Diese Weiterbildung verdeutlicht Ihnen den elektrischen und mechanischen Aufbau der Automatisierungssysteme, die Konfiguration und Parametrierung der Hardware, die Handhabung der STEP7 Basis Software sowie Grundlagen der Programmierung.
Alle Themen werden durch praktische Übungen mit dem Automatisierungssystem S7-300 an einem Anlagenmodell vertieft.
Zielgruppe
Facharbeiter, Meister, Techniker und andere Fachkräfte aus dem Elektrobereich, die zur Projektierung, Wartung, Instandhaltung und Inbetriebnahme von SPS-gesteuerten Anlagen eingesetzt werden.
Voraussetzungen
Grundkenntnisse aus der Elektrotechnik, PC Grundkenntnisse
Lernziele
Der Kurs vermittelt Grundkenntnisse über den elektrischen und mechanischen Aufbau der Automatisierungssysteme, die Konfiguration und Parametrierung der Hardware, die Handhabung der STEP7© Basis-Software und Grundlagen der Programmierung.
Inhalte:
- Systemübersicht und wesentliche Leistungsmerkmale der Systemfamilie SIMATICS7© kennen
- Die Komponenten des Basispakets STEP7© kennen und anwenden können
- Programmbearbeitung im Automatisierungssystem kennen
- Binäre und digitale Operationen kennen und anwenden können
- Adressierung und Verdrahtung der Signalmodule kennen und durchführen können
- Hard- und Software-Inbetriebnahme des Automatisierungssystems durchführen können
- Hardwarekonfiguration und -parametrierung bei S7-300© kennen und durchführen können
- Vertiefung der Kenntnisse durch Übungen am Gerät
© eingetragenes Warenzeichen der Fa. Siemens AG
Preis: 1775,00 € + MwSt.
Anmeldung bitte per E-Mail unter: anmeldung@tcw-donau-ries.de
Informationsabend zum Online-Zertifikatskurs „Data Science und Machine Learning Experte“
Bitte Anmeldung unter: anmeldung@tcw-donau-ries.de
weitere Informationen zum Zertifikatskurs —> hier
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
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
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
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
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
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
Profis erkennt man sofort E-Mail-Kommunikation – der Betreff muss (be)treffen
E-Mails sind das Kommunikationsmittel Nummer 1 in der modernen, globalen Arbeitswelt. Doch während in der Regel jeder gelernt hat, einen Geschäftsbrief zu schreiben, war die korrekte Geschäftsmail bei den wenigsten ein Thema während der Ausbildung oder im Studium. So beherrscht bis heute „Learning by doing“ die E-Mail-Kommunikation – mit zum Teil fatalen Folgen: Inhalte werden missverstanden, wichtige Informationen gar nicht gelesen. Zudem werden Arbeitsprozesse negativ beeinflusst, wodurch Zeit verloren geht und Kosten in Millionenhöhe entstehen.
Erschwerend kommt hinzu: Die über 280 Milliarden (!) E-Mails, die allein in Deutschland täglich versendet werden, verursachen bei den Mitarbeitern nachweisbar Stress und Unzufriedenheit. Bleibt die Frage: Wie kann man E-Mails gewinnbringend, effektiv und ohne Stress für sich selbst und das Unternehmen nutzen?
Die Antwort liefert Ihnen unser Workshop „Professionelle und zeitgemäße E-Mail-Kommunikation“.
Zielgruppe: Alle, die im täglichen Berufsleben durch eine professionelle E-Mail-Kommunikation überzeugen wollen.
Auszüge aus dem Inhalt:
- Welches sind die größten Fehler beim Einsatz von E-Mails und wie kann man sie vermeiden?
- Was muss man sprachlich beachten, damit die E-Mail garantiert gelesen wird und nicht in der „Warteschleife“ landet?
- Welche Struktur hat eine geschäftliche E-Mail?
- Wie muss man formulieren, damit die E-Mail auf den Empfänger professionell-modern aber keinesfalls zu locker aber auch nicht „old-school“ wirkt?
- Wie muss man Anfragen und Botschaften formulieren, damit der Empfänger gerne und positiv antwortet?
- Woran erkennen Sie und Ihre Geschäftspartner eine professionelle E-Mail-Kommunikation?
- Wie wird man der E-Mail-Flut Herr, spart Kosten und vermeidet Stress?
u.v.m.
Preis: 349,00 € + MwSt.
Anmeldung per E-Mail unter: anmeldung@tcw-donau-ries.de
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