fähigkeiten in der Softwareentwicklung und Systemadministration.

Python-Entwicklung Grundlagen
  • Installation und Einrichtung von Python mit Fokus auf NumPy
  • Grundlegende Programmierkonzepte
  • Datenstrukturen und Standard-Datentypen unter Berücksichtigung von NumPy
  • Python-Skripte, Funktionen und Dictionaries
  • Ein-und Ausgabe in Python mit Anwendungen aus NumPy
  • Definition von Klassen und objektorientiertes Modellieren
  • Finden und Vermeiden von Fehlern in Python-Code im Kontext von NumPy

Softwareentwicklung und Datenmodellierung
  • Datenbanken und Datenstrukturen mit Kenntnissen im Bereich NumPy
  • Modellieren mit Kellern, Schlangen und Graphen
  • Grundlagen der Notation unter Einbeziehung von NumPy

Datenanalyse und maschinelles Lernen mit Python
  • Einführung in die Datenanalyse und Datenvisualisierung mit Methoden aus NumPy
  • Techniken: Merkmalserstellung und Normalisierung
  • Praktische Anwendung: Modelltraining und Modellperfomance mit Fokus auf NumPy
  • Neuronale Netze und Deep Learning
  • Unüberwachtes Lernen: Clustering mit Nutzung von NumPy
  • Dimensionalitätsreduktion: PCA und t-SNE
  • Aktuelle Trends im maschinellen Lernen und Ausblick in die Zukunft mit Bezug zu NumPy

TensorFlow und Keras für Machine Learning
  • Grundlegende Verwendung und Einrichtung von TensorFlow mit Berücksichtigung von NumPy
  • Verwendung von Keras und Erstellen von Machine-Learning-Modellen
  • Analyse und Visualisierung von Ergebnissen mit Keras und NumPy
  • Allgemeine Tipps und Tricks zu TensorFlow

DevOps-Werkzeuge und -Methoden
  • Kombination von DevOps und Cloud Computing mit Anwendungen aus NumPy
  • Grundlagen und Verwendung von Docker und Kubernetes
  • Installation und Verstehen von Ansible mit Fokus auf NumPy
  • Einrichtung und Überwachung von Cloud Computing mit Ansible und Prometheus
  • Einführung in die Terminologie von Cloud Computing mit Aspekten von NumPy

Automatisierung und Sicherheit in der Softwareentwicklung
  • Continuous Integration und automatisiertes Testen mit Einsatz von NumPy
  • Release-Automatisierung und Risikoreduktion
  • Continuous Delivery und Continuous Integration unter Anwendung von NumPy
  • Information Security
  • Deployment Pipeline mit Methoden aus NumPy