Takviyeli Öğrenme ile Veri Bilimcisi, ITIL® Foundation (Sürüm 5) ve PRINCE2® Project Management Foundation (Sürüm 7)
Veri bilimcileri, verilerin işlenmesi ve analizinden sorumludur ve karmaşık veri kalıplarını temel alarak iş senaryolarını tahmin etmeye yönelik modeller oluşturabilirler. Bu nedenle kurs, öncelikle veriler ve veritabanlarının gereksinimlerini, veri ambarı modellemesini ve ETL sürecini açıklamaktadır. Bir diğer odak noktası ise Büyük Veri bağlamında veri analizi ile bunun programlanması, görselleştirilmesi ve yönetilmesidir. Ayrıca, veri hazırlama ve model geliştirmeden değerlendirme ve yorumlamaya kadar makine öğreniminin tüm iş akışı öğretilir. Bu süreçte regresyon, sınıflandırma, sinir ağları, üretken yapay zeka ve doğal dil işleme gibi yöntemlerin yanı sıra modellerin devreye alınması hakkında bilgi edineceksiniz. Son olarak, kurs sinir ağlarına dayalı derin öğrenme yöntemlerini açıklamaktadır. Kurs kapsamında ayrıca, en iyi sonuçları elde etmek için pekiştirmeli öğrenme yazılımını deneme yanılma yoluyla nasıl eğiteceğinizi öğrenecek ve proje yönetimi ile süreç optimizasyonu için PRINCE2® ve ITIL® konusunda eğitim alacaksınız.
-
Derece türü: "Veri Bilimcisi" Sertifikası
Takviyeli Öğrenme" sertifikası
"ITIL® Foundation (Sürüm 5)" Sertifikası
"PRINCE2® Project Management Foundation (Sürüm 7)" Sertifikası -
Ek nitelikler: Veri Mühendisi" sertifikası
Veri Analitiği" sertifikası
Makine Öğrenimi" sertifikası
Derin Öğrenme" sertifikası -
Final Sınavı: Praxisbezogene Projektarbeiten mit Abschlusspräsentationen
ITIL® Foundation (Version 5) (Prüfungsvoucher im Kurs enthalten)
PRINCE2® Project Management Foundation (Version 7) (Prüfungsvoucher im Kurs enthalten) -
Ders saatleri: Tam zamanlıPazartesi'den Cuma'ya 8:30 - 15:35 (resmi tatil olan haftalarda 8:30 - 17:10)
-
Eğitim dili: Alman
-
Süre: 24 Haftalar
Veri Mühendisi
Veri Mühendisliği ve Veri Mimarilerinin Temelleri (yaklaşık 2 gün)
Veri Mühendisliğinde Görevler ve Uygulama Alanları
Modern veri mimarileri ve veri platformlarının temelleri
Bulut tabanlı veri mimarilerinin temelleri ve karşılaştırması
OLTP ve OLAP
Yapılandırılmış, yarı yapılandırılmış ve yapılandırılmamış verilerin işlenmesi
Gereksinim Yönetimi ve Veri Modelleme (yaklaşık 1 gün)
Verilere ve veri kaynaklarına yönelik gereksinimler
Kavramsal veri modelleme
Veri yapıları ve veri akışlarının modellemesi
Veri Sözleşmeleri, Veri Yönetişimi ve Veri Kaynağı İzleme
Veritabanları ve Veri İşleme (yaklaşık 1 gün)
Veritabanı Sistemlerinin Mimarisi
SQL, NoSQL ve NewSQL karşılaştırması
İlişkisel veri modelleme
Verilerin Sorgulanması ve İşlenmesi için SQL
Veri Depolama ve Modern Veri Mimarileri (yaklaşık 2 gün)
Veri ambarı sistemlerinin temelleri ve mimarisi
Boyutsal veri modelleme ve şema tasarımı
Faktörler, boyutlar ve tarihsel veri depolama
Veri Ambarı, Veri Gölü ve Lakehouse Karşılaştırması
dbt'ye Giriş
Veri modellerinin uygulamaya yönelik hayata geçirilmesi
Veri Entegrasyonu ve Veri Akışları (yaklaşık 5 gün)
Veri entegrasyonu ve veri hazırlama
ETL ve ELT Süreçleri
Veri Boru Hatlarının Oluşturulması ve Koordinasyonu
Veri Temizleme, Doğrulama ve Veri Kalitesi
Toplu ve Akış İşleme
Airflow ve Spark'ın uygulamaya yönelik kullanımı
Programlama ve otomatik veri işleme (yaklaşık 4 gün)
Python ortamları ve paket yönetimi
Python ile veri işleme ve dönüştürme
Veri işleme süreçlerinin otomasyonu
Farklı veri kaynakları ve arayüzlerin entegrasyonu
Veri mühendisliği iş akışlarının geliştirilmesi
Docker ile konteynerleştirme
Geliştirme ve veri işleme süreçlerinde yapay zeka destekli yardım
Proje çalışması (yaklaşık 5 gün)
Öğrenilen içeriği pekiştirmek için
Proje sonuçlarının sunumu
Veri analitiği
Veri Analitiğine Giriş (yaklaşık 1 gün)
Veri Analitiğinin Görevleri, Uygulama Alanları ve Tipik Uygulama Örnekleri
Veri Analitiği Süreçleri ve CRISP-DM
Veri Analistinin Rolü ve Veri Bilimi, Veri Mühendisliği ve İş Zekası ile Arasındaki Farklar
Yapay Zeka ve Makine Öğreniminin Sınıflandırılması
Veri Analitiği için Python (yaklaşık 1 gün)
Jupyter Notebook'larla Çalışma
Veri analizi için NumPy ve Pandas
Çeşitli veri kaynaklarından (örn. Excel ve CSV) veri içe ve dışa aktarma
Verilerin Seçimi ve Dönüştürülmesi
Veri hazırlama ve keşifsel veri analizi (yaklaşık 3 gün)
Pandas ile veri temizleme ve dönüştürme
Eksik, hatalı ve dikkat çeken verilerin işlenmesi
Verilerin birleştirilmesi, gruplandırılması ve toplanması
Keşifsel veri analizi ve ilk bulguların çıkarılması
İstatistiksel değerlendirmelerin temelleri
SQL ve Veri Yönetimi (yaklaşık 2 gün)
İlişkisel veritabanları ve veri modelleri
SQL ile veri sorgulama ve işleme
Birleştirme, toplama ve analitik sorgular
Veri analizinde SQL ve Python'un birlikte kullanımı
Veri kalitesi ve veri gizliliği
Farklı veri kaynakları ve veritabanı sistemlerine bağlanma ve bunları kullanma
Veri Görselleştirme ve Veri Anlatımı (yaklaşık 2 gün)
Matplotlib, Seaborn ve Plotly ile görselleştirme
Uygun grafiklerin ve görselleştirme biçimlerinin seçimi
Analiz sonuçlarının işlenmesi ve yorumlanması
Veri Anlatımı ve hedef kitleye uygun iletişim
Power BI ve etkileşimli gösterge panelleri (yaklaşık 2 gün)
Power Query ile veri içe aktarma ve hazırlama
Veri modelleme ve ilişkiler
DAX ve metriklerin temelleri
Etkileşimli raporlar ve gösterge panelleri oluşturma
İş KPI'larının görselleştirilmesi ve iletişimi
Alternatif iş zekası ve görselleştirme çözümlerine genel bakış
Yapay zeka destekli veri analizi (yaklaşık 2 gün)
Veri analizi iş akışında üretken yapay zekanın kullanımı
AI destekli veri hazırlama, analiz ve görselleştirme
Python ve SQL sorgularında destek
Veri analizleri için komut satırı yönlendirmeleri ve sonuçların yorumlanması
Veri kaynaklarının eleştirel değerlendirmesi ile sentetik ve mantıksız verilerin tespiti
Kalite güvencesi, veri koruma ve sorumlu yapay zeka kullanımı
İş Analitiği ve İstatistiksel Temeller (yaklaşık 2 gün)
İşletme bağlamında göstergeler ve KPI'lar
Tanımlayıcı İstatistik ve İstatistiksel İlişkiler
Korelasyon, nedensellik ve basit regresyon analizleri
Güven aralıkları ve hipotez testlerinin temelleri
Analiz sonuçlarının yorumlanması ve verilere dayalı eylem önerilerinin türetilmesi
Proje çalışması (yaklaşık 5 gün)
Öğrenilen içeriği pekiştirmek için
Proje sonuçlarının sunumu
Makine Öğrenimi
Makine Öğrenimine Giriş ve ML İş Akışı (yaklaşık 3 gün)
Makine Öğreniminin Temelleri, Uygulama Alanları ve Türleri
Modern Yapay Zeka ve Makine Öğrenimi Yöntemlerinin Sınıflandırılması
scikit-learn ile Makine Öğrenimi İş Akışı
Eğitim, doğrulama ve test verileri
Underfitting, Overfitting ve Model Değerlendirmesi
Çapraz Doğrulama
Veri Hazırlama ve Özellik Mühendisliği (yaklaşık 2 gün)
Veri kalitesi ve veri ön işleme
Ölçeklendirme, Normalleştirme ve Kodlama
Özellik Mühendisliği ve Özellik Seçimi
Eksik değerler, uç değerler ve dengesiz veri kümeleriyle başa çıkma
Denetimli Öğrenme – Regresyon ve Sınıflandırma (yaklaşık 5 gün)
Regresyon ve Sınıflandırma Yöntemleri
Doğrusal ve düzenlemeli modeller
Mesafe, olasılık ve ağaç tabanlı yöntemler
Ensemble ve Boosting yöntemleri
Model karşılaştırması ve hiperparametre optimizasyonu
Değerlendirme metrikleri ve olasılıksal tahminler
Özellik Önemliliği ve Açıklanabilir Yapay Zeka
Gözetimsiz öğrenme (yaklaşık 2 gün)
Boyut azaltma ve özellik çıkarma
Kümeleme yöntemleri ve kümeleme sonuçlarının değerlendirilmesi
Anomali Tespiti
Zaman Serisi Analizi ve Tahminler (yaklaşık 1 gün)
Zaman serisi verilerinin temelleri ve analizi
Zaman serileri için tahmin yöntemleri ve makine öğrenimi
Sinir ağları ve modern yapay zeka (yaklaşık 2 gün)
Sinir ağlarının temelleri ve derin öğrenme
Metin verileri için makine öğrenimi ve doğal dil işleme
Temel Modeller, Büyük Dil Modelleri ve üretken yapay zeka
ML modellerinin devreye alınması (yaklaşık 1 gün)
Eğitimli modellerin depolanması ve sunumu
Basit makine öğrenimi uygulamalarının geliştirilmesi
Makine öğrenimi modelleri için arayüzler ve platformlar
Proje çalışması (yaklaşık 4 gün)
Öğrenilen içeriği pekiştirmek için
Proje sonuçlarının sunumu
Derin öğrenme
Derin Öğrenmeye Giriş (yaklaşık 1 gün)
Bir makine öğrenimi türü olarak derin öğrenme
Sinir ağlarının temelleri (yaklaşık 4 gün)
Çok katmanlı algılayıcılar
Sinir ağlarının hesaplanması
Model parametrelerinin optimizasyonu, geriye yayılım
Derin öğrenme kütüphaneleri
Regresyon vs. sınıflandırma
Tipik kayıp ve aktivasyon fonksiyonları
Model tahmininin metriklerle değerlendirilmesi
Regresyon ve sınıflandırma metrikleri
Öğrenme eğrileri, aşırı uyum ve düzenlileştirme
Hiperparametre optimizasyonu
L1/12 düzenlemesi
Okulu Bırakma
Erken durdurma
Stokastik gradyan inişi (SGD)
Momentum, Adam Optimiser
Öğrenme oranının optimizasyonu
Dinamik öğrenme oranı ayarı
Platoda öğrenme oranını azaltın
TensorBoard ile öğrenme oranı optimizasyonu
Uyum sürecini geri aramalarla kontrol edin
Modelleri kaydetme ve yükleme
Evrişimsel Sinir Ağı (CNN) (yaklaşık 2 gün)
Görüntü sınıflandırma
Konvolüsyonel katmanlar, havuzlama katmanları
Katmanları yeniden şekillendirme, düzleştirme, küresel ortalama havuzlama
CNN mimarileri ImageNet-Competition
Derin sinir ağları, kaybolan gradyanlar, atlama bağlantıları, toplu normalizasyon
Transfer öğrenimi (yaklaşık 1 gün)
Modellerin uyarlanması ve birleştirilmesi
Denetimsiz ön eğitim
Görüntü verisi artırımı, açıklanabilir yapay zeka
Veri yükleyici
Bölgesel CNN (yaklaşık 1 gün)
Nesne lokalizasyonu
Anlamsal segmentasyon
Regresyon sorunları
Dallanmış sinir ağları
YOLO mimarisi
U-Net modelleri
Yaratıcı imaj oluşturma yöntemleri (yaklaşık 1 gün)
Üretken Çekişmeli Ağlar (GAN)
Deepfakes
Difüzyon modelleri
Süperçözünürlük
Görüntü alanlarını tamamlama
Hugging Face'in fondöten modellerini uygulayın
Multimodal modeller
LoRA-İnce Ayar
Üretken modellerin uygulama alanları
Yasal kısıtlamalar
Tekrarlayan sinir ağları (yaklaşık 2 gün)
Dizi analizi
Tekrarlayan katmanlar
Zaman içinde geri yayılım (BPTT)
Zaman serilerinin analizi
Patlayan ve kaybolan gradyan problemleri
LSTM (Uzun Kısa Süreli Bellek)
GRU (Gated Recurrent Unit)
Derin RNN
Derin LSTM
Sinir ağları kullanarak metin işleme (yaklaşık 2 gün)
Metin ön işleme
Katmanları gömme
Metin sınıflandırması
Duygu analizi
Doğal Dil İşleme (NLP)
Çeviriler
Metin oluşturma
Diziden diziye yöntemi, kodlayıcı-kod çözücü mimarisi
Yalnızca kodlayıcı ve yalnızca kod çözücü modelleri
Büyük dil modellerinin yerel uygulaması
Dil modelleri (yaklaşık 1 gün)
Transfomer mimarisi
Dikkat ve Çok Başlı Dikkat
Konumsal Kodlamalar
Büyük dil modellerine ince ayar yapma
Yönlendirme
Metin üretim hatları
Özetleme
Sohbet Robotları
Geri Alma Artırılmış Nesil
Yapay zeka ajanları
Derin pekiştirmeli öğrenme (yaklaşık 1 gün)
Dinamik sistemlerin kontrolü
Temsilci sistemleri
Ödüller aracılığıyla eğitim
Politika eğimleri
Derin Q-öğrenme
Bayesian sinir ağları (yaklaşık 1 gün)
Sinir ağlarındaki belirsizlikler
Tahminlerin istatistiksel değerlendirmesi
Güven, standart sapma
Dengesiz veri
Örnekleme yöntemleri
Proje çalışması (yaklaşık 3 gün)
Öğrenilen içeriği pekiştirmek için
Proje sonuçlarının sunumu
Pekiştirmeli Öğrenme
Pekiştirmeli öğrenmeye giriş (yaklaşık 1 gün)
Tanım ve temel kavramlar
Diğer öğrenme yöntemlerinden farklılıkları
Uygulama alanları ve örnekler
Markov Karar Süreçleri (MDP'ler) (yaklaşık 2 gün)
MDP'lerin tanımı ve özellikleri
Değer fonksiyonları ve politika
Bellman denklemleri
Dinamik Programlama Yaklaşımı
Q-Learning (yaklaşık 2 gün)
Tanım ve algoritma
Keşif vs. sömürü
Yakınsama ve optimizasyon özellikleri
Oyunlar, robotik ve diğer alanlardaki uygulamalar
Derin pekiştirmeli öğrenme (yaklaşık 3 gün)
Derin Q-Öğrenme
Derin Belirleyici Politika Gradyanları (DDPG)
Aktör Eleştirel Yöntemler
Politika Gradyan Yöntemleri
İleri düzey konular (yaklaşık 4 gün)
Model Tabanlı Pekiştirmeli Öğrenme
Çok Ajanlı Takviyeli Öğrenme
Ters Takviyeli Öğrenme
Meta Takviyeli Öğrenme
Pratik uygulamalar (yaklaşık 3 gün)
Takviyeli öğrenme algoritmalarının uygulanması
Seçilmiş problemlere ve vaka çalışmalarına uygulama
Algoritmaların değerlendirilmesi ve ayarlanması
Özet ve genel görünüm (yaklaşık 2 gün)
En önemli kavramların ve sonuçların özeti
Pekiştirmeli öğrenmede karşılaşılan zorluklar ve gelecekteki gelişmeler
Proje çalışması (yaklaşık 3 gün)
Öğrenilen içeriği pekiştirmek için
Proje sonuçlarının sunumu
ITIL® Foundation (Sürüm 5)
Önemli ITIL terimleri ve tanımları (yaklaşık 2 gün)
Dijital ürün ve hizmetlerin yönetimi
Ürünler, hizmetler ve hizmet teklifleri
Değer yaratma ve hizmet ilişkileri
Hizmet tüketicileri, hizmet sağlayıcılar, sponsorlar, müşteriler ve kullanıcılar
Hizmet kalitesi ve hizmet seviyesi anlaşmaları (SLA)
Fayda, garanti, kullanıcı deneyimi ve sürdürülebilirlik
ITIL ürün ve hizmet yaşam döngüsü
Sürekli İyileştirme
ITIL ürün ve hizmet yönetiminin dört boyutu (yaklaşık 1 gün)
Kurumlar ve insanlar
Ortaklar ve tedarikçiler
Bilgi ve teknoloji
Değer akışları ve süreçler
Bütünsel yaklaşım ve dış etkenler
ITIL ürün ve hizmet yaşam döngüsü (yaklaşık 1 gün)
Keşfet, Tasarla, Edin ve İnşa Et
Geçiş, İşletim, Teslimat ve Destek
Ürün ve hizmet yaşam döngüsünde değer yaratma
Yaşam döngüsünün yinelemeli ve doğrusal olmayan kullanımı
ITIL Değer Sistemi (yaklaşık 2 gün)
ITIL Değer Sisteminin bileşenleri ve ITIL temel ilkeleri
Yönetişim, değer zinciri ve işletme modeli
Yönetim uygulamaları, uygulama kılavuzları ve sürekli iyileştirme
Değer odaklılık, işbirliği ve optimizasyon
Hizmet operasyonları, sürümler ve sorun yönetimi
Sürekli entegrasyon, sürekli teslimat ve sürekli dağıtım
Saha güvenilirlik mühendisliği (SRE) ve gözlemlenebilirlik
Metrikler ve Kritik Başarı Faktörleri (CSF)
Değer akışının belirlenmesi, haritalanması ve yönetimi (yaklaşık 1 gün)
Değer akışları ve değer akışı yönetimi
Ana değer akışları ve destekleyici değer akışları
Karmaşık düşünme ve iş akışı optimizasyonu
Değer akışı haritalama
ITIL ve Yapay Zeka (yaklaşık 0,5 gün)
Yapay zeka (YZ) ve YZ olgunluğu
Üretken Yapay Zeka (GenAI) ve Agentik Yapay Zeka
Ürün ve hizmet yaşam döngüsünde yapay zeka
Yapay zeka yönetişimi
ITIL ve diğer çerçeveler (yaklaşık 0,5 gün)
ITIL ve DevOps
ITIL ve PRINCE2
Ürün ve hizmet yaşam döngüsünde proje yönetimi
Proje çalışması, sertifikasyon hazırlığı ve sertifikasyon sınavı (yaklaşık 3 gün)
PRINCE2® Project Management Foundation (Sürüm 7)
PRINCE2® temelli proje yönetimine giriş (yaklaşık 1 gün)
Bir projenin tanımı ve özellikleri
Proje yönetiminin proje kontrol döngüsü ve altı proje boyutu
Proje yönetimindeki zorluklar - projeler neden başarısız olur?
PRINCE2® proje yönetimi yönteminin avantajları
Müşteri-tedarikçi ortamları
Ticari bir ortamdaki projeler
PRINCE2® yönteminin yapısı ve beş entegre yapı taşı
PRINCE2®'nin yönetim ürünleri
Modern proje yönetiminde dijital araçlar ve yapay zeka destekli analiz
PRINCE2® temel ilkeleri (yaklaşık 1 gün)
PRINCE2®'nin yedi temel ilkesi
Temel ilkelerin açıklamaları ve içerikleri
Temel ilkeler ve PRINCE2® konuları arasındaki ilişki
PRINCE2®'nin dijital çalışma yöntemleri dikkate alınarak proje ortamına uyarlanması
PRINCE2® projeleri için insanların önemi (yaklaşık 1 gün)
Değişim yönetimi
Liderlik ve yönetim
Projede iletişim
Dijital ve yapay zeka destekli sistemlerin işbirliği ve değişim süreçleri üzerindeki etkileri
PRINCE2®'nin yedi konusu (yaklaşık 3 gün)
İş vakası (fayda yönetimi yaklaşımı ve sürdürülebilirlik yönetimi yaklaşımı)
Organizasyon (proje yapısı, roller ve sorumluluklar)
Planların oluşturulması
Kalite planlama ve kalite kontrol
Modern analiz yöntemleri ve veriye dayalı değerlendirmelerle risk yönetimi
Sorun yönetimi
Proje ilerlemesinin kontrolü
Yedi PRINCE2® süreci (yaklaşık 2 gün)
Yedi PRINCE2® sürecinin proje sürecindeki etkileşimi
İlgili PRINCE2® süreçlerindeki faaliyetler
Bir projenin hazırlanması, yönlendirilmesi ve başlatılması
Bir fazın kontrol edilmesi
Ürün teslimatının yönetilmesi
Faz geçişlerinin yönetilmesi
Bir projeyi kapatma
Proje çalışması, sertifikasyon hazırlığı ve sertifikasyon sınavı (yaklaşık 2 gün)
Değişiklikler mümkündür, kurs içeriği düzenli olarak güncellenmektedir.
Verilerin harmanlanması, hazırlanması, zenginleştirilmesi ve aktarılmasının yanı sıra makine öğreniminin uygulanmasına ilişkin süreçlere aşinasınız. Ayrıca derin öğrenmenin uygulama alanlarına ve sinir ağlarının işleyişine de aşinasınız.
Ayrıca takviyeli öğrenmenin temel kavramlarını anlayacak ve diğer öğrenme yöntemlerinden farklarını bileceksiniz. Markov karar süreçleri, Q-öğrenme ve derin pekiştirmeli öğrenmeye aşina olacak ve çok ajanlı ve model tabanlı pekiştirmeli öğrenme gibi ileri düzey konuları uygulayabileceksiniz.
Ayrıca ITIL® Foundation'a (sürüm 5) göre dijital ürün ve hizmetleri yönetmenin temel kavramlarını da anlıyorsunuz. ITIL ürün ve hizmet yaşam döngüsü, ITIL Değer Sistemi, değer akışları, değer yaratma ve hizmet ilişkilerinin yanı sıra yapay zeka, otomasyon ve sürekli iyileştirme gibi modern kavramlara aşinasınız ve bunları kurumsal bağlamda sınıflandırabilirsiniz. Ayrıca PRINCE2® projeleri üzerinde çalışabilecek ve bu projelerin süreçlerine ve terminolojisine aşina olacaksınız. Ayrıca BT projelerini planlayıp uygulayabilecek ve başarılarını ölçebileceksiniz.
Veri bilimciler, lojistik, çevrimiçi perakende ve pazarlama, enerji endüstrisi ve ayrıca sağlık sektörü gibi büyük miktarda verinin analizi ve modellenmesine dayalı olarak iş süreçlerini optimize etmek isteyen şirketlerde kullanılmaktadır.
Takviyeli öğrenme ile robotik ve otomasyon teknolojisinin yanı sıra otomotiv endüstrisinde, örneğin sürücü destek fonksiyonlarında veya otonom ulaşım sistemlerinin geliştirilmesi ve optimizasyonunda sıklıkla kullanılan sektörler arası bilgiler de edineceksiniz.
ITIL® ve PRINCE2® ile BT hizmet ve proje yönetimi bilgisiyle, özellikle BT sektöründe yüksek talep gören ek bir yeterliliğe sahip olursunuz.
Didaktik kavram
Eğitmenleriniz hem profesyonel hem de didaktik açıdan son derece kalifiyedir ve size ilk günden son güne kadar ders verecektir (kendi kendine çalışma sistemi yoktur).
Etkili küçük gruplar halinde öğreneceksiniz. Kurslar genellikle 6 ila 25 katılımcıdan oluşmaktadır. Genel dersler, tüm kurs modüllerinde çok sayıda pratik alıştırma ile desteklenmektedir. Uygulama aşaması kursun önemli bir parçasıdır, çünkü bu süre zarfında öğrendiklerinizi işler ve uygulamada güven ve rutin kazanırsınız. Kursun son bölümü bir proje, bir vaka çalışması veya bir final sınavını içerir.
Sanal sınıf alfaview®
BildungszentrumDersler, modern alfaview® video teknolojisi kullanılarak kendi evinizin rahatlığında ya da 'deki tesislerimizde gerçekleştirilir. Tüm kursiyerler alfaview® aracılığıyla birbirlerini yüz yüze görebilir, birbirleriyle dudak senkronize ses kalitesinde iletişim kurabilir ve ortak projeler üzerinde çalışabilir. Elbette, bağlı eğitmenlerinizi de istediğiniz zaman canlı olarak görebilir ve onlarla konuşabilirsiniz ve kursun tüm süresi boyunca eğitmenleriniz tarafından gerçek zamanlı olarak eğitileceksiniz. Dersler e-öğrenme değil, video teknolojisi aracılığıyla gerçek canlı yüz yüze öğretimdir.
alfatraining Agentur für Arbeit Eğitim kursları, AZAV onay yönetmeliğine uygun olarak sübvanse edilmekte ve sertifikalandırılmaktadır. Bildungsgutschein Aktivierungs- und VermittlungsgutscheinKurs başvurusunda bulunduğunuzda, kurs masraflarının tamamı genellikle finansman kuruluşunuz tarafından karşılanır.
Europäischen Sozialfonds Deutsche Rentenversicherung (ESF), (DRV) veya bölgesel finansman programları aracılığıyla da finansman mümkündür. Berufsförderungsdienst Düzenli bir asker olarak, (BFD) aracılığıyla daha fazla eğitim kursuna katılmak mümkündür. Agentur für Arbeit (Qualifizierungschancengesetz) Şirketler de çalışanlarını (BFD) tarafından sağlanan bir finansman programı aracılığıyla kalifiye hale getirebilirler.