Werden Sie ein Experte für Cybersicherheit, indem Sie Informatik und Datenanalyse beherrschen und so Ihre Beschäftigungsfähigkeit in einem zunehmend boomenden Sektor erheblich verbessern“ 

Angetrieben durch die ständigen Fortschritte in der Informatik hat sich nicht nur die Technologie stark verbessert, sondern auch die digitalen Werkzeuge selbst, mit denen viele Aufgaben heute erledigt werden. Die Kehrseite der Medaille ist, dass diese Fortschritte auch zu einem Anstieg der IT-Schwachstellen geführt haben. Aus diesem Grund suchen immer mehr Unternehmen nach Fachleuten, die auf Cybersicherheit spezialisiert sind und ihnen einen angemessenen Schutz gegen alle Arten von Computerangriffen bieten können.  

In diesem Informatik, Cybersicherheit und Datenanalyse wird der Informatiker in der Lage sein, sich mit Aspekten wie der Sicherheit bei der Entwicklung und dem Design von Systemen, den besten kryptographischen Techniken oder der Sicherheit in Cloud Computing-Umgebungen zu befassen. Dieses Programm konzentriert sich unter anderem auf die Grundlagen der Programmierung und Datenstruktur, Algorithmen und Komplexität sowie auf den fortgeschrittenen Entwurf von Algorithmen, fortgeschrittene Programmierung, Sprachprozessoren und Computergrafik. All dies mit zahlreichen multimedialen Lehrmitteln, unterrichtet von den renommiertesten und spezialisiertesten Dozenten auf diesem Gebiet. 

Andererseits befasst sich diese Qualifizierung aus technischer und geschäftlicher Sicht mit der Datenwissenschaft und bietet alle notwendigen Kenntnisse, um das in ihnen verborgene Wissen zu extrahieren. Auf diese Weise können Informatiker die verschiedenen Algorithmen, Plattformen und aktuellsten Tools für die Erforschung, Visualisierung, Manipulation, Verarbeitung und Analyse von Daten im Detail analysieren. All das, ergänzt durch die Entwicklung von betriebswirtschaftlichen Fähigkeiten, die notwendig sind, um ein Niveau auf Führungsebene zu erreichen, das es ermöglicht, wichtige Entscheidungen in einem Unternehmen zu treffen.   

Diese Weiterbildung vermittelt den Fachleuten also die spezifischen Werkzeuge und Fähigkeiten, um ihre berufliche Tätigkeit in der breiten Umgebung der Informatik erfolgreich zu entwickeln. Es wird an Schlüsselkompetenzen wie der Kenntnis der Realität und der täglichen Praxis in verschiedenen IT-Bereichen und die Entwicklung von Verantwortung bei der Überwachung und Beaufsichtigung ihrer Arbeit sowie von spezifischen Fähigkeiten in jedem Bereich gearbeitet. 

Mit dieser Qualifikation können sich Informatiker auf Informatik, Cybersicherheit und Datenanalyse spezialisieren und so ihre berufliche Karriere vorantreiben. All dies wird dank eines 100%igen Online-Programms greifbar, das sich an die täglichen Bedürfnisse von Berufstätigen anpasst, so dass Sie nur ein Gerät mit Internetanschluss benötigen, um mit der Arbeit an einem vollständigen Berufsprofil mit internationaler Projektion zu beginnen. 

Erwerben Sie auf bequeme und einfache Weise die notwendigen Kenntnisse in Informatik, Cybersicherheit und Datenanalyse, um eine qualitativ hochwertige Computerprogrammierung durchzuführen“ 

Dieser Weiterbildender Masterstudiengang mit Spezialisierung in Informatik, Cybersicherheit und Datenanalyse enthält das vollständigste und aktuellste Programm auf dem Markt. 
Die hervorstechendsten Merkmale sind: 

• Die Entwicklung von Fallstudien, die von Experten der Informatik präsentiert werden 
• Der anschauliche, schematische und äußerst praxisnahe Inhalt soll wissenschaftliche und praktische Informationen zu den für die berufliche Praxis wesentlichen Disziplinen vermitteln 
• Er enthält praktische Übungen in denen der Selbstbewertungsprozess durchgeführt werden kann um das Lernen zu verbessern 
• Ein besonderer Schwerpunkt liegt auf innovativen Methoden für Cybersecurity und Datenanalyse 
• Theoretische Vorträge, Fragen an den Experten, Diskussionsforen zu kontroversen Themen und individuelle Reflexionsarbeit 
• Die Verfügbarkeit des Zugangs zu Inhalten von jedem festen oder tragbaren Gerät mit Internetanschluss 

TECH stellt Ihnen ein umfangreiches und übersichtliches didaktisches Material zur Verfügung, das alle aktuellen Themen von Interesse enthält, damit Sie sich im Bereich der Informatik weiterentwickeln können"

Das Dozententeam besteht aus Fachleuten aus dem Bereich der Informatik, die ihre Berufserfahrung in dieses Programm einbringen, sowie aus anerkannten Spezialisten aus führenden Unternehmen und renommierten Universitäten. 

Die multimedialen Inhalte, die mit den neuesten Bildungstechnologien entwickelt wurden, ermöglichen den Fachleuten ein situiertes und kontextbezogenes Lernen, d.h. eine simulierte Umgebung, die ein immersives Studium ermöglicht, das auf die Fortbildung in realen Situationen ausgerichtet ist. 

Das Konzept dieses Studiengangs konzentriert sich auf problemorientiertes Lernen, bei dem der Student versuchen muss, die verschiedenen Situationen der beruflichen Praxis zu lösen, die im Laufe des akademischen Jahres auftreten. Dabei wird die Fachkraft durch ein innovatives interaktives Videosystem unterstützt, das von anerkannten Experten entwickelt wurde.    

Steigern Sie Ihre Karriere, indem Sie die Erstellung von Dashboards und KPIs abhängig von der Abteilung, in der Sie arbeiten, bestimmen"

Erfahren Sie aus erster Hand mehr über die besten Sicherheitstechniken für Cloud Computing-Umgebungen oder die Blockchain-Technologie"

Dieser weiterbildende Masterstudiengang vereint eine Reihe von spezialisierten Modulen, die es dem Informatiker ermöglichen, sich mit Aspekten wie der digitalen Identifizierung, Zugangskontrollsystemen, der Architektur der Informationssicherheit, der Struktur des Sicherheitsbereichs, Managementsystemen für die Informationssicherheit in der Kommunikation und im Softwarebetrieb oder der Entwicklung des mit der Sicherheit verbundenen Business Continuity Plans zu beschäftigen. Gleichzeitig werden die vollständigsten und aktuellsten Techniken zur Datenverarbeitung und Wissensextraktion sowohl aus theoretischer als auch aus praktischer Sicht behandelt.  

Alle Interessensgebiete, die Sie beherrschen müssen, um erfolgreich in der Informatik zu arbeiten, zusammengefasst in einem hochwertigen Studienplan“ 

Modul 1. Grundlagen der Programmierung 

1.1. Einführung in die Programmierung 

1.1.1. Grundlegende Struktur eines Computers 
1.1.2. Software 
1.1.3. Programmiersprachen 
1.1.4. Lebenszyklus einer Softwareanwendung 

1.2. Algorithmusentwurf 

1.2.1. Lösung von Problemen 
1.2.2. Deskriptive Techniken 
1.2.3. Elemente und Struktur eines Algorithmus 

1.3. Elemente eines Programms 

1.3.1. Ursprung und Merkmale der Sprache C++ 
1.3.2. Die Entwicklungsumgebung 
1.3.3. Konzept des Programms 
1.3.4. Arten von grundlegender Daten 
1.3.5. Betreiber 
1.3.6. Ausdrücke 
1.3.7. Sätze 
1.3.8. Dateneingabe und -ausgabe 

1.4. Kontrollsätze  

1.4.1. Sätze 
1.4.2. Verzweigungen 
1.4.3. Schleifen 

1.5. Abstraktion und Modularität: Funktionen 

1.5.1. Modularer Aufbau 
1.5.2. Konzept der Funktion und des Nutzens 
1.5.3. Definition einer Funktion 
1.5.4. Ausführungsablauf beim Aufruf einer Funktion 
1.5.5. Prototyp einer Funktion 
1.5.6. Rückgabe der Ergebnisse 
1.5.7. Aufrufen einer Funktion: Parameter 
1.5.8. Übergabe von Parametern per Referenz und per Wert 
1.5.9. Kennung des Geltungsbereichs 

1.6. Statische Datenstrukturen 

1.6.1. Arrays 
1.6.2. Matrizen. Polyeder 
1.6.3. Suchen und Sortieren 
1.6.4. Zeichenketten. E/A-Funktionen für Zeichenketten 
1.6.5. Strukturen. Verbindungen 
1.6.6. Neue Datentypen 

1.7. Dynamische Datenstrukturen: Zeiger 

1.7.1. Konzept. Definition von Zeiger 
1.7.2. Operatoren und Operationen mit Zeigern 
1.7.3. Arrays von Zeigern 
1.7.4. Zeiger und Arrays 
1.7.5. Zeiger auf Zeichenketten 
1.7.6. Zeiger auf Strukturen 
1.7.7. Multiple Indirektion 
1.7.8. Zeiger auf Funktionen 
1.7.9. Übergabe von Funktionen, Strukturen und Arrays als Funktionsparameter 

1.8. Dateien 

1.8.1. Grundlegende Konzepte 
1.8.2. Dateioperationen 
1.8.3. Datentypen 
1.8.4. Organisation von Dateien 
1.8.5. Einführung in C++ Dateien 
1.8.6. Handhabung von Dateien 

1.9. Rekursion 

1.9.1. Definition von Rekursion 
1.9.2. Arten der Rekursion 
1.9.3. Vorteile und Nachteile 
1.9.4. Überlegungen 
1.9.5. Rekursiv-iterative Umwandlung 
1.9.6. Der Rekursionsstapel 

1.10. Prüfung und Dokumentation 

1.10.1. Programm-Tests 
1.10.2. White Box-Tests 
1.10.3. Black Box-Tests 
1.10.4. Test-Tools 
1.10.5. Programm-Dokumentation 

Modul 2. Datenstruktur 

2.1. Einführung in die Programmierung in C++ 

2.1.1. Klassen, Konstruktoren, Methoden und Attribute 
2.1.2. Variablen 
2.1.3. Bedingte Ausdrücke und Schleifen 
2.1.4. Objekte 

2.2. Abstrakte Datentypen (ADT) 

2.2.1. Datentypen 
2.2.2. Grundlegende Strukturen und ADTs 
2.2.3. Vektoren und Arrays 

2.3. Lineare Datenstrukturen 

2.3.1. ADT-Liste. Definition 
2.3.2. Verknüpfte und doppelt verknüpfte Listen 
2.3.3. Geordnete Listen 
2.3.4. Listen in C++ 
2.3.5. ADT-Stapel 
2.3.6. ADT-Warteschlange 
2.3.7. C++ Stapel und Warteschlange 

2.4. Hierarchische Datenstrukturen 

2.4.1. ADT-Baum 
2.4.2. Pfade 
2.4.3. n-äre Bäume 
2.4.4. Binäre Bäume 
2.4.5. Binäre Suchbäume 

2.5. Hierarchische Datenstrukturen: Komplexe Bäume 

2.5.1. Perfekt ausbalancierte oder minimal hohe Bäume 
2.5.2. Bäume mit mehreren Pfaden 
2.5.3. Bibliografische Referenzen 

2.6. Heaps und Prioritätswarteschlange 

2.6.1. ADT-Heaps 
2.6.2. ADT-Prioritätswarteschlange 

2.7. Hash-Tabellen 

2.7.1. ADT in Hash-Tabellen 
2.7.2. Hash-Funktionen 
2.7.3. Hash-Funktion in Hash-Tabellen 
2.7.4. Redispersion 
2.7.5. Offene Hash-Tabellen 

2.8. Graph 

2.8.1.  ADT-Graph 
2.8.2.  Arten von Graphen 
2.8.3.  Grafische Darstellung und Grundoperationen 
2.8.4.  Graphischer Entwurf 

2.9. Graph-Algorithmen und fortgeschrittene Graph-Konzepte 

2.9.1. Graph Probleme 
2.9.2. Pfad-Algorithmen 
2.9.3. Such- oder Pfad-Algorithmen 
2.9.4. Andere Algorithmen 

2.10. Andere Datenstrukturen 

2.10.1. Sets 
2.10.2. Parallele Arrays  
2.10.3. Symboltabellen 
2.10.4. Tries 

Modul 3. Algorithmen und Komplexität 

3.1. Einführung in Algorithmus-Design-Strategien 

3.1.1. Rekursion 
3.1.2. Aufteilen und erobern 
3.1.3. Andere Strategien 

3.2. Effizienz und Analyse von Algorithmen 

3.2.1. Maßnahmen zur Steigerung der Effizienz 
3.2.2. Messung der Eingabegröße 
3.2.3. Messung der Ausführungszeit 
3.2.4. Schlimmster, bester und durchschnittlicher Fall 
3.2.5. Asymptotische Notation 
3.2.6. Kriterien für die mathematische Analyse von nicht-rekursiven Algorithmen 
3.2.7. Mathematische Analyse von rekursiven Algorithmen 
3.2.8. Empirische Analyse von Algorithmen 

3.3. Sortieralgorithmen 

3.3.1. Konzept der Sortierung 
3.3.2. Blase sortieren 
3.3.3. Sortieren nach Auswahl 
3.3.4. Reihenfolge der Insertion 
3.3.5. Merge Sort 
3.3.6. Quicksort) 

3.4. Algorithmen mit Bäumen 

3.4.1. Konzept des Baumes 
3.4.2. Binäre Bäume 
3.4.3. Baumpfade 
3.4.4. Ausdrücke darstellen 
3.4.5. Geordnete binäre Bäume 
3.4.6. Ausgeglichene binäre Bäume 

3.5. Algorithmen mit Heaps 

3.5.1. Heaps 
3.5.2. Der Heapsort-Algorithmus 
3.5.3. Prioritätswarteschlangen 

3.6. Graph Algorithmen 

3.6.1. Vertretung 
3.6.2. Lauf in Breite 
3.6.3. Lauf in Tiefe 
3.6.4. Topologische Anordnung 

3.7. Greedy-Algorithmen 

3.7.1.  Die Greedy-Strategie 
3.7.2. Elemente der Greedy-Strategie 
3.7.3. Währungsumtausch 
3.7.4. Das Problem des Reisenden 
3.7.5. Problem mit dem Rucksack 

3.8. Minimale Pfadsuche 

3.8.1. Das Problem des minimalen Pfades 
3.8.2. Negative Bögen und Zyklen 
3.8.3. Dijkstras Algorithmus 

3.9. Greedy-Algorithmen auf Graphen 

3.9.1. Der minimal aufspannende Baum 
3.9.2. Prims Algorithmus 
3.9.3. Kruskals Algorithmus 
3.9.4. Komplexitätsanalyse 

3.10. Backtracking 

3.10.1. Das Backtracking 
3.10.2. Alternative Techniken 

Modul 4. Fortgeschrittener Algorithmusentwurf 

4.1. Analyse von rekursiven und Teilen-und-Erobern-Algorithmen 

4.1.1. Aufstellen und Lösen von homogenen und nicht-homogenen Rekursionsgleichungen
4.1.2. Überblick über die Strategie des Teilens und Eroberns 

4.2. Amortisierte Analyse 

4.2.1. Aggregierte Analyse 
4.2.2. Die Buchhaltungsmethode 
4.2.3. Die potenzielle Methode 

4.3. Dynamische Programmierung und Algorithmen für NP-Probleme 

4.3.1. Merkmale der dynamischen Programmierung 
4.3.2. Rückverfolgung: backtracking 
4.3.3. Verzweigung und Beschneidung 

4.4. Kombinatorische Optimierung 

4.4.1. Problemdarstellung 
4.4.2. 1D-Optimierung 

4.5. Randomisierungsalgorithmen 

4.5.1. Beispiele für Randomisierungsalgorithmen 
4.5.2. Das Buffonsche Theorem 
4.5.3. Monte-Carlo-Algorithmus 
4.5.4. Las Vegas Algorithmus 

4.6. Lokale Suche und Kandidatensuche 

4.6.1. Garcient Ascent 
4.6.2. Hill Climbing 
4.6.3. Simulated Annealing 
4.6.4. Tabu Search 
4.6.5. Suche mit Kandidaten 

4.7. Formale Überprüfung von Programmen 

4.7.1. Spezifikation von funktionalen Abstraktionen 
4.7.2. Die Sprache der Logik erster Ordnung 
4.7.3. Hoare's formales System 

4.8. Verifizierung von iterativen Programmen 

4.8.1. Regeln des formalen Hoare-Systems 
4.8.2. Konzept der invarianten Iterationen 

4.9. Numerische Methoden 

4.9.1. Die Methode der Halbierung 
4.9.2. Die Newton-Raphson-Methode 
4.9.3. Die Sekantenmethode 

4.10. Parallele Algorithmen 

4.10.1. Parallele binäre Operationen 
4.10.2. Parallele Operationen mit Diagrammen 
4.10.3. Parallelität in Teilen und Erobern 
4.10.4. Parallelität in der dynamischen Programmierung 

Modul 5. Fortgeschrittene Programmierung 

5.1. Einführung in die objektorientierte Programmierung 

5.1.1. Einführung in die objektorientierte Programmierung 
5.1.2. Klassen-Design 
5.1.3. Einführung in UML für die Modellierung von Problemen 

5.2. Beziehungen zwischen Klassen 

5.2.1. Abstraktion und Vererbung 
5.2.2. Fortgeschrittene Konzepte der Vererbung 
5.2.3. Polymorphismen 
5.2.4. Zusammensetzung und Aggregation 

5.3. Einführung in Design Patterns für objektorientierte Probleme 

5.3.1. Was sind Entwurfsmuster? 
5.3.2. Factory-Muster 
5.3.4. Singleton-Muster 
5.3.5. Observer-Muster 
5.3.6. Composite-Muster 

5.4. Ausnahmen 

5.4.1. Was sind Ausnahmen? 
5.4.2. Abfangen und Behandlung von Ausnahmen 
5.4.3. Werfen von Ausnahmen 
5.4.4. Erstellung von Ausnahmen 

5.5. Benutzeroberflächen 

5.5.1. Einführung in Qt 
5.5.2. Positionierung 
5.5.3. Was sind Ereignisse? 
5.5.4. Ereignisse: Definition und Erfassung 
5.5.5. Entwicklung von Benutzeroberflächen 

5.6. Einführung in die gleichzeitige Programmierung 

5.6.1. Einführung in die gleichzeitige Programmierung 
5.6.2. Der Prozess und das Thread-Konzept 
5.6.3. Interaktion zwischen Prozessen oder Threads 
5.6.4. Threads in C++ 
5.6.5. Vor- und Nachteile der gleichzeitigen Programmierung 

5.7. Thread-Verwaltung und Synchronisierung 

5.7.1. Lebenszyklus eines Threads 
5.7.2. Die Klasse Thread 
5.7.3. Planung des Threads 
5.7.4. Gruppen von Threads 
5.7.5. Daemon Threads 
5.7.6. Synchronisierung 
5.7.7. Verriegelungsmechanismen 
5.7.8. Kommunikationsmechanismen 
5.7.9. Monitore 

5.8. Häufige Probleme bei der gleichzeitigen Programmierung 

5.8.1. Das Erzeuger-Verbraucher-Problem 
5.8.2. Das Problem von Lesern und Schriftstellern 
5.8.3. Das Problem mit dem Philosophenproblem  

5.9. Software-Dokumentation und -Tests 

5.9.1. Warum ist es wichtig, Software zu dokumentieren? 
5.9.2. Design-Dokumentation 
5.9.3. Verwendung von Tools zur Dokumentation 

5.10. Software-Tests 

5.10.1. Einführung in das Testen von Software 
5.10.2. Arten von Tests 
5.10.3. Einheitstest 
5.10.4. Integrationstests 
5.10.5. Validierungstest 
5.10.6. Systemprüfung 

Modul 6. Theoretische Informatik 

6.1. Verwendete mathematische Konzepte 

6.1.1. Einführung in die Aussagenlogik 
6.1.2. Theorie der Beziehungen 
6.1.3. Abzählbare und nicht abzählbare Mengen 

6.2. Formale Sprachen und Grammatiken und Einführung in Turingmaschinen 

6.2.1. Formale Sprachen und Grammatiken 
6.2.2. Problem der Entscheidung 
6.2.3. Die Turingmaschine 

6.3. Erweiterungen für Turing-Maschinen, eingeschränkte Turing-Maschinen und Computer 

6.3.1. Programmiertechniken für Turingmaschinen 
6.3.2. Erweiterungen für Turingmaschinen 
6.3.3. Eingeschränkte Turingmaschinen 
6.3.4. Turingmaschinen und Computer 

6.4. Unsagbarkeit 

6.4.1. Nicht rekursiv aufzählbare Sprache 
6.4.2. Ein rekursiv aufzählbares unsagbares Problem 

6.5. Andere unsagbares Probleme 

6.5.1. Unsagbare Probleme für Turingmaschinen 
6.5.2. Postkorrespondenz-Problem (PCP) 

6.6. Unlösbare Probleme 

6.6.1. Die Klassen P und NP 
6.6.2. Ein NP-komplettes Problem 
6.6.3. Problem der eingeschränkten Erfüllbarkeit 
6.6.4. Andere NP-komplette Probleme 

6.7. Co-NP und PS Probleme 

6.7.1. Komplementär zu NP-Sprachen 
6.7.2. Im Polynomraum lösbare Probleme 
6.7.3. Vollständige PS-Probleme 

6.8. Klassen von randomisierungsbasierten Sprachen 

6.8.1. MT-Modell mit Randomisierung 
6.8.2. Die Klassen RP und ZPP 
6.8.3. Primzahl-Test 
6.8.4. Komplexität des Primzahltests 

6.9. Andere Klassen und Grammatiken 

6.9.1. Probabilistische endliche Automaten 
6.9.2. Zelluläre Automaten 
6.9.3. McCulloch und Pitts Zellen 
6.9.4. Lindenmayer-Grammatiken 

6.10. Fortgeschrittene Rechensysteme 

6.10.1. Berechnung der Membranen: P-Systeme 
6.10.2. DNA-Computing 
6.10.3. Quantencomputing 

Modul 7. Automatentheorie und formalen Sprachen 

7.1. Einführung in die Automatentheorie 

7.1.1. Warum Automaten-Theorie studieren? 
7.1.2. Einführung in formale Beweise 
7.1.3. Andere Formen des Nachweises 
7.1.4. Mathematische Induktion 
7.1.5. Alphabete, Zeichenketten und Sprachen 

7.2. Deterministische endliche Automaten 

7.2.1. Einführung in endliche Automaten 
7.2.2. Deterministische endliche Automaten 

7.3. Nicht-deterministische endliche Automaten 

7.3.1. Nicht-deterministische endliche Automaten 
7.3.2. Äquivalenz zwischen AFD und AFND 
7.3.3.  Endliche Automaten mit Übergängen €  

7.4. Sprachen und reguläre Begriffe (I) 

7.4.1. Sprachen und reguläre Begriffe 
7.4.2. Endliche Automaten und reguläre Begriffe  

7.5. Sprachen und reguläre Begriffe (II) 

7.5.1. Umwandlung von regulären Begriffen in Automaten 
7.5.2. Anwendungen von regulären Begriffen 
7.5.3. Algebra der regulären Begriffe 

7.6. Pumping-Lemma und Abschluss von regulären Sprachen 

7.6.1. Pumping-Lemma 
7.6.2. Abschlusseigenschaften von regulären Sprachen 

7.7. Äquivalenz und Minimierung von Automaten 

7.7.1. FA Äquivalenz 
7.7.2. FA Minimierung 

7.8. Kontextunabhängige Grammatiken (KUG) 

7.8.1. Kontextunabhängige Grammatiken 
7.8.2. Ableitungsbäume 
7.8.3. Anwendungen von KUGs 
7.8.4. Mehrdeutigkeit in Grammatiken und Sprachen 

7.9. Stapelautomaten und KUG 

7.9.1. Definition von Stapelautomaten 
7.9.2. Von einem Stapelautomaten akzeptierte Sprachen 
7.9.3. Äquivalenz zwischen Stapelautomaten und KUG 
7.9.4. Deterministische gestapelte Automaten 

7.10. Normalformen, Pump-Lemma von KUGs und Eigenschaften von LICs 

7.10.1. Normale Formen von KUGs 
7.10.2. Pumping-Lemma 
7.10.3. Abschlusseigenschaften von regulären Sprachen 
7.10.4. Entscheidungseigenschaften von LICs 

Modul 8. Sprachprozessoren 

8.1. Einführung in den Kompilierungsprozess 

8.1.1. Zusammenstellung und Interpretation 
8.1.2. Compiler-Ausführungsumgebung 
8.1.3. Analyse-Prozess 
8.1.4. Prozess der Synthese 

8.2. Lexikalischer Analysator 

8.2.1. Was ist ein lexikalischer Analysator? 
8.2.2. Implementierung des lexikalischen Analysators 
8.2.3. Semantische Aktionen 
8.2.4. Fehlerbehebung 
8.2.5. Fragen der Implementierung 

8.3. Parsing 

8.3.1. Was ist ein Parser? 
8.3.2. Vorläufige Konzepte 
8.3.3. Top-down-Parser 
8.3.4. Bottom-up-Analysatoren 

8.4. Top-down-Parsing und Bottom-up-Parsing 

8.4.1. LL-Parser(1) 
8.4.2. LR-Parser(0) 
8.4.3. Beispiel für einen Parser 

8.5. Erweitertes Bottom-up-Parsing 

8.5.1. SLR-Parser 
8.5.2. LR-Parser (1) 
8.5.3. LR-Parser (k) 
8.5.4. LALR-Parser  

8.6. Semantische Analyse (I) 

8.6.1. Syntaxgesteuerte Übersetzung 
8.6.2. Symboltabelle 

8.7. Semantische Analyse (II) 

8.7.1. Typenprüfung 
8.7.2. Das Subsystem Typ 
8.7.3. Typ-Äquivalenz und Konvertierungen 

8.8. Codegenerierung und Ausführungsumgebung 

8.8.1. Design-Aspekte 
8.8.2. Ausführungsumgebung 
8.8.3. Speicherorganisation 
8.8.4. Speicherzuweisung 

8.9. Zwischencodegenerierung 

8.9.1. Synthesegesteuerte Übersetzung 
8.9.2. Zwischendarstellungen 
8.9.3. Beispiele für Übersetzungen 

8.10. Code-Optimierung 

8.10.1. Register Zuweisung 
8.10.2. Eliminierung toter Zuweisungen 
8.10.3. Ausführung zur Kompilierzeit 
8.10.4. Neuordnung von Ausdrücken 
8.10.5. Schleifen-Optimierung 

Modul 9. Computergrafik und Visualisierung 

9.1. Farbtheorie 

9.1.1. Eigenschaften von Licht 
9.1.2. Farbige Modelle 
9.1.3. Der CIE-Standard 
9.1.4. Profiling 

9.2. Ausgabe-Primitive 

9.2.1. Der Videotreiber 
9.2.2. Algorithmen zum Zeichnen von Linien 
9.2.3. Algorithmen zum Zeichnen von Kreisen 
9.2.4. Algorithmen zum Füllen 

9.3. 2D-Transformationen und 2D-Koordinatensysteme und 2D-Clipping 

9.3.1. Geometrische Grundtransformationen 
9.3.2. Homogene Koordinaten 
9.3.3. Inverse Transformation 
9.3.4. Komposition von Transformationen 
9.3.5. Andere Transformationen 
9.3.6. Koordinate ändern 
9.3.7. 2D-Koordinatensysteme 
9.3.8. Koordinatenverschiebung 
9.3.9. Normalisierung 
9.3.10. Algorithmen zum Trimmen 

9.4. 3D-Transformationen 

9.4.1. Übertragung 
9.4.2. Rotation 
9.4.3. Skalierung 
9.4.4. Reflexion 
9.4.5. Scheren 

9.5. Anzeige und Änderung von 3D-Koordinaten 

9.5.1. 3D-Koordinatensysteme 
9.5.2. Visualisierung 
9.5.3. Änderung koordinieren 
9.5.4. Projektion und Normalisierung 

9.6. Projektion und 3D-Clipping 

9.6.1. Orthogonale Projektion 
9.6.2. Schräge Parallelprojektion 
9.6.3. Perspektivische Projektion 
9.6.4. 3D-Beschneidungsalgorithmen 

9.7. Entfernen von verdeckten Flächen 

9.7.1. Entfernung des Rückseitengesichts 
9.7.2. Z-Buffer 
9.7.3. Algorithmus des Malers 
9.7.4. Warnock-Algorithmus 
9.7.5. Erkennung verdeckter Linien 

9.8. Interpolation und parametrische Kurven 

9.8.1. Interpolation und polynomielle Approximation 
9.8.2. Parametrische Darstellung 
9.8.3. Lagrange-Polynom 
9.8.4. Natürliche kubische Splines  
9.8.5. Basis-Funktionen 
9.8.6. Matrix-Darstellung 

9.9. Bézier-Kurven 

9.9.1. Algebraische Konstruktion 
9.9.2. Matrix-Formular 
9.9.3. Zusammensetzung 
9.9.4. Geometrische Konstruktion 
9.9.5. Algorithmus zum Zeichnen 

9.10. B-Splines 

9.10.1. Das Problem der lokalen Kontrolle 
9.10.2. Gleichmäßige kubische B-Splines 
9.10.3. Basisfunktionen und Kontrollpunkte 
9.10.4. Ableitung zum Ursprung und Multiplizität 
9.10.5. Matrix-Darstellung 
9.10.6. Nicht-einheitliche B-Splines 

Modul 10. Bio-inspiriertes Rechnen 

10.1. Einführung in das bio-inspirierte Computing 

10.1.1. Einführung in das bio-inspirierte Computing 

10.2. Algorithmen zur sozialen Anpassung 

10.2.1. Bio-inspiriertes Rechnen auf der Basis von Ameisenkolonien 
10.2.2. Varianten von Ameisenkolonie-Algorithmen 
10.2.3. Cloud-basiertes Computing auf Partikelebene 

10.3. Genetische Algorithmen 

10.3.1. Allgemeine Struktur 
10.3.2. Implementierungen der wichtigsten Operatoren 

10.4. Explorations-Ausbeutungsraum-Strategien für genetische Algorithmen 

10.4.1. CHC-Algorithmus 
10.4.2. Multimodale Probleme 

10.5. Evolutionäre Berechnungsmodelle (I) 

10.5.1. Evolutionäre Strategien 
10.5.2. Evolutionäre Programmierung 
10.5.3. Algorithmen auf der Grundlage der differentiellen Evolution 

10.6. Evolutionäre Berechnungsmodelle (II) 

10.6.1. Evolutionäre Modelle auf der Grundlage der Schätzung von Verteilungen (EDA) 
10.6.2. Genetische Programmierung 

10.7. Evolutionäre Programmierung angewandt auf Lernprobleme 

10.7.1. Regelbasiertes Lernen 
10.7.2. Evolutionäre Methoden bei Instanzauswahlproblemen 

10.8. Multi-Objektive Probleme 

10.8.1. Konzept der Dominanz 
10.8.2. Anwendung evolutionärer Algorithmen auf multikriterielle Probleme 

10.9. Neuronale Netze (I) 

10.9.1. Einführung in neuronale Netzwerke 
10.9.2. Praktisches Beispiel mit neuronalen Netzwerken 

10.10. Neuronale Netze 

10.10.1. Anwendungsbeispiele für neuronale Netze in der medizinischen Forschung 
10.10.2. Anwendungsbeispiele für neuronale Netze in der Wirtschaft 
10.10.3. Anwendungsfälle für neuronale Netze in der industriellen Bildverarbeitung 

Modul 11. Sicherheit in Design und Entwicklung von Systemen 

11.1. Informationssysteme 

11.1.1. Domains eines Informationssystems 
11.1.2. Komponenten eines Informationssystems 
11.1.3. Aktivitäten eines Informationssystems 
11.1.4. Lebenszyklus eines Informationssystems 
11.1.5. Ressourcen eines Informationssystems 

11.2. Informationssysteme. Typologie 

11.2.1. Typen von Informationssystemen 

11.2.1.1. Unternehmerisch 
11.2.1.2. Strategisch 
11.2.1.3. Je nach Anwendungsbereich 
11.2.1.4. Spezifisch 

11.2.2. Informationssysteme. Beispiele aus der Praxis 
11.2.3. Entwicklung von Informationssystemen: Etappen 
11.2.4. Methoden von Informationssystemen 

11.3. Sicherheit von Informationssystemen. Rechtliche Implikationen 

11.3.1. Zugang zu Daten 
11.3.2. Sicherheitsbedrohungen: Schwachstellen 
11.3.3. Rechtliche Implikationen: Straftaten 
11.3.4. Verfahren zur Wartung von Informationssystemen 

11.4. Sicherheit von Informationssystemen. Sicherheitsprotokolle 

11.4.1. Sicherheit von Informationssystemen 

11.4.1.1. Integrität 
11.4.1.2. Vertraulichkeit 
11.4.1.3. Verfügbarkeit 
11.4.1.4. Authentifizierung 

11.4.2. Sicherheitsdienste 
11.4.3. Protokolle zur Informationssicherheit. Typologie 
11.4.4. Empfindlichkeit von Informationssystemen 

11.5. Sicherheit von Informationssystemen. Maßnahmen und Systeme zur Zugangskontrolle 

11.5.1. Sicherheitsmaßnahmen 
11.5.2. Art der Sicherheitsmaßnahmen 

11.5.2.1. Prävention 
11.5.2.2. Erkennung 
11.5.2.3. Korrektheit 

11.5.3. Kontrollsysteme für den Zugang. Typologie 
11.5.4. Kryptographie 

11.6. Netzwerk- und Internetsicherheit 

11.6.1. Firewalls 
11.6.2. Digitale Identifizierung 
11.6.3. Viren und Würmer 
11.6.4. Hacking 
11.6.5. Beispiele und reale Fälle 

11.7. Computerkriminalität 

11.7.1. Computerkriminalität 
11.7.2. Computerkriminalität. Typologie 
11.7.3. Computerkriminalität Angriff. Typologien 
11.7.4. Der Fall der virtuellen Realität 
11.7.5. Profile von Tätern und Opfern. Typisierung von Verbrechen 
11.7.6. Computerkriminalität. Beispiele und reale Fälle 

11.8. Sicherheitsplan für ein Informationssystem 

11.8.1. Sicherheitsplan. Ziele 
11.8.2. Sicherheitsplan. Planung 
11.8.3. Risikoplan. Analyse 
11.8.4. Sicherheitspolitik. Implementierung in der Organisation 
11.8.5. Sicherheitsplan. Implementierung in der Organisation 
11.8.6. Sicherheitsverfahren. Typen 
11.8.7. Sicherheitsplan. Beispiele 

11.9. Plan für unvorhergesehene Ereignisse 

11.9.1. Plan für unvorhergesehene Ereignisse. Funktionen 
11.9.2. Notfallplan: Elemente und Ziele 
11.9.3. Plan für unvorhergesehene Ereignisse in der Organisation. Implementierung 
11.9.4. Plan für unvorhergesehene Ereignisse. Beispiele 

11.10. Verwaltung der Sicherheit von Informationssystemen 

11.10.1. Gesetzliche Bestimmungen 
11.10.2. Normen 
11.10.3. Zertifizierungen 
11.10.4. Technologien 

Modul 12. Architekturen und Modelle für die Informationssicherheit 

12.1. Architektur der Informationssicherheit 

12.1.1. ISMS / ISDP 
12.1.2. Strategische Ausrichtung 
12.1.3. Risikomanagement 
12.1.4. Leistungsmessung 

12.2. Modelle der Informationssicherheit 

12.2.1. Richtlinienbasierte Sicherheitsmodelle 
12.2.2. Basierend auf Schutz-Tools 
12.2.3. Teambasiert 

12.3. Sicherheitsmodell. Wichtige Komponenten 

12.3.1. Identifizierung von Risiken 
12.3.2. Definition von Kontrollen 
12.3.3. Kontinuierliche Bewertung des Risikoniveaus 
12.3.4. Sensibilisierungsplan für Mitarbeiter, Lieferanten, Partner usw.

12.4. Prozess der Risikoverwaltung 

12.4.1. Identifizierung von Vermögenswerten 
12.4.2. Identifizierung von Bedrohungen 
12.4.3. Risikobewertung 
12.4.4. Priorisierung der Kontrollen 
12.4.5. Neubeurteilung und Restrisiko 

12.5. Geschäftsprozesse und Informationssicherheit 

12.5.1. Geschäftsprozesse 
12.5.2. Risikobewertung auf der Grundlage geschäftlicher Parameter 
12.5.3. Analyse der Auswirkungen auf das Geschäft 
12.5.4. Geschäftsbetrieb und Informationssicherheit 

12.6. Prozess zur kontinuierlichen Verbesserung 

12.6.1. Der Deming-Zyklus 

12.6.1.1. Planung 
12.6.1.2. Machen 
12.6.1.3. Prüfen 
12.6.1.4. Agieren 

12.7. Sicherheitsarchitekturen 

12.7.1. Auswahl und Homogenisierung von Technologien 
12.7.2. Identitätsmanagement. Authentifizierung 
12.7.3. Zugriffsverwaltung. Autorisierung 
12.7.4. Sicherheit der Netzwerkinfrastruktur 
12.7.5. Verschlüsselungstechnologien und -lösungen 
12.7.6. Sicherheit der Endgeräte (EDR) 

12.8. Der rechtliche Rahmen 

12.8.1. Regulatorischer Rahmen 
12.8.2. Zertifizierungen 
12.8.3. Gesetzgebung 

12.9. Der ISO 27001-Standard 

12.9.1. Implementierung 
12.9.2. Zertifizierung 
12.9.3. Audits und Penetrationstests 
12.9.4. Laufendes Risikomanagement 
12.9.5. Klassifizierung der Informationen 

12.10. Gesetzgebung zum Datenschutz. RGPD (GDPR) 

12.10.1. Anwendungsbereich der Allgemeinen Datenschutzverordnung (GDPR) 
12.10.2. Persönliche Daten 
12.10.3. Rollen bei der Verarbeitung von personenbezogenen Daten 
12.10.4. ARCO-Rechte 
12.10.5. Der DSB. Funktionen 

Modul 13. IT-Sicherheitsmanagement 

13.1. Sicherheitsmanagement 

13.1.1. Sicherheitsmaßnahmen 
13.1.2. Rechtliche und regulatorische Aspekte 
13.1.3. Geschäftliche Freigabe 
13.1.4. Risikomanagement 
13.1.5. Identitäts- und Zugriffsmanagement 

13.2. Struktur des Sicherheitsbereichs. Das Büro des CISO 

13.2.1. Organisatorische Struktur. Position des CISO in der Struktur 
13.2.2. Verteidigungslinien 
13.2.3. Organigramm des Büros des CISO 
13.2.4. Haushaltsführung 

13.3. Sicherheitsmanagement 

13.3.1. Sicherheitsausschuss 
13.3.2. Ausschuss für Risikoüberwachung 
13.3.3. Prüfungsausschuss 
13.3.4. Krisenausschuss 

13.4. Security Governance. Funktionen 

13.4.1. Politiken und Standards 
13.4.2. Masterplan Sicherheit 
13.4.3. Dashboards 
13.4.4. Sensibilisierung und Schulung 
13.4.5. Sicherheit der Lieferkette 

13.5. Sicherheitsmaßnahmen 

13.5.1. Identitäts- und Zugriffsmanagement 
13.5.2. Konfiguration von Netzwerksicherheitsregeln. Firewalls 
13.5.3. Verwaltung der IDS/IPS-Plattform 
13.5.4. Scannen auf Schwachstellen 

13.6. Cybersecurity-Rahmenwerk. NIST CSF 

13.6.1. NIST-Methodik 

13.6.1.1. Identifizieren 
13.6.1.2. Schützen 
13.6.1.3. Erkennen 
13.6.1.4. Reagieren 
13.6.1.5. Zurückgewinnen 

13.7. Sicherheitsoperationszentrum (SOC). Funktionen 

13.7.1. Schutz. Red Team, Pentesting, Threat Intelligence 
13.7.2. Erkennung. SIEM, user behavior analytics, fraud prevention 
13.7.3. Antwort 

13.8. Sicherheitsaudits 

13.8.1. Penetrationstests 
13.8.2. Übungen des Red Team 
13.8.3. Quellcode-Prüfungen. Sichere Entwicklung 
13.8.4. Komponentensicherheit (Software Supply Chain) 
13.8.5. Forensische Analyse 

13.9. Reaktion auf Vorfälle 

13.9.1. Vorbereitung 
13.9.2. Erkennung, Analyse und Berichterstattung 
13.9.3. Eindämmung, Ausrottung und Wiederherstellung 
13.9.4. Aktivitäten nach dem Vorfall 

13.9.4.1. Aufbewahrung von Beweisen 
13.9.4.2. Forensische Analyse 
13.9.4.3. Lücken-Management 

13.9.5. Offizielle Leitfäden für das Management von Cybervorfällen 

13.10. Management von Schwachstellen 

13.10.1. Scannen auf Schwachstellen 
13.10.2. Bewertung der Anfälligkeit 
13.10.3. Verstärkung des Systems 
13.10.4. Zero-Day-Sicherheitslücken. Zero-Day 

Modul 14. Risikoanalyse und IT-Sicherheitsumgebung 

14.1. Analyse des Umfelds 

14.1.1. Analyse der wirtschaftlichen Lage 

14.1.1.1. VUCA-Umgebungen 

14.1.1.1.1. Volatil 
14.1.1.1.2. Ungewiss 
14.1.1.1.3. Komplex 
14.1.1.1.4. Mehrdeutig 

14.1.1.2. BANI-Umgebungen 

14.1.1.2.1. Spröde 
14.1.1.2.2. Ängstlich 
14.1.1.2.3. Nicht-linear 
14.1.1.2.4. Unverständlich 

14.1.2. Analyse des allgemeinen Umfelds. PESTEL 

14.1.2.1. Politisch 
14.1.2.2. Wirtschaft 
14.1.2.3. Sozial 
14.1.2.4. Technologisch 
14.1.2.5. Ökologisch/Umweltbezogen 
14.1.2.6. Legal 

14.1.3. Analyse der internen Situation. SWOT 

14.1.3.1. Ziele 
14.1.3.2. Bedrohungen 
14.1.3.3. Gelegenheiten 
14.1.3.4. Stärken 

14.2. Risiko und Unsicherheit 

14.2.1. Risiko 
14.2.2. Risikomanagement 
14.2.3. Standards für das Risikomanagement 

14.3. ISO 31.000:2018 Richtlinien zum Risikomanagement 

14.3.1. Objekt 
14.3.2. Grundsätze 
14.3.3. Referenzrahmen 
14.3.4. Prozess 

14.4. Methodik für die Analyse und das Management von Risiken in Informationssystemen (MAGERIT) 

14.4.1. MAGERIT Methodik 

14.4.1.1. Ziele 
14.4.1.2. Methode 
14.4.1.3. Elemente 
14.4.1.4. Techniken 
14.4.1.5. Verfügbare Tools (PILAR) 

14.5. Übertragung von Cyber-Risiken 

14.5.1. Risikotransfer 
14.5.2. Cyberrisiken. Typologie 
14.5.3. Versicherung gegen Cyberrisiken 

14.6. Agile Methoden für das Risikomanagement 

14.6.1. Agile Methodologien 
14.6.2. Scrum für das Risikomanagement 
14.6.3. Agile Risk Management 

14.7. Technologien für das Risikomanagement 

14.7.1. Künstliche Intelligenz für das Risikomanagement 
14.7.2. Blockchain und Kryptographie. Methoden zur Werterhaltung 
14.7.3. Quantencomputing. Potenzial oder Bedrohung 

14.8. IT-Risiko-Mapping auf der Grundlage agiler Methoden 

14.8.1. Darstellung von Wahrscheinlichkeiten und Auswirkungen in agilen Umgebungen 
14.8.2. Risiko als Bedrohung für den Wert 
14.8.3. Neuentwicklung von agilem Projektmanagement und agilen Prozessen auf der Grundlage von KRIs 

14.9. Risk Driven im Risikomanagement 

14.9.1. Risk Driven 
14.9.2. Risk Driven im Risikomanagement 
14.9.3. Entwicklung eines risikoorientierten Geschäftsführungsmodells 

14.10. Innovation und digitale Transformation im IT-Risikomanagement 

14.10.1. Agiles Risikomanagement als Quelle für geschäftliche Innovation 
14.10.2. Umwandlung von Daten in entscheidungsrelevante Informationen 
14.10.3. Ganzheitliche Betrachtung des Unternehmens durch Risiko 

Modul 15. Kryptographie in der IT 

15.1. Kryptographie 

15.1.1. Kryptographie 
15.1.2. Mathematische Grundlagen 

15.2. Kryptologie 

15.2.1. Kryptologie 
15.2.2. Kryptoanalyse 
15.2.3. Steganographie und Stegoanalyse 

15.3. Kryptographische Protokolle 

15.3.1. Grundlegende Blöcke 
15.3.2. Grundlegende Protokolle 
15.3.3. Zwischengeschaltete Protokolle 
15.3.4. Erweiterte Protokolle 
15.3.5. Esoterische Protokolle 

15.4. Kryptographische Techniken 

15.4.1. Länge des Schlüssels 
15.4.2. Handhabung der Tasten 
15.4.3. Arten von Algorithmen 
15.4.4. Zusammenfassende Funktionen. Hash 
15.4.5. Pseudo-Zufallszahlengeneratoren 
15.4.6. Verwendung von Algorithmen 

15.5. Symmetrische Kryptographie 

15.5.1. Blockchiffren 
15.5.2. DES (Data Encryption Standard) 
15.5.3. RC4 Algorithmus 
15.5.4. AES (Advanced Encryption Standard) 
15.5.5. Kombination von Blockchiffren 
15.5.6. Ableitung des Schlüssels 

15.6. Asymmetrische Kryptographie 

15.6.1. Diffie-Hellman 
15.6.2. DSA (Digital Signature Algorithm) 
15.6.3. RSA (Rivest, Shamir y Adleman) 
15.6.4. Elliptische Kurve 
15.6.5. Asymmetrische Kryptographie. Typologie 

15.7. Digitale Zertifikate 

15.7.1. Digitale Unterschrift 
15.7.2. X509-Zertifikate 
15.7.3. Infrastruktur für öffentliche Schlüssel (PKI) 

15.8. Implementierungen 

15.8.1. Kerberos 
15.8.2. IBM CCA 
15.8.3. Pretty Good Privacy (PGP) 
15.8.4. ISO Authentication Framework 
15.8.5. SSL und TLS 
15.8.6. Chipkarten als Zahlungsmittel (EMV) 
15.8.7. Protokolle für Mobiltelefonie 
15.8.8. Blockchain 

15.9. Steganographie 

15.9.1. Steganographie 
15.9.2. Stegano-Analyse 
15.9.3. Anwendungen und Einsatzmöglichkeiten 

15.10. Quantenkryptographie 

15.10.1. Quanten-Algorithmen 
15.10.2. Schutz von Algorithmen vor Quantenberechnungen 
15.10.3. Quantum Key Distribution 

Modul 16. Identitäts- und Zugriffsmanagement in der IT-Sicherheit 

16.1. Identitäts- und Zugriffsmanagement (IAM) 

16.1.1. Digitale Identität 
16.1.2. Identitätsmanagement 
16.1.3. Identitätsföderation 

16.2. Physische Zugangskontrolle 

16.2.1. Schutzsysteme 
16.2.2. Bereichssicherheit 
16.2.3. Wiederherstellungseinrichtungen 

16.3. Logische Zugriffskontrolle 

16.3.1. Authentifizierung: Typologie 
16.3.2. Authentifizierungsprotokolle 
16.3.3. Angriffe zur Authentifizierung 

16.4. Logische Zugriffskontrolle. Authentifizierung MFA 

16.4.1. Logische Zugriffskontrolle. Authentifizierung MFA 
16.4.2. Passwörter. Bedeutung 
16.4.3. Angriffe zur Authentifizierung 

16.5. Logische Zugriffskontrolle. Biometrische Authentifizierung 

16.5.1. Logische Zugriffskontrolle. Biometrische Authentifizierung 

16.5.1.1. Biometrische Authentifizierung. Anforderungen 

16.5.2. Funktionsweise 
16.5.3. Modelle und Techniken 

16.6. Systeme zur Verwaltung der Authentifizierung 

16.6.1. Single Sign On 
16.6.2. Kerberos 
16.6.3. AAA-Systeme 

16.7. Authentifizierung-Management-Systeme: AAA-Systeme 

16.7.1. TACACS 
16.7.2. RADIUS 
16.7.3. DIAMETER 

16.8. Kontrollsysteme für den Zugang 

16.8.1. FW - Firewalls 
16.8.2. VPN - Virtuelle private Netzwerke 
16.8.3. IDS - Intrusion Detection System 

16.9. Netzwerk-Zugangskontrollsysteme 

16.9.1. NAC 
16.9.2. Architektur und Elemente 
16.9.3. Betrieb und Standardisierung 

16.10. Zugang auf drahtlose Netzwerke 

16.10.1. Arten von drahtlosen Netzwerken 
16.10.2. Sicherheit für drahtlose Netzwerke 
16.10.3. Angriffe auf drahtlose Netzwerke 

Modul 17. Sicherheit bei Kommunikation und Softwarebetrieb 

17.1. Computersicherheit in der Kommunikation und im Softwarebetrieb 

17.1.1. Computersicherheit 
17.1.2. Cybersicherheit 
17.1.3. Cloud-Sicherheit 

17.2. Computersicherheit in der Kommunikation und im Softwarebetrieb. Typologie 

17.2.1. Physische Sicherheit 
17.2.2. Logische Sicherheit 

17.3. Sicherheit in der Kommunikation 

17.3.1. Wichtigste Elemente 
17.3.2. Netzwerksicherheit 
17.3.3. Bewährte Praktiken 

17.4. Cyberintelligenz 

17.4.1. Social Engineering 
17.4.2. Deep Web 
17.4.3. Phishing 
17.4.4. Malware 

17.5. Sichere Entwicklung in Kommunikation und Softwarebetrieb 

17.5.1. Sichere Entwicklung. HTTP-Protokoll 
17.5.2. Sichere Entwicklung. Lebenszyklus 
17.5.3. Sichere Entwicklung. PHP-Sicherheit 
17.5.4. Sichere Entwicklung. NET-Sicherheit 
17.5.5. Sichere Entwicklung. Bewährte Praktiken 

17.6. Informationssicherheits-Managementsysteme in Kommunikation und Software 

17.6.1. GDPR 
17.6.2. ISO 27021 
17.6.3. ISO 27017/18 

17.7. SIEM-Technologien 

17.7.1. SIEM-Technologien 
17.7.2. SOC Betrieb 
17.7.3. SIEM Vendors 

17.8. Die Rolle der Sicherheit in Organisationen 

17.8.1. Rollen in Organisationen 
17.8.2. Die Rolle von IoT-Spezialisten in Unternehmen 
17.8.3. Anerkannte Zertifizierungen auf dem Markt 

17.9. Forensische Analyse 

17.9.1. Forensische Analyse 
17.9.2. Forensische Analyse. Methodik 
17.9.3. Forensische Analyse. Tools und Implementierung 

17.10. Cybersecurity heute 

17.10.1. Große Cyberangriffe 
17.10.2. Prognosen zur Beschäftigungsfähigkeit 
17.10.3. Herausforderungen 

Modul 18. Sicherheit in Cloud-Umgebungen 

18.1. Sicherheit in Cloud Computing-Umgebungen 

18.1.1. Sicherheit in Cloud Computing-Umgebungen 
18.1.2. Sicherheit in Cloud Computing-Umgebungen. Bedrohungen und Sicherheitsrisiken 
18.1.3. Sicherheit in Cloud Computing-Umgebungen Wichtige Sicherheitsaspekte 

18.2. Arten von Cloud Infrastruktur 

18.2.1. Publikum 
18.2.2. Öffentlich 
18.2.3. Privat 

18.3. Hybrid 

18.3.1. Vom Anbieter verwaltete Sicherheitselemente 
18.3.2. Vom Kunden verwaltete Elemente 
18.3.3. Definition der Sicherheitsstrategie 

18.4. Mechanismen der Prävention 

18.4.1. Systeme zur Verwaltung der Authentifizierung 
18.4.2. Berechtigungsverwaltungssystem: Zugriffsrichtlinien 
18.4.3. Systeme zur Schlüsselverwaltung 

18.5. Verbriefung von Systemen 

18.5.1. Verbriefung von Speichersystemen 
18.5.2. Sicherung von Datenbanksystemen 
18.5.3. Sichern von Daten bei der Übermittlung 

18.6. Schutz der Infrastruktur 

18.6.1. Entwurf und Implementierung eines sicheren Netzwerks 
18.6.2. Sicherheit von Computerressourcen 
18.6.3. Tools und Ressourcen zum Schutz der Infrastruktur 

18.7. Erkennung von Bedrohungen und Angriffen 

18.7.1. Auditing,  Logging und Überwachungssysteme 
18.7.2. Ereignis- und Alarmsysteme 
18.7.3. SIEM-Systeme 

18.8. Reaktion auf Vorfälle 

18.8.1. Plan zur Reaktion auf Vorfälle 
18.8.2. Geschäftskontinuität 
18.8.3. Forensische Analyse und Behebung von Vorfällen der gleichen Art 

18.9. Sicherheit in öffentlichen Clouds 

18.9.1. AWS (Amazon Web Services) 
18.9.2. Microsoft Azure 
18.9.3. Google GCP 
18.9.4. Oracle Cloud 

18.10. Regulierung und Compliance 

18.10.1. Compliance im Bereich Sicherheit 
18.10.2. Risikomanagement 
18.10.3. Menschen und Prozesse in Organisationen 

Modul 19. Sicherheit der Kommunikation von IoT-Geräten 

19.1. Von der Telemetrie zum IoT 

19.1.1. Telemetrie 
19.1.2. M2M-Konnektivität 
19.1.3. Demokratisierung der Telemetrie 

19.2. IoT-Referenzmodelle 

19.2.1. IoT-Referenzmodelle 
19.2.2. Vereinfachte IoT-Architektur 

19.3. IoT-Sicherheitsschwachstellen 

19.3.1. IoT-Geräte 
19.3.2. IoT-Geräte. Kasuistik der Verwendung 
19.3.3. IoT-Geräte. Schwachstellen 

19.4. IoT-Konnektivität 

19.4.1. PAN, LAN, WAN-Netzwerke 
19.4.2. Drahtlose Technologien außerhalb des IoT 
19.4.3. Drahtlose LPWAN-Technologien 

19.5. LPWAN-Technologien 

19.5.1. Das eiserne Dreieck der LPWANs 
19.5.2. Freie Frequenzbänder vs. Lizensierte Bänder 
19.5.3. LPWAN Technologie Optionen 

19.6. LoRaWAN-Technologie 

19.6.1. LoRaWAN-Technologie 
19.6.2. LoRaWAN Anwendungsfälle. Ökosystem 
19.6.3. LoRaWAN Sicherheit 

19.7. Sigfox Technologie 

19.7.1. Sigfox Technologie 
19.7.2. Sigfox Anwendungsfälle. Ökosystem 
19.7.3. Sicherheit in Sigfox 

19.8. IoT-Mobilfunktechnologie 

19.8.1. IoT-Mobilfunktechnologie (NB-IoT und LTE-M) 
19.8.2. Anwendungsfälle für IoT-Mobilfunktechnologie Ökosystem 
19.8.3. IoT-Mobilfunktechnologie-Sicherheit 

19.9. Wi-SUN Technologie 

19.9.1. Wi-SUN Technologie 
19.9.2. Wi-SUN Anwendungsfälle. Ökosystem 
19.9.3. Wi-SUN Sicherheit 

19.10. Andere IoT-Technologien 

19.10.1. Andere IoT-Technologien 
19.10.2. Anwendungsfälle und Ökosystem anderer IoT-Technologien 
19.10.3. Sicherheit in anderen IoT-Technologien 

Modul 20. Business Continuity Plan in Verbindung mit Sicherheit 

20.1. Business Continuity Plan 

20.1.1. Pläne für die Geschäftskontinuität (BCP) 
20.1.2. Plan für die Geschäftskontinuität (BCP). Schlüsselaspekte 
20.1.3. Business Continuity Plan (BCP) für die Unternehmensbewertung 

20.2. Metriken in einem Business Continuity Plan (BCP) 

20.2.1. Recovery Time Objective (RTO) und Recovery Point Objective (RPO) 
20.2.2. Maximal verträgliche Zeit (MTD) 
20.2.3. Mindestanforderungen für die Wiederherstellung (ROL) 
20.2.4. Wiederherstellungspunkt-Ziel (RPO) 

20.3. Kontinuitätsprojekte. Typologie 

20.3.1. Plan für die Geschäftskontinuität (BCP) 
20.3.2. IKT-Kontinuitätsplan (ICTCP) 
20.3.3. Plan zur Wiederherstellung im Katastrophenfall (DRP) 

20.4. Risikomanagement im Zusammenhang mit dem BCP 

20.4.1. Analyse der Auswirkungen auf das Geschäft 
20.4.2. Vorteile der Implementierung eines BCP 
20.4.3. Risikobasiertes Denken 

20.5. Lebenszyklus eines Business Continuity Plans 

20.5.1. Phase 1: Analyse der Organisation 
20.5.2. Phase 2: Festlegung der Kontinuitätsstrategie 
20.5.3. Phase 3: Reaktion auf Notfälle 
20.5.4. Phase 4: Tests, Wartung und Überprüfung 

20.6. Phase der Organisationsanalyse eines BCP 

20.6.1. Identifizierung der Prozesse, die in den Geltungsbereich des BCP fallen 
20.6.2. Identifizierung von kritischen Geschäftsbereichen 
20.6.3. Identifizierung von Abhängigkeiten zwischen Bereichen und Prozessen 
20.6.4. Bestimmung der geeigneten MTD 
20.6.5. Liefergegenstände. Erstellung eines Plans 

20.7. Phase der Festlegung der Kontinuitätsstrategie in einer BCP 

20.7.1. Rollen in der Phase der Strategiebestimmung 
20.7.2. Aufgaben in der Phase der Strategiefestlegung 
20.7.3. Liefergegenstände 

20.8. Phase der Notfallmaßnahmen eines BCP 

20.8.1. Rollen in der Reaktionsphase 
20.8.2. Aufgaben in dieser Phase 
20.8.3. Liefergegenstände 

20.9. Test-, Wartungs- und Überarbeitungsphase eines BCP 

20.9.1. Rollen in der Test-, Wartungs- und Überprüfungsphase 
20.9.2. Aufgaben in der Test-, Wartungs- und Überprüfungsphase 
20.9.3. Liefergegenstände 

20.10. ISO-Normen im Zusammenhang mit Business Continuity Plans (BCP) 

20.10.1. ISO 22301:2019 
20.10.2. ISO 22313:2020 
20.10.3. Andere verwandte ISO- und internationale Normen 

Modul 21. Datenanalytik in der Unternehmensorganisation 

21.1. Business-Analyse  

21.1.1. Business-Analyse 
21.1.2. Datenstruktur 
21.1.3. Phasen und Elemente  

21.2. Datenanalytik im Unternehmen 

21.2.1. Dashboards und KPIs nach Abteilungen 
21.2.2. Operative, taktische und strategische Berichterstattung 
21.2.3. Datenanalytik für jede Abteilung 

21.2.3.1. Marketing und Kommunikation 
21.2.3.2. Verkauf 
21.2.3.3. Kundendienst 
21.2.3.4. Einkauf 
21.2.3.5. Verwaltung 
21.2.3.6. Personalwesen 
21.2.3.7. Produktion 
21.2.3.8. IT 

21.3. Marketing und Kommunikation 

21.3.1. Zu messende KPIs, Anwendungen und Vorteile 
21.3.2. Marketing-Systeme und Data Warehouse 
21.3.3. Implementierung einer Struktur zur Datenanalyse im Marketing 
21.3.4. Marketing- und Kommunikationsplan 
21.3.5. Strategien, Prognosen und Kampagnenmanagement 

21.4. Kommerziell und Verkauf  

21.4.1. Beiträge der Datenanalytik im kommerziellen Bereich  
21.4.2. Bedürfnisse der Verkaufsabteilung 
21.4.3. Marktstudien  

21.5. Kundendienst 

21.5.1. Loyalität  
21.5.2. Persönliche Qualität und emotionale Intelligenz  
21.5.3. Kundenzufriedenheit 

21.6. Einkauf  

21.6.1. Datenanalytik für die Marktforschung 
21.6.2. Datenanalytik für die Wettbewerbsforschung 
21.6.3. Andere Anwendungen 

21.7. Verwaltung  

21.7.1. Bedürfnisse der Verwaltungssabteilung 
21.7.2. Data Warehouse und finanzielle Risikoanalyse 
21.7.3. Data Warehouse und finanzielle Risikoanalyse 

21.8. Personalwesen 

21.8.1. Personalwesen und Vorteile der Datenanalyse 
21.8.2. Datenanalysetools in der Personalabteilung 
21.8.3. Anwendung von Datenanalysen im Personalwesen  

21.9. Produktion   

21.9.1. Datenanalyse in einer Produktionsabteilung 
21.9.2. Anwendungen 
21.9.3. Vorteile  

21.10.  IT  

21.10.1. IT-Abteilung 
21.10.2. Datenanalytik und digitale Transformation  
21.10.3. Innovation und Produktivität 

Modul 22. Datenmanagement, Datenmanipulation und Informationen für Data Science 

22.1. Statistik. Variablen, Indizes und Kennziffern  

22.1.1. Die Statistik  
22.1.2. Statistische Dimensionen  
22.1.3. Variablen, Indizes und Kennziffern  

22.2. Daten-Typologie  

22.2.1. Qualitative  
22.2.2. Quantitative  
22.2.3. Charakterisierung und Kategorien  

22.3. Wissen über Daten aus Messungen  

22.3.1. Maßnahmen der Zentralisierung  
22.3.2. Maße der Streuung  
22.3.3. Korrelation  

22.4. Wissen über Daten aus Diagrammen  

22.4.1. Visualisierung nach Datentyp  
22.4.2. Interpretation von grafischen Informationen  
22.4.3. Anpassung von Grafiken mit R  

22.5. Wahrscheinlichkeit  

22.5.1. Wahrscheinlichkeit  
22.5.2. Wahrscheinlichkeitsfunktion  
22.5.3. Verteilungen  

22.6. Datenerhebung  

22.6.1. Methodik der Erhebung  
22.6.2. Erhebungsinstrumente  
22.6.3. Kanäle für die Erhebung  

22.7. Datenbereinigung  

22.7.1. Phasen der Datenbereinigung  
22.7.2. Qualität der Daten  
22.7.3. Datenmanipulation (mit R)  

22.8. Datenanalyse, Interpretation und Bewertung der Ergebnisse  

22.8.1. Statistische Maßnahmen  
22.8.2. Beziehungsindizes  
22.8.3. Data Mining  

22.9. Datenlager (Data Warehouse)  

22.9.1. Elemente   
22.9.2. Entwurf  

22.10. Verfügbarkeit von Daten  

22.10.1. Zugang  
22.10.2. Nützlichkeit  
22.10.3. Sicherheit 

Modul 23. IoT-Geräte und Plattformen als Grundlage für Data Science 

23.1. Internet of Things 

23.1.1. Internet der Zukunft, Internet of Things 
23.1.2. Das Konsortium Industrielles Internet 

23.2. Referenzarchitektur  

23.2.1. Referenzarchitektur 
23.2.2. Schichten 
23.2.3.  Komponenten 

23.3. Sensoren und IoT-Geräte  

23.3.1.  Hauptkomponenten 
23.3.2. Sensoren und Aktuatoren 

23.4. Kommunikation und Protokolle  

23.4.1. Protokolle. OSI-Modell 
23.4.2. Kommunikationstechnologien 

23.5. Cloud-Plattformen für IoT und IIoT  

23.5.1. Allzweck-Plattformen 
23.5.2. Industrielle Plattformen 
23.5.3. Open-Source-Plattformen 

23.6. Datenverwaltung in IoT-Plattformen  

23.6.1. Mechanismen zur Datenverwaltung. Offene Daten 
23.6.2. Datenaustausch und Visualisierung 

23.7. IoT-Sicherheit  

23.7.1. Sicherheitsanforderungen und -bereiche 
23.7.2. IIoT-Sicherheitsstrategien 

23.8. IoT-Anwendungen  

23.8.1. Intelligente Städte 
23.8.2. Gesundheit und Fitness 
23.8.3. Intelligentes Zuhause 
23.8.4. Andere Anwendungen 

23.9. IIoT-Anwendungen  

23.9.1. Herstellung 
23.9.2. Transport 
23.9.3. Energie 
23.9.4. Landwirtschaft und Viehzucht 
23.9.5. Andere Sektoren 

23.10. Industrie 4.0  

23.10.1. IoRT (Internet of Robotics Things) 
23.10.2. 3D Additive Fertigung 
23.10.3. Big Data-Analytics 

Modul 24. Grafische Darstellung für die Datenanalyse 

24.1. Explorative Analyse  

24.1.1. Repräsentation für die Informationsanalyse 
24.1.2. Der Wert der grafischen Darstellung 
24.1.3. Neue Paradigmen der grafischen Darstellung 

24.2. Optimierung für Data Science 

24.2.1. Farbpalette und Design 
24.2.2. Gestalt in der grafischen Darstellung 
24.2.3. Zu vermeidende Fehler und Tipps  

24.3. Grundlegende Datenquellen 

24.3.1. Für die Qualitätsdarstellung 
24.3.2. Für die Mengendarstellung 
24.3.3. Für die Zeitdarstellung 

24.4. Komplexe Datenquellen 

24.4.1. Dateien, Listen und DB 
24.4.2. Offene Daten 
24.4.3. Kontinuierlich generierte Daten 

24.5. Arten von Grafiken  

24.5.1. Grundlegende Darstellungen 
24.5.2. Blockdarstellung 
24.5.3. Darstellung für die Ausbreitungsanalyse 
24.5.4. Zirkuläre Darstellungen 
24.5.5. Blasen-Darstellungen 
24.5.6. Geografische Darstellungen 

24.6. Arten der Visualisierung  

24.6.1. Vergleichend und relational 
24.6.2. Verteilung 
24.6.3. Hierarchisch 

24.7. Berichtsentwurf mit grafischer Darstellung 

24.7.1. Anwendung von Diagrammen in Marketingberichten 
24.7.2. Anwendung von Diagrammen in Dashboards und KPIs 
24.7.3. Anwendung von Grafiken in strategischen Plänen 
24.7.4. Andere Verwendungen: Wissenschaft, Gesundheit, Wirtschaft 

24.8. Grafisches Geschichtenerzählen 

24.8.1. Grafisches Geschichtenerzählen 
24.8.2. Entwicklung 
24.8.3. Nützlichkeit 

24.9. Visualisierungsorientierte Tools  

24.9.1. Erweiterte Tools 
24.9.2. Online-Software 
24.9.3. Open Source 

24.10. Neue Technologien zur Datenvisualisierung  

24.10.1. Systeme zur Virtualisierung der Realität 
24.10.2. Systeme für Realitätserweiterung und -verbesserung 
24.10.3. Intelligente Systeme 

Modul 25. Data Science Tools 

25.1. Datenwissenschaft 

25.1.1. Datenwissenschaft 
25.1.2. Fortgeschrittene Tools für den Data Scientist  

25.2. Daten, Informationen und Wissen 

25.2.1. Daten, Informationen und Wissen 
25.2.2. Datentypen 
25.2.3. Daten-Quellen 

25.3. Von Daten zu Informationen 

25.3.1. Datenanalyse 
25.3.2. Arten der Analyse 
25.3.3. Extraktion von Informationen aus einem Dataset 

25.4. Extraktion von Informationen durch Visualisierung 

25.4.1. Visualisierung als Analyseinstrument 
25.4.2. Methoden der Visualisierung 
25.4.3. Visualisierung eines Datensatzes 

25.5. Datenqualität 

25.5.1. Datenqualität 
25.5.2. Datenbereinigung 
25.5.3. Grundlegende Datenvorverarbeitung 

25.6. Dataset 

25.6.1. Dataset-Anreicherung 
25.6.2. Der Fluch der Dimensionalität 
25.6.3. Ändern unseres Datensatzes 

25.7. Ungleichgewicht 

25.7.1. Ungleichgewicht der Klassen 
25.7.2. Techniken zur Begrenzung von Ungleichgewichten
25.7.3. Dataset-Abgleich 

25.8. Unüberwachte Modelle 

25.8.1. Unüberwachtes Modell 
25.8.2. Methoden 
25.8.3. Klassifizierung mit unüberwachten Modellen 

25.9. Überwachte Modelle 

25.9.1. Überwachtes Modell 
25.9.2. Methoden 
25.9.3. Klassifizierung mit überwachten Modellen 

25.10. Tools und bewährte Verfahren 

25.10.1. Bewährte Praktiken für einen Data Scientist 
25.10.2. Das beste Modell  
25.10.3. Nützliche Tools 

Modul 26. Data Mining. Auswahl, Vorverarbeitung und Transformation 

26.1. Statistische Inferenz 

26.1.1. Deskriptive Statistik vs. statistische Inferenz 
26.1.2. Parametrische Verfahren 
26.1.3. Nicht-parametrische Verfahren 

26.2. Explorative Analyse 

26.2.1. Deskriptive Analyse 
26.2.2. Visualisierung 
26.2.3. Vorbereitung der Daten 

26.3. Datenaufbereitung 

26.3.1. Datenintegration und -bereinigung 
26.3.2. Normalisierung der Daten 
26.3.3. Attribute umwandeln 

26.4. Verlorene Werte 

26.4.1. Umgang mit verlorenen Werten 
26.4.2. Maximum-Likelihood-Imputationsmethoden 
26.4.3. Imputation verlorener Werte durch maschinelles Lernen 

26.5. Datenrauschen 

26.5.1. Lärmklassen und Attribute 
26.5.2. Rauschfilterung 
26.5.3. Rauscheffekt 

26.6. Der Fluch der Dimensionalität 

26.6.1. Oversampling 
26.6.2. Undersampling 
26.6.3. Multidimensionale Datenreduktion 

26.7. Kontinuierliche zu diskreten Attributen 

26.7.1. Kontinuierliche vs. Diskrete Daten 
26.7.2. Prozess der Diskretisierung 

26.8. Die Daten 

26.8.1. Datenauswahl  
26.8.2. Perspektiven und Auswahlkriterien
26.8.3. Methoden der Auswahl  

26.9. Auswahl der Instanzen 

26.9.1. Methoden für die Instanzauswahl 
26.9.2. Auswahl der Prototypen 
26.9.3. Erweiterte Methoden für die Instanzauswahl 

26.10. Vorverarbeitung von Daten in Big Data-Umgebungen 

26.10.1. Big Data 
26.10.2. Klassische vs. Massive Vorverarbeitung 
26.10.3. Smart Data 

Modul 27. Vorhersagbarkeit und Analyse von stochastischen Phänomenen 

27.1. Zeitreihen 

27.1.1. Zeitreihen  
27.1.2. Nützlichkeit und Anwendbarkeit 
27.1.3. Verwandte Kasuistik 

27.2. Die Zeitreihen 

27.2.1. Saisonaler Trend von ZR 
27.2.2. Typische Variationen 
27.2.3. Residuale Analyse 

27.3. Typologien 

27.3.1. Stationär 
27.3.2. Nicht stationär 
27.3.3. Transformationen und Anpassungen 

27.4. Schemata für Zeitreihen  

27.4.1. Additives (Modell) Schema 
27.4.2. Multiplikatives (Modell) Schema 
27.4.3. Verfahren zur Bestimmung der Art des Modells 

27.5. Grundlegende Methoden des Forecast 

27.5.1. Durchschnitt 
27.5.2. Naiv 
27.5.3. Saisonale Naïve  
27.5.4. Vergleich der Methoden 

27.6. Rückstandsanalyse  

27.6.1. Autokorrelation 
27.6.2. ACF der Residuen 
27.6.3. Korrelationstest 

27.7. Regression im Kontext von Zeitreihen 

27.7.1. ANOVA 
27.7.2. Grundlagen 
27.7.3. Praktische Anwendung  

27.8. Prädiktive Zeitreihenmodelle 

27.8.1. ARIMA 
27.8.2. Exponentiale Glättung 

27.9. Zeitreihenmanipulation und -analyse mit R 

27.9.1. Vorbereitung der Daten 
27.9.2. Muster-Identifizierung 
27.9.3. Modell-Analyse 
27.9.4. Vorhersage 

27.10. Grafische Analyse kombiniert mit R  

27.10.1. Typische Situationen 
27.10.2. Praktische Anwendung zum Lösen einfacher Probleme 
27.10.3. Praktische Anwendung für fortgeschrittene Problemlösungen 

Modul 28. Design und Entwicklung von intelligenten Systemen 

28.1. Vorverarbeitung der Daten 

28.1.1. Vorverarbeitung der Daten 
28.1.2. Datenumwandlung 
28.1.3. Data Mining 

28.2. Automatisches Lernen 

28.2.1. Überwachtes und unüberwachtes Lernen 
28.2.2. Verstärkungslernen 
28.2.3. Andere Lern-Paradigma 

28.3. Klassifizierungsalgorithmen 

28.3.1. Induktives maschinelles Lernen 
28.3.2. SVM und KNN 
28.3.3. Metriken und Punktzahlen für die Rangliste 

28.4. Regressionsalgorithmen 

28.4.1. Lineare Regression, logistische Regression und nicht-lineare Modelle 
28.4.2. Zeitreihen 
28.4.3. Regressionsmetriken und -werte 

28.5. Clustering-Algorithmen 

28.5.1. Hierarchische Clustering-Techniken 
28.5.2. Partitionelle Clustering-Techniken 
28.5.3. Clustering-Metriken und -Bewertungen 

28.6. Assoziationsregel-Techniken 

28.6.1. Methoden zur Extraktion von Regeln 
28.6.2. Metriken und Punktzahlen für Assoziationsregel-Algorithmen 

28.7. Erweiterte Klassifizierungstechniken. Multiklassifizierer 

28.7.1. Bagging-Algorithmen 
28.7.2. “Random Forests“ Klassifikator 
28.7.3. “Boosting” für Entscheidungsbäume 

28.8. Probabilistische grafische Modelle 

28.8.1. Probabilistische Modelle 
28.8.2. Bayes'sche Netzwerke. Eigenschaften, Darstellung und Parametrisierung 
28.8.3. Andere probabilistische grafische Modelle 

28.9. Neuronale Netze 

28.9.1. Maschinelles Lernen mit künstlichen neuronalen Netzen 
28.9.2. Feedforward-Netzwerke 

28.10. Tiefes Lernen 

28.10.1. Tiefe Feedforward-Netzwerke 
28.10.2. Faltungsneuronale Netze und Sequenzmodelle 
28.10.3. Tools für die Implementierung tiefer neuronaler Netze 

Modul 29. Datenintensive Architekturen und Systeme 

29.1. Nicht-funktionale Anforderungen. Säulen der Big Data-Anwendungen 

29.1.1. Verlässlichkeit 
29.1.2. Anpassungsfähigkeit 
29.1.3. Instandhaltbarkeit 

29.2. Datenmodelle 

29.2.1. Relationales Modell 
29.2.2. Dokumentarisches Modell 
29.2.3. Graph-Datenmodell 

29.3. Datenbanken. Verwaltung der Speicherung und des Abrufs von Daten 

29.3.1. Hash-Indizes 
29.3.2. Strukturierte Speicherung in Log 
29.3.3. B-Bäume 

29.4. Datenverschlüsselungsformate 

29.4.1. Sprachspezifische Formate 
29.4.2. Standardisierte Formate 
29.4.3. Binäre Kodierungsformate 
29.4.4. Prozessübergreifender Datenfluss 

29.5. Replikation 

29.5.1. Ziele der Replikation 
29.5.2. Replikationsmodelle 
29.5.3. Probleme mit der Replikation 

29.6. Verteilte Transaktionen 

29.6.1. Transaktion  
29.6.2. Protokolle für verteilte Transaktionen
29.6.3. Serialisierbare Transaktionen 

29.7. Partitionierung 

29.7.1. Formulare unterteilen 
29.7.2. Interaktion von Sekundärindex und Partitionierung 
29.7.3. Partitionierung neu ausbalancieren 

29.8. Offline Datenverarbeitung 

29.8.1. Stapelverarbeitung 
29.8.2. Verteilte Dateisysteme 
29.8.3. MapReduce 

29.9.  Datenverarbeitung in Echtzeit 

29.9.1. Message Broker-Typen 
29.9.2. Darstellung von Datenbanken als Datenströme 
29.9.3. Datenstromverarbeitung 

29.10. Praktische Anwendungen im Unternehmen 

29.10.1. Konsistenz bei der Lektüre 
29.10.2. Ganzheitlicher Ansatz für Daten 
29.10.3. Skalierung eines verteilten Dienstes 

Modul 30. Praktische Anwendung von Data Science in Geschäftsbereichen 

30.1. Gesundheitssektor 

30.1.1. Auswirkungen von KI und Datenanalyse im Gesundheitssektor 
30.1.2. Potenzial und Herausforderungen  

30.2. Risiken und Trends in der Gesundheitsbranche   

30.2.1. Verwendung im Gesundheitssektor 
30.2.2. Potenzielle Risiken im Zusammenhang mit dem Einsatz von KI 

30.3. Finanzdienstleistungen  

30.3.1. Auswirkungen von KI und Datenanalyse auf den Finanzdienstleistungssektor 
30.3.2. Verwendung bei Finanzdienstleistungen 
30.3.3. Potenzielle Risiken im Zusammenhang mit dem Einsatz von KI 

30.4. Retail 

30.4.1. Auswirkungen von KI und Datenanalyse auf den Retail 
30.4.2. Verwendung im Retail 
30.4.3. Potenzielle Risiken im Zusammenhang mit dem Einsatz von KI 

30.5. Industrie 4.0  

30.5.1. Auswirkungen von KI und Datenanalyse in der Industrie 4.0 
30.5.2. Einsatz in der Industrie 4.0 

30.6. Risiken und Trends in der Industrie 4.0   

30.6.1. Potenzielle Risiken im Zusammenhang mit dem Einsatz von KI 

30.7. Öffentliche Verwaltung  

30.7.1. Auswirkungen von KI und Datenanalyse in der öffentlichen Verwaltung 
30.7.2. Verwendung in der öffentlichen Verwaltung 
30.7.3. Potenzielle Risiken im Zusammenhang mit dem Einsatz von KI 

30.8. Bildung  

30.8.1. Auswirkungen von KI und Datenanalyse im Bildungswesen 
30.8.2. Potenzielle Risiken im Zusammenhang mit dem Einsatz von KI 

30.9. Forst- und Landwirtschaft  

30.9.1. Auswirkungen von KI und Datenanalyse auf Forst- und Landwirtschaft 
30.9.2. Verwendung in Forst- und Landwirtschaft 
30.9.3. Potenzielle Risiken im Zusammenhang mit dem Einsatz von KI 

30.10. Personalwesen  

30.10.1. Auswirkungen von KI und Datenanalyse auf das Personalmanagement 
30.10.2. Praktische Anwendungen in der Geschäftswelt
30.10.3. Potenzielle Risiken im Zusammenhang mit dem Einsatz von KI 

TECH bietet Ihnen das beste Programm für Informatiker wie Sie, die eine Veränderung in ihrer Karriere anstreben, um ihre berufliche Laufbahn voranzutreiben"