Software University-Programm

IoT, AI und maschinelles Lernen

Unsere Programme bieten Studenten den Vorteil einer Ausbildung auf Unternehmensniveau zu einem erschwinglichen Preis und die Möglichkeit, eine branchenweit anerkannte Zertifizierung zu erwerben.

IoT, KI und maschinelles Lernen mit Vertica

In der datengesteuerten Welt von heute müssen Unternehmen in der Lage sein, riesige Datenmengen in aussagekräftige Erkenntnisse zu verwandeln, und zwar mit derselben Geschwindigkeit, mit der auch ihr Geschäft läuft. Datenmanagement- und Analysetools sind ein wesentlicher Faktor für die Schaffung neuer Werte, die dort entstehen, wo das Internet der Dinge (IoT), Menschen und die physische Welt aufeinandertreffen. Drei der zehn gefragtesten Kompetenzen im Jahr 2018 waren Big Data, künstliche Intelligenz (KI) und Datenanalyse. Die Notwendigkeit einer Analyse großer Datenmengen nimmt rasch zu.

In diesem Programm erlernen Teilnehmer grundlegende Konzepte, Prinzipien und Ansätze zum Umgang mit modernen analytischen Workloads unter Einsatz von maschinellem Lernen, IoT-Lösungen und der Analyseplattform Vertica. Diese Analyseplattform ist für den Einsatz in Data Warehouses und anderen Big-Data-Workloads konzipiert, bei denen es für den Erfolg von Analysen darauf ankommt, schnell, skalierbar, einfach und offen zu sein.

Behandelte Themen

  • Die Architektur von IoT-Komponenten und -Geräten, Hardware- und Softwareanforderungen
  • Die verschiedenen Ebenen der IoT-Infrastruktur, IoT-integrierte Systeme und Mikrocontroller
  • Arbeit mit Big Data und Bereitstellung von Datenanalysen
  • Die Arduino- und Raspberry-Pi-Schnittstelle für IoT-USB-, HDMI- und Ethernet-Protokolle bei der IoT-Kommunikation
  • Steuerung physischer IoT-Geräte wie Schalter, Motoren und Sensoren
  • Programmierung für IoT-Komponenten und -Systeme
  • IoT-Unterstützung, -Sicherheit, -Tests, -Compliance und -Datenmanagement
  • Entwicklung intelligenter Agenten zur Lösung realer Probleme, z. B. von Such- und Spielproblemen, Problemen des maschinellen Lernens, logischen Constraint-Satisfaction-Problemen, wissensbasierten Systemen, probabilistischen Modellen und Entscheidungsfindung durch Agenten.
  • Beherrschung von TensorFlow durch Verständnis der TensorFlow-Konzepte, der Hauptfunktionen, Operationen und der Ausführungs-Pipeline
  • Entwicklung einer fundierten Intuition in Bezug auf Maschinelle Lernmodelle

release-rel-2020-7-1-4731 | Wed Jul 8 12:30:08 PDT 2020
4731
release/rel-2020-7-1-4731
Wed Jul 8 12:30:08 PDT 2020