Sören. Schmock

Der Überblickskurs Moderne Webarchitekturen: Technologien, Modelle, Lösungen zu den gängigen Prinzipien der Webarchitektur und -entwicklung richtet sich an alle am Softwareentwicklungsprozess Beteiligte und gleichsam an Businessleads und IT-Manager.
Zunächst stehen die Herausforderungen der Digitalisierung und die Grundlagen der Webtechnologie im Vordergrund. Dann folgt ein eingehender Blick auf Systeme und Daten, wobei die gängigen Lösungen wie Web Services und die Schnittstellen-Formate von XML bis JSON, sowie die verschiedenen Architekturansätze von API-first bis Data Hub im Fokus stehen. Darüber hinaus vertiefte ich einige wichtige Grundprinzipien der Programmierung.

Die Hauptinhalte umfassen:

• Den Herausforderungen an moderne Webtechnologie und -architektur begegnen
• 1. Webarchitektur - das Spielfeld
• Herausforderungen der Digitalisierung
• Softwarearchitektur und ihre Aufgaben
• Bedeutung und Positionierung des Tests im betrieblichen Alltag
• Grundlagen des Web - der Client
• Grundlagen des Web - der Server
• Von Servern und Clouds
• Was heißt "As as Service"?

• 2. Systeme und Daten - die Mitspieler
• Systeme und Services
• Frontend und Backend
• Schnittstellen im Überblick
• Schnittstellen: Arten des Datenaustauschs
• Schnittstellen: Datenformate
• KI als Mitspieler

• 3. Architekturansätze - die Taktik
• Systemarchitektur - der Spielplan
• Serviceorientierte Architektur
• "Headless" verstehen
• Das API-first-Prinzip
• Microservices verstehen
• Best of Breed oder Integration
• Data Hub und Co.
• Single Sign On

• 4. Prinzipien der Webentwicklung - die Regeln
• Guter und schlechter Code
• Definition of Done
• Wiederkehrende Aufgaben und Entwurfsmuster
• Muster zur Datenverarbeitung
• Wiederkehrende Aufgaben und Frameworks
• Systeme und Qualität

Der Kurs Data Literacy – Daten interpretieren durch Data Mining zeigt, was Data Mining ist, und gibt einen theoretischen und praktischen Einblick in unterschiedliche Methoden des Data Minings.
Der Schatz des Data Mining sind tatsächlich große Datenmengen, aus denen man neue Erkenntnisse über die Zusammenhänge unter ihnen gewinnen will. Mit den entsprechenden Daten sind genaue Vorhersagen möglich. Wie geschieht das? Und wie kann ein Programm selber aus Daten lernen? Dieser Kurs gibt hierzu eine Einführung. Selbstlernende Algorithmen des Data Mining werden vorgestellt und ihre Ideen anschaulich erklärt. Sie sind dazu eingeladen, diese dann selber in unterschiedlichen Problemstellungen, beispielsweise an echten Datensätzen in Jupyter Notebooks, anzuwenden.

Hier sind einige der Hauptinhalte:

• Alle Schritte eines Data Mining Projektes werden durchgegangen
• Wichtige Algorithmen des überwachten und des unüberwachten Lernens werden anschaulich erläutert und durchgeführt
• Alle vorgestellten Methoden werden auf Beispiele angewendet und die Ergebnisse diskutiert
• Fachliche und ethische Grenzen werden aufgezeigt

Nach Abschluss des Zertifikats können Fragestellungen des Data Minings mit einer systematischen Vorgehensweise bearbeitet werden.
Geeignete Verfahren des Data Minings können ausgewählt und die Ergebnisse beurteilt werden.
Einfache und komplexe Programmieraufgaben zu Data Mining lassen sich in Python lösen.