Archive: Veranstaltungen

Home / VeranstaltungSeite 2

ONLINE // Seminar: Laserschutzbeauftragter für die Materialbearbeitung und Messtechnik

ONLINE // Seminar: Laserschutzbeauftragter für die Materialbearbeitung und Messtechnik

Unternehmen und Institutionen, welche Laser der Klassen 3R, 3B und 4 betreiben, müssen nach der Arbeitsschutzverordnung zu künstlicher optischer Strahlung OStrV mindestens einen Mitarbeiter zum Laserschutzbeauftragten bestellen und zu einem entsprechenden Lehrgang schicken.

Die angebotene Schulung genügt den aktuellen rechtlichen Vorgaben bezüglich der anwendungsbezogenen Grundausbildung zum Laserschutzbeauftragten.
Jeder Teilnehmer erhält nach erfolgreichem Abschlusstest ein Zertifikat über die Erlangung der erforderlichen Fachkenntnisse eines Laserschutzbeauftragten nach OStrV (10-2017) für technische Laseranwendungen mit Schwerpunkt Materialbearbeitung und Messtechnik.
Über die Ausbildung zum Laserschutzbeauftragten hinaus fordert die Arbeitsschutzverordnung OStrV, dass Laserschutzbeauftragte ihre in der Grundausbildung erworbenen Fachkenntnisse durch Fortbildung auf den aktuellen Stand zu halten haben. Diese Schulung dient in diesem Sinne auch als Fortbildung für amtierende Laserschutzbeauftragte und kann als Nachweis für die Auffrischung der Fachkenntnisse herangezogen werden.

Zielgruppe
Alle Beschäftigten, die über Wirkungsweise, Gefahrenpotenziale und Schutzeinrichtungen der eingesetzten Laseranlagen informiert sein müssen und den sicheren Laserbetrieb überwachen sollen; konkret sind dies Laserschutzbeauftragte und deren Stellvertreter, aber auch Sicherheitsbeauftragte,
Sicherheitsfachkräfte, Anlagenverantwortliche und Entscheidungsträger.

Inhalte: 

  • Physikalische Größen und Eigenschaften der Laserstrahlung
  • Direkte Gefährdungen (Biologische Wirkung von Laserstrahlung)
  • Laserklassen und Grenzwerte
  • Indirekte Gefährdungen
  • Rechtliche Grundlagen und Regeln der Technik
  • Aufgaben und Verantwortung des Laserschutzbeauftragten
  • Laserschutzmaßnahmen
  • Gefährdungsbeurteilung
  • Abschlusstest zum Nachweis der erworbenen Fachkenntnisse
  • Abschlussdiskussion, Vergabe der Teilnahmezertifikate

Teilnahmegebühr:  498,00 € + MwSt.

Anmeldung: Bitte per E-Mail unter anmeldung@tcw-donau-ries.de oder tel. 09081 8055-100.

Veranstaltungsort: ONLNE

 

ONLINE / Modul 4 Zertifikatskurs Data Science und Machine Learning Experte: Data Science Teil 2

In diesem Zertifikatskurs werden Sie zum Experten für Data Science und Machine Learning ausgebildet und schließen den Kurs mit einem Zertifikat ab. Hierzu folgen wir den Phasen des OSEMN- bzw. CRISP-DM Data Science Prozessmodells – ein Prozessmodell, das die Datenanalyse systematisch in verschiedene Phasen unterteilt. Die Kursstruktur ergibt sich direkt durch dieses Standard-Prozessmodell und dient als roter Faden, der sich durch alle Kursmodule zieht.

Die Kursmodule sind hierbei so aufgebaut, dass Sie zuerst lernen in Python zu programmieren (“skripten”), um Daten aus Quellen wie Excel-Tabellen oder Datenbanken zu extrahieren, mit Python-Bibliotheken (Pandas) vorzuverarbeiten, um dann mit Statistiken und Visualisierungen (Matplotlib) erste Erkenntnisse zu gewinnen und dann schließlich mit Machine Learning (scikit-learn / TensorFlow / Keras) Ihre Daten automatisch zu modellieren und für Vorhersagen zu nutzen.

Der Kurs vermittelt nicht nur theoretische Hintergründe. Die Praxis steht im Vordergrund. Alle wichtigen Punkte bei der Datenanalyse werden wir uns daher in sogenannten Jupyter-Notebooks Schritt-für-Schritt gemeinsam erarbeiten. Sie arbeiten dabei alle praktischen Beispiele live mit durch, während der Dozent diese vormacht und auch Aufgaben stellt und wir Ihre Lösungen gemeinsam diskutieren. Konkret werden wir mehrere Fallstudien durcharbeiten, um beispielsweise

  • Verkaufspreise für Immobilien und Autos vorherzusagen
  • zu klassifizieren, ob Kunden in der Zukunft ein bestimmtes Produkt kaufen werden
  • um Zusammenhänge zwischen Delikten in Berlin aufzudecken
  • um auf Basis von Text zu verstehen, ob ein Kunde mit einem Produkt zufrieden ist

Zielgruppe:
Zielgruppe sind technisch oder kaufmännische Angestellte die selber Daten auswerten möchten bzw. Führungskräfte, die den Data Science Prozess und das Thema Machine Learning tiefergehend durchdringen wollen. Vorerfahrungen im Programmieren bzw. Mathematik sind nicht notwendig.

    • Fortsetzung der Praxis – Fallstudie: Datenanalyse zur Kriminalität in Berlin
    • Zusammenhänge in Daten qualitativ und quantitativ analysieren
    • Trends in Daten durch Visualisierungen erkennen
    • Zusammenhänge zwischen Merkmalen automatisch erkennen und visualisieren

Weitere Informationen hier zum Download……

Anmeldung per E-Mail: anmeldung@tcw-donau-ries.de

 

ONLINE / Modul 8 Zertifikatskurs Data Science und Machine Learning Experte: Deep Learning mit TensorFlow/Keras Teil 2

In diesem Zertifikatskurs werden Sie zum Experten für Data Science und Machine Learning ausgebildet und schließen den Kurs mit einem Zertifikat ab. Hierzu folgen wir den Phasen des OSEMN- bzw. CRISP-DM Data Science Prozessmodells – ein Prozessmodell, das die Datenanalyse systematisch in verschiedene Phasen unterteilt. Die Kursstruktur ergibt sich direkt durch dieses Standard-Prozessmodell und dient als roter Faden, der sich durch alle Kursmodule zieht.

Die Kursmodule sind hierbei so aufgebaut, dass Sie zuerst lernen in Python zu programmieren (“skripten”), um Daten aus Quellen wie Excel-Tabellen oder Datenbanken zu extrahieren, mit Python-Bibliotheken (Pandas) vorzuverarbeiten, um dann mit Statistiken und Visualisierungen (Matplotlib) erste Erkenntnisse zu gewinnen und dann schließlich mit Machine Learning (scikit-learn / TensorFlow / Keras) Ihre Daten automatisch zu modellieren und für Vorhersagen zu nutzen.

Der Kurs vermittelt nicht nur theoretische Hintergründe. Die Praxis steht im Vordergrund. Alle wichtigen Punkte bei der Datenanalyse werden wir uns daher in sogenannten Jupyter-Notebooks Schritt-für-Schritt gemeinsam erarbeiten. Sie arbeiten dabei alle praktischen Beispiele live mit durch, während der Dozent diese vormacht und auch Aufgaben stellt und wir Ihre Lösungen gemeinsam diskutieren. Konkret werden wir mehrere Fallstudien durcharbeiten, um beispielsweise

  • Verkaufspreise für Immobilien und Autos vorherzusagen
  • zu klassifizieren, ob Kunden in der Zukunft ein bestimmtes Produkt kaufen werden
  • um Zusammenhänge zwischen Delikten in Berlin aufzudecken
  • um auf Basis von Text zu verstehen, ob ein Kunde mit einem Produkt zufrieden ist

Zielgruppe:
Zielgruppe sind technisch oder kaufmännische Angestellte die selber Daten auswerten möchten bzw. Führungskräfte, die den Data Science Prozess und das Thema Machine Learning tiefergehend durchdringen wollen. Vorerfahrungen im Programmieren bzw. Mathematik sind nicht notwendig.

Modul 8: Deep Learning mit TensorFlow/Keras, Teil 2

  • Theorie: Bildverarbeitung mit Convolutional Neural Networks
  • Theorie: Textverarbeitung mit Rekurrenten Neuronalen Netzen sowie Transformer-Netzen
  • Praxis – Fallstudie: Klassifikation von Kundenrezensionen (Textklassifikation)
  • Ausblick: Wohin entwickelt sich das Gebiet? (DALL-E 2, ChatGPT, etc.)

Weitere Informationen hier zum Download……

Anmeldung per E-Mail: anmeldung@tcw-donau-ries.de

 

ONLINE / Modul 7 Zertifikatskurs Data Science und Machine Learning Experte: Deep Learning mit TensorFlow/Keras Teil 1

In diesem Zertifikatskurs werden Sie zum Experten für Data Science und Machine Learning ausgebildet und schließen den Kurs mit einem Zertifikat ab. Hierzu folgen wir den Phasen des OSEMN- bzw. CRISP-DM Data Science Prozessmodells – ein Prozessmodell, das die Datenanalyse systematisch in verschiedene Phasen unterteilt. Die Kursstruktur ergibt sich direkt durch dieses Standard-Prozessmodell und dient als roter Faden, der sich durch alle Kursmodule zieht.

Die Kursmodule sind hierbei so aufgebaut, dass Sie zuerst lernen in Python zu programmieren (“skripten”), um Daten aus Quellen wie Excel-Tabellen oder Datenbanken zu extrahieren, mit Python-Bibliotheken (Pandas) vorzuverarbeiten, um dann mit Statistiken und Visualisierungen (Matplotlib) erste Erkenntnisse zu gewinnen und dann schließlich mit Machine Learning (scikit-learn / TensorFlow / Keras) Ihre Daten automatisch zu modellieren und für Vorhersagen zu nutzen.

Der Kurs vermittelt nicht nur theoretische Hintergründe. Die Praxis steht im Vordergrund. Alle wichtigen Punkte bei der Datenanalyse werden wir uns daher in sogenannten Jupyter-Notebooks Schritt-für-Schritt gemeinsam erarbeiten. Sie arbeiten dabei alle praktischen Beispiele live mit durch, während der Dozent diese vormacht und auch Aufgaben stellt und wir Ihre Lösungen gemeinsam diskutieren. Konkret werden wir mehrere Fallstudien durcharbeiten, um beispielsweise

  • Verkaufspreise für Immobilien und Autos vorherzusagen
  • zu klassifizieren, ob Kunden in der Zukunft ein bestimmtes Produkt kaufen werden
  • um Zusammenhänge zwischen Delikten in Berlin aufzudecken
  • um auf Basis von Text zu verstehen, ob ein Kunde mit einem Produkt zufrieden ist

Zielgruppe:
Zielgruppe sind technisch oder kaufmännische Angestellte die selber Daten auswerten möchten bzw. Führungskräfte, die den Data Science Prozess und das Thema Machine Learning tiefergehend durchdringen wollen. Vorerfahrungen im Programmieren bzw. Mathematik sind nicht notwendig.

Modul 7: Deep Learning mit TensorFlow/Keras, Teil 1

  • Theorie: Der Machine und Deep Learning Boom – Was ist passiert? Wieso erst jetzt?
  • Funktionsweise Neuronaler Netze
  • Wie werden Neuronale Netze eigentlich trainiert? Praxistipps
  • Praxis – Fallstudie: Vorhersage von Immobilienpreisen (Regression)

Weitere Informationen hier zum Download……

Anmeldung per E-Mail: anmeldung@tcw-donau-ries.de

 

ONLINE / Modul 6 Zertifikatskurs Data Science und Machine Learning Experte: Machine Learning mit scikit-lern Teil 2

In diesem Zertifikatskurs werden Sie zum Experten für Data Science und Machine Learning ausgebildet und schließen den Kurs mit einem Zertifikat ab. Hierzu folgen wir den Phasen des OSEMN- bzw. CRISP-DM Data Science Prozessmodells – ein Prozessmodell, das die Datenanalyse systematisch in verschiedene Phasen unterteilt. Die Kursstruktur ergibt sich direkt durch dieses Standard-Prozessmodell und dient als roter Faden, der sich durch alle Kursmodule zieht.

Die Kursmodule sind hierbei so aufgebaut, dass Sie zuerst lernen in Python zu programmieren (“skripten”), um Daten aus Quellen wie Excel-Tabellen oder Datenbanken zu extrahieren, mit Python-Bibliotheken (Pandas) vorzuverarbeiten, um dann mit Statistiken und Visualisierungen (Matplotlib) erste Erkenntnisse zu gewinnen und dann schließlich mit Machine Learning (scikit-learn / TensorFlow / Keras) Ihre Daten automatisch zu modellieren und für Vorhersagen zu nutzen.

Der Kurs vermittelt nicht nur theoretische Hintergründe. Die Praxis steht im Vordergrund. Alle wichtigen Punkte bei der Datenanalyse werden wir uns daher in sogenannten Jupyter-Notebooks Schritt-für-Schritt gemeinsam erarbeiten. Sie arbeiten dabei alle praktischen Beispiele live mit durch, während der Dozent diese vormacht und auch Aufgaben stellt und wir Ihre Lösungen gemeinsam diskutieren. Konkret werden wir mehrere Fallstudien durcharbeiten, um beispielsweise

  • Verkaufspreise für Immobilien und Autos vorherzusagen
  • zu klassifizieren, ob Kunden in der Zukunft ein bestimmtes Produkt kaufen werden
  • um Zusammenhänge zwischen Delikten in Berlin aufzudecken
  • um auf Basis von Text zu verstehen, ob ein Kunde mit einem Produkt zufrieden ist

Zielgruppe:
Zielgruppe sind technisch oder kaufmännische Angestellte die selber Daten auswerten möchten bzw. Führungskräfte, die den Data Science Prozess und das Thema Machine Learning tiefergehend durchdringen wollen. Vorerfahrungen im Programmieren bzw. Mathematik sind nicht notwendig.

Modul 6: Machine Learning mit scikit-learn, Teil 2

  • Theorie: Funktionsweise weiterer klassischer Machine Learning Modelle
  • Overfitting – ein zentrales Problem im Machine Learning und Lösungen hierzu
  • Vorverarbeitung für das Machine Learning (Input-/Output-Split, Train-/Test-Split, Skalierung)
  • Praxis- Fallstudie: Vorhersage von Verkaufspreisen von Autos (Regression)

Weitere Informationen hier zum Download……

Anmeldung per E-Mail: anmeldung@tcw-donau-ries.de

 

ONLINE / Modul 5 Zertifikatskurs Data Science und Machine Learning Experte: Machine Learning mit scikit-lern Teil 1

In diesem Zertifikatskurs werden Sie zum Experten für Data Science und Machine Learning ausgebildet und schließen den Kurs mit einem Zertifikat ab. Hierzu folgen wir den Phasen des OSEMN- bzw. CRISP-DM Data Science Prozessmodells – ein Prozessmodell, das die Datenanalyse systematisch in verschiedene Phasen unterteilt. Die Kursstruktur ergibt sich direkt durch dieses Standard-Prozessmodell und dient als roter Faden, der sich durch alle Kursmodule zieht.

Die Kursmodule sind hierbei so aufgebaut, dass Sie zuerst lernen in Python zu programmieren (“skripten”), um Daten aus Quellen wie Excel-Tabellen oder Datenbanken zu extrahieren, mit Python-Bibliotheken (Pandas) vorzuverarbeiten, um dann mit Statistiken und Visualisierungen (Matplotlib) erste Erkenntnisse zu gewinnen und dann schließlich mit Machine Learning (scikit-learn / TensorFlow / Keras) Ihre Daten automatisch zu modellieren und für Vorhersagen zu nutzen.

Der Kurs vermittelt nicht nur theoretische Hintergründe. Die Praxis steht im Vordergrund. Alle wichtigen Punkte bei der Datenanalyse werden wir uns daher in sogenannten Jupyter-Notebooks Schritt-für-Schritt gemeinsam erarbeiten. Sie arbeiten dabei alle praktischen Beispiele live mit durch, während der Dozent diese vormacht und auch Aufgaben stellt und wir Ihre Lösungen gemeinsam diskutieren. Konkret werden wir mehrere Fallstudien durcharbeiten, um beispielsweise

  • Verkaufspreise für Immobilien und Autos vorherzusagen
  • zu klassifizieren, ob Kunden in der Zukunft ein bestimmtes Produkt kaufen werden
  • um Zusammenhänge zwischen Delikten in Berlin aufzudecken
  • um auf Basis von Text zu verstehen, ob ein Kunde mit einem Produkt zufrieden ist

Zielgruppe:
Zielgruppe sind technisch oder kaufmännische Angestellte die selber Daten auswerten möchten bzw. Führungskräfte, die den Data Science Prozess und das Thema Machine Learning tiefergehend durchdringen wollen. Vorerfahrungen im Programmieren bzw. Mathematik sind nicht notwendig.

Modul 5: Machine Learning mit scikit-learn, Teil 1

    • Einführung in das Maschinelle Lernen – Wichtige Begriffe (Terminologie)
    • Theorie: Wie funktionieren Decision Trees zur Klassifikation und Regression?
    • Theorie: Wie funktionieren Random Decision Forests?
    • Praxis – Fallstudie: Vorhersage des Kaufverhaltens von Kunden (Klassifikation)

Weitere Informationen hier zum Download……

Anmeldung per E-Mail: anmeldung@tcw-donau-ries.de

 

ONLINE / Modul 3 Zertifikatskurs Data Science und Machine Learning Experte: Data Science Teil 1

In diesem Zertifikatskurs werden Sie zum Experten für Data Science und Machine Learning ausgebildet und schließen den Kurs mit einem Zertifikat ab. Hierzu folgen wir den Phasen des OSEMN- bzw. CRISP-DM Data Science Prozessmodells – ein Prozessmodell, das die Datenanalyse systematisch in verschiedene Phasen unterteilt. Die Kursstruktur ergibt sich direkt durch dieses Standard-Prozessmodell und dient als roter Faden, der sich durch alle Kursmodule zieht.

Die Kursmodule sind hierbei so aufgebaut, dass Sie zuerst lernen in Python zu programmieren (“skripten”), um Daten aus Quellen wie Excel-Tabellen oder Datenbanken zu extrahieren, mit Python-Bibliotheken (Pandas) vorzuverarbeiten, um dann mit Statistiken und Visualisierungen (Matplotlib) erste Erkenntnisse zu gewinnen und dann schließlich mit Machine Learning (scikit-learn / TensorFlow / Keras) Ihre Daten automatisch zu modellieren und für Vorhersagen zu nutzen.

Der Kurs vermittelt nicht nur theoretische Hintergründe. Die Praxis steht im Vordergrund. Alle wichtigen Punkte bei der Datenanalyse werden wir uns daher in sogenannten Jupyter-Notebooks Schritt-für-Schritt gemeinsam erarbeiten. Sie arbeiten dabei alle praktischen Beispiele live mit durch, während der Dozent diese vormacht und auch Aufgaben stellt und wir Ihre Lösungen gemeinsam diskutieren. Konkret werden wir mehrere Fallstudien durcharbeiten, um beispielsweise

  • Verkaufspreise für Immobilien und Autos vorherzusagen
  • zu klassifizieren, ob Kunden in der Zukunft ein bestimmtes Produkt kaufen werden
  • um Zusammenhänge zwischen Delikten in Berlin aufzudecken
  • um auf Basis von Text zu verstehen, ob ein Kunde mit einem Produkt zufrieden ist

Zielgruppe:
Zielgruppe sind technisch oder kaufmännische Angestellte die selber Daten auswerten möchten bzw. Führungskräfte, die den Data Science Prozess und das Thema Machine Learning tiefergehend durchdringen wollen. Vorerfahrungen im Programmieren bzw. Mathematik sind nicht notwendig.

Modul 3: Data Science, Teil 1 

    • Abrufen/Speichern von Daten: Tabellen und (SQLite) Datenbanken als Quellen
    • Vorverarbeitung von Daten
    • Wie umgehen mit “schmutzigen” Daten? (Falsche und unvollständige Daten filtern)
    • Praxis – Fallstudie: Datenanalyse zur Kriminalität in Berlin

Weitere Informationen hier zum Download……

Anmeldung per E-Mail: anmeldung@tcw-donau-ries.de

 

ONLINE / Modul 1+2 Zertifikatskurs Data Science und Machine Learning Experte: Einleitung, Übersicht, Willkommen zu Python

In diesem Zertifikatskurs werden Sie zum Experten für Data Science und Machine Learning ausgebildet und schließen den Kurs mit einem Zertifikat ab. Hierzu folgen wir den Phasen des OSEMN- bzw. CRISP-DM Data Science Prozessmodells – ein Prozessmodell, das die Datenanalyse systematisch in verschiedene Phasen unterteilt. Die Kursstruktur ergibt sich direkt durch dieses Standard-Prozessmodell und dient als roter Faden, der sich durch alle Kursmodule zieht.

Die Kursmodule sind hierbei so aufgebaut, dass Sie zuerst lernen in Python zu programmieren (“skripten”), um Daten aus Quellen wie Excel-Tabellen oder Datenbanken zu extrahieren, mit Python-Bibliotheken (Pandas) vorzuverarbeiten, um dann mit Statistiken und Visualisierungen (Matplotlib) erste Erkenntnisse zu gewinnen und dann schließlich mit Machine Learning (scikit-learn / TensorFlow / Keras) Ihre Daten automatisch zu modellieren und für Vorhersagen zu nutzen.

Der Kurs vermittelt nicht nur theoretische Hintergründe. Die Praxis steht im Vordergrund. Alle wichtigen Punkte bei der Datenanalyse werden wir uns daher in sogenannten Jupyter-Notebooks Schritt-für-Schritt gemeinsam erarbeiten. Sie arbeiten dabei alle praktischen Beispiele live mit durch, während der Dozent diese vormacht und auch Aufgaben stellt und wir Ihre Lösungen gemeinsam diskutieren. Konkret werden wir mehrere Fallstudien durcharbeiten, um beispielsweise

  • Verkaufspreise für Immobilien und Autos vorherzusagen
  • zu klassifizieren, ob Kunden in der Zukunft ein bestimmtes Produkt kaufen werden
  • um Zusammenhänge zwischen Delikten in Berlin aufzudecken
  • um auf Basis von Text zu verstehen, ob ein Kunde mit einem Produkt zufrieden ist

Zielgruppe:
Zielgruppe sind technisch oder kaufmännische Angestellte die selber Daten auswerten möchten bzw. Führungskräfte, die den Data Science Prozess und das Thema Machine Learning tiefergehend durchdringen wollen. Vorerfahrungen im Programmieren bzw. Mathematik sind nicht notwendig.

Modul 1: Einleitung / Übersicht

  • Was ist eigentlich Künstliche Intelligenz / Machine Learning / Deep Learning / Data Science?
  • Einige Uses Cases: Wie kann Data Science und Machine Learning helfen?
  • Der OSEMN- und CRISP-DM Data Science Prozessmodell: Phasen, Vor- und Nachteile
  • Was braucht ein Data Scientist / Machine Learning Engineer an Kompetenzen?

Modul 2: Willkommen zu Python 

  • Python und Python-Bibliotheken als DAS Werkzeug für Data Science / Machine Learning
  • Historisches zu Python
  • Python-Grundlagen: Einfache und komplexe Datentypen (Listen, Dictionaries, Tupel), Schleifen, Funktionen, Klassen
  • Praxisbeispiel: Automatisch Aktienkurse mit Python abrufen, Diagramme erzeugen und speichern

Weitere Informationen hier zum Download……

Anmeldung per E-Mail: anmeldung@tcw-donau-ries.de