Training

Die gelisteten Trainings zu Splunk, Big Data, Spark/databricks, Machine Learning, Data Science und anderen Themen auf deutsch und englisch sind mit namhaften Kunden bereits erfolgreich durchgeführt worden und können Online oder vor-Ort erfolgen, am besten in Frankfurt am Main.

Für mehr Details und Preise wenden Sie sich bitte an training(at)buhlmeier.com

This is the Link to the English version.

Lernen Sie Splunk, Apache Spark/databricks und Data Science Methoden einzusetzenUnser Trainingsangebot ist in deutscher und englischer Sprache in deutscher Sprache mit dem Fokus Splunk, Big Data und Data Science. Die meisten unserer Kunden sind in Deutschland angesiedelt und die Trainer sprechen Deutsch als Muttersprache. Daher auch diese Seite in deutscher Sprache
In das Training fließt die Erfahrung aus Kundenprojekten ein und wir sind nicht verbunden mit einem der Produktanbieter, womit wir unabhängig und nicht aus dem ‘Elfenbeinturm’ beraten.

SIEM und andere Anwendungen mit Splunk

Splunk Grundlagen 1

Vorstellung und Erwartungen
Splunk im Kontext
Architektur
Grundlagen der Benutzeroberfäche
Suche Grundlagen
Benutzung von Feldern
Mehr Details zur Suchsprache
Übungen
Transformationen
Pivots

Splunk Grundlagen 2

Fragen und Feedback
Übungen:
Erstellung von Reports
Lookups
Alarme und regelmäßige Reports
Dashboards
CIM: das common information model
Bewertung von Installationen
Splunk Apps/Add ons, wie:
Enterprise Security
Machine Learning Toolkit
Implement your requirements

Dashboard Studio und Dashboard Classic mit Splunk (siehe auch Video auf Deutsch)

Verfügbare Frameworks
Wiederholung XML Dashboards
Classic vs. Dashboard Studio
Verwendung von Dasboard Studio
Chain Searches, Maps, ..
Übungen
Einführung zu Tokens
Token Beispiele mit XML Dashboards und Dasboard Studio
Übungen
Kompatibilität und Migration von XML Dashboards zu Dasboard Studio
Zusammenfassung

Datenbank Anbindungen und Visualisierungen mit Splunk (siehe auch Video auf Deutsch)

Einführung
Voraussetzungen
Konfiguration

Verwendung von DB Connect
Erstellung von Identities
Aufsetzen der Verbindung
Anlegen von Datenbank Inputs und Outputs
Anlegen und Managen von Databank Lookups

Weitere Funktionen und Troubleshooting
Verwendung des SQL Explorers zur Erstellung von Live Reports
Ausführen von SQL statements und stored procedures mit dem dbxquery Befehl
Überwachung Splunk DB Connect Health
Vorführung

Big Data mit Apache Spark, PySpark, databricks, Python, Scala

Einordnung Spark/PySpark und databricks
Spark einrichten, mit PyCharm oder VSCode
Erste Übungen
Pandas Dataframes vs. PySpark Dataframes, Best practices
Übungen zu Dataframes
Spark Streaming
Spark ML Lib 
PySpark mit SQL
Graphentheorie
Scala Überblick, Motivation
Installation mit Tests
Scala Übungen
Hello World
Objektorientierte Programmierung mit Scala
GraphX (Kontext, Historie, Restriktionen)
Übungen Elastic Search Anbindung (Prinzipdarstellung)

Operations Research mit Python

Teil 1

Definition, Problemstellungen und Problemlösungen
lineare Modelle, Algebra und die Geometrie solcher Modelle mit Übung (Textaufgabe)
Übersicht Modelle
MIP Bibliothek: (Mixed) Integer Programmierung mit Übungen (Knapsack, Scheduling)
Fortsetzung MIP Bibliothek: (Mixed) Integer Programmierung

Netzwerk-Modelle, Netzwerk-Algorithmen, dynamische Modelle
die Simplex-Methode
Sensitivitätsanalyse
Dynamische Programmierung

Teil 2
Dynamische Programmierung, Fortsetzung
Neuronale Netze
nichtlineare Programmierung
Warteschlangen-Simulation
deterministische Lagerverwaltung
probabilistische Lagerhaltungsmodelle
Zusammenfassung, Klärungen

Ausblick, Schlussfolgerungen
Vergleich der Python Pakete

Optional:
Vertiefung: nicht-lineare Zielfunktionen
Vertiefung: fortgeschrittene nichtlineare Programmierung

Machine Learning mit Python (von den Grundlagen zu Large Language Models, LLM)

Teil1

Machine Learning im Kontext
Machine Learning Grundlagen
Überwachtes Lernen
Unüberwachtes Lernen
Reinforcement Learning
Übungen
Überwachtes Lernen zur Mustererkennung: Video und Tensorflow.js
Netzwerk Architektur Experimente

Tieferer Einstieg in Machine Learning
Etwas Mathematik
Reinforcement Learning
Übung (Taxi Game Q-Learner)

Teil 2

Machine Learning mit Tensorflow
Der Backpropagation Algorithmus im Detail
Optional: Tensorflow 1 und 2: gut zu wissen
Coding with tensorflow
The Monte Carlo simulation
Neural Network with TF
Keras Tensorboard

Data processing steps, from source to prediction
Convolutional Layers in Tensorflow and their application
Time Series predictions with deep learning (Long – short term memory NN)
Explain-ability
Text classification: IMDB sentiment analysis
Generative models
For text creation
For image creation (exercise with own picture)
LLMs
Architecture
Refinements and success factors

Rechtliche Anmerkung

dbc-enterprise-it-consulting berät unabhängig und ist nicht mit einem Produkthersteller verbunden. Alle Markennamen sind im Besitz des jeweiligen Produktherstellers.