Opleidingen

Machine Learning Practitioner. The Machine Learning Practitioner Training: LearningKit prepares professionals to build, optimize, deploy, and manage modern machine learning systems using today's most widely adopted AI engineering practices and tools. This comprehensive LearningKit follows the complete machine learning lifecycle—from feature engineering and model optimization to production deployment and continuous monitoring. You'll develop expertise in data preprocessing, feature selection, dimensionality reduction, hyperparameter optimization, anomaly detection, MLOps, model serving, CI/CD automation, and reinforcement learning. The curriculum provides extensive hands-on experience with advanced machine learning technologies including scikit-learn, Hyperopt, Ray Tune, Optuna, H2O AutoML, TensorFlow Keras Tuner, MLflow, Databricks, and modern deployment strategies such as batch, online, streaming, edge, blue/green, and A/B deployments. You'll also explore reinforcement learning concepts, implementing intelligent agents with Q-learning, SARSA, and Deep Q-Networks to solve dynamic decision-making problems. Ideal for machine learning engineers, data scientists, AI developers, MLOps engineers, platform engineers, and technical professionals, this LearningKit provides the advanced technical expertise required to transform machine learning models into reliable, scalable, and production-ready AI solutions that deliver measurable business value. This LearningKit with more than 21 hours of learning is divided into three tracks: Course Outcome Section 1: Feature Engineering for ML Models This section lays the foundation for high-performing machine learning models by focusing on data preparation and feature engineering. You will learn how to handle missing values and outliers, encode categorical variables and scale numeric features so that data is model-ready. Handling Missing Values and Outliers in Data Course: 1 Hour, 22 Minutes Course Overview Data Preparation Missing Values and Outliers Outlier Identification and Analysis Outlier Detection and Management Loading and Preparing Data for Cleaning Dropping Records and Imputing Values to Address Missing Data Implementing Multivariate Imputation Detecting and Visualizing Outliers with Box Plots Identifying and Computing Outliers Using IQR Capping Outliers with IQR and Evaluating Results Using the Z-Score Technique for Outlier Detection and Capping Course Summary Encoding Categorical Data for Machine Learning Course: 54 Minutes Course Overview Data Types and Processing Techniques One-Hot Encoding of Categorical Data Encoding Methods for Categorical Data Techniques for Encoding Categorical Variables Performing Label Encoding of Categorical Values Performing One-Hot Encoding of Nominal Categorical Variables Encoding Categorical Variables with the Ordinal Encoder Discretizing Variables and Training a Random Forest Model Course Summary Scaling Numeric Data for Machine Learning Course: 37 Minutes Course Overview Scaling Numeric Features Scaling Techniques and Their Applications Applying Min-Max Scaling to Numeric Features Implementing Standard Scaling and Frequency Encoding Training a KNN Classifier and Evaluating Performance Course Summary Feature Engineering Techniques for Machine Learning Course: 1 Hour, 7 Minutes Course Overview Feature Engineering Features and Mitigating Overfitting Risks Feature Creation and Model Impact Synthesizing Features and Constructing Scikit-Learn Pipelines Executing Pipeline Fit, Transformations, and Model Evaluation Performing Feature Engineering Modeling Non-Linear Relationships with Polynomial Features Creating Polynomial Features for a Regression Model Performing Log Transformations on Features Implementing Principal Component Analysis Applying Power Transformations and Performing PCA Course Summary Feature Selection and Dimensionality Reduction Course: 1 Hour, 11 Minutes Course Overview Feature Selection Methods Feature Selection Techniques Dimensionality Reduction with Principal Component Analysis (PCA) Analyzing Multicollinearity and Performing Feature Selection Performing Feature Selection Using Variance Threshold and the F-Statistic Applying Mutual Information Regression to Enhance Feature Selection Implementing Model-Based Feature Selection with Ridge Regression Executing Sequential Feature Selection Performing Classification Feature Selection Using Chi-Squared and F-Statistic Executing Recursive Feature Selection Course Summary Section 2: Hyperparameter Tuning for Machine Learning This section focuses on hyperparameter tuning, one of the most important drivers of model performance. You will learn the difference between model parameters and hyperparameters and explore techniques such as grid search, random search and cross-validation. Hyperparameter Tuning Techniques Course: 1 Hour, 12 Minutes Course Overview Model Parameters and Hyperparameters Hyperparameter Tuning Hyperparameter Tuning and Early Stopping Techniques Cross-Validation to Mitigate Overfitting K-Fold Cross-Validation Decision Trees and Hyperparameter Tuning Balancing Hyperparameters in Decision Trees Regularization and Splitting in Decision Trees Hyperparameter Tuning Algorithms Hyperparameter Tuning Methods Course Summary Hyperparameter Tuning with scikit-learn Course: 1 Hour, 51 Minutes Course Overview Hyperparameter Tuning with scikit-learn Performing Exploratory Data Analysis and Visualizing Correlations Building a Baseline Regression Model and Evaluating Performance Tuning Decision Tree Hyperparameters Executing GridSearchCV to Tune Regression Models Utilizing GridSearchCV Results and Analyzing Best Models Implementing and Evaluating RandomizedSearchCV Employing HalvingGridSearchCV for Hyperparameter Tuning Using HalvingGridSearchCV with Dynamic Resources Selecting Optimal Regression Models Through Hyperparameter Tuning Building a Baseline Classification Model Implementing Hyperparameter Tuning with GridSearchCV for Classification Models Performing GridSearchCV with Multiple Scoring Metrics Exploring Randomized and Halving Random Search Strategies Course Summary Hyperparameter Tuning with Hyperopt on Databricks Course: 1 Hour, 57 Minutes Course Overview The Databricks Platform Hyperopt on Databricks Search Algorithms in Hyperopt Creating a Databricks Workspace on Azure Configuring and Launching an Apache Spark Cluster Creating a Databricks Volume and Uploading CSV Data Writing Python Code Using Databricks Notebooks Encoding and Scaling Data and Training a Model Tracking a Model with MLflow and Exploring Experiment Data Executing and Analyzing Hyperparameter Tuning with Hyperopt Analyzing Hyperparameter Tuning Runs in Databricks Performing Distributed Hyperparameter Tuning with SparkTrials Course Summary Hyperparameter Tuning with Ray Tune on Databricks Course: 50 Minutes Course Overview Key Features of Ray Tune Performing Hyperparameter Tuning with Ray Tune Understanding Ray Tasks and MLflow Integration Executing Parallel Model Training and Logging with Ray Executing Hyperparameter Tuning with Ray Tune Course Summary Hyperparameter Tuning with Optuna Course: 59 Minutes Course Overview Hyperparameter Optimization with Optuna Training a Baseline Classification Model and Exploring the Confusion Matrix Running an Optuna Study to Find the Best Hyperparameters Interpreting an Optuna Study Visualizing Hyperparameter Tuning Using Optuna Dashboard Hyperopt vs. Optuna vs. Ray Tune Course Summary Automated Machine Learning with H2O AutoML Course: 54 Minutes Course Overview H2O AutoML Training Regression Models with H2O AutoML Automatically Tuning Multiple Models Using H2O AutoML Training Models with Diverse Algorithms Using H2O AutoML Interpreting Models with H2O’s Explain Function Course Summary Hyperparameter Tuning with Keras Tuner Course: 47 Minutes Course Overview Hyperparameter Optimization with Keras Tuner Utilizing Hyperparameter Tuning with Keras Tuner in Colab Training a Convolutional Network for Image Classification Tuning Hyperparameters with Keras Tuner Visualizing and Evaluating Hyperparameter Tuning with TensorBoard Course Summary Section 3: Anomaly Detection This section equips you with practical techniques to identify outliers, errors, fraud patterns and rare events that can affect data quality and model performance. Understanding Anomalies and Their Detection Course: 49 Minutes Course Overview What Are Anomalies? Point Anomalies Contextual Anomalies Collective Anomalies Course Summary Using Z-Scores and IQR for Anomaly Detection Course: 47 Minutes Course Overview Anomaly Detection with Z-Scores Anomaly Detection with Interquartile Ranges (IQR) Anomaly Detection with Modified Z-Scores Using Interquartile Ranges to Identify Anomalies Using Z-Scores and Modified Z-Scores for Anomaly Detection Course Summary Using LOF, iForest, and One-Class SVMs for Anomaly Detection Course: 1 Hour, 43 Minutes Course Overview Anomaly Detection with Local Outlier Factor (LOF) Performing Anomaly Detection Using LOF Configuring the Sensitivity of LOF Using Number of Neighbors Anomaly Detection with Isolation Forest (iForest) Performing Anomaly Detection Using iForest Visualizing and Interpreting Anomalies Using Scatter Plots and Histograms Anomaly Detection with One-Class Support Vector Machines (OC SVMs) Performing Anomaly Detection with One-Class SVM and a Linear Kernel Performing Anomaly Detection with One-Class SVM and an RBF Kernel Anomaly Detection with Elliptic Envelope Detection Performing Anomaly Detection with Elliptic Envelope Course Summary Section 4: MLOps and Model Deployment This section bridges the gap between model development and production. You will learn how MLOps extends DevOps practices to address machine learning-specific challenges such as data drift, model retraining, reproducibility, lifecycle management, CI/CD, infrastructure as code, containerization and automated testing. MLOps and Model Deployment: Model Deployment and Serving Strategies Course: 1 Hour, 18 Minutes Course Overview Model Deployment and Serving in MLOps Batch, Online, Streaming, and Edge Serving Modes Big Bang, Blue/Green, and A/B Deployment Strategies Model Hosting and Compute Choices Scalability Pattern and Update Frequency Model Servers and Managed ML Serving Platforms MLflow Information Captured in MLflow Runs Model Registry Course Summary MLOps and Model Deployment: Contextualizing MLOps and DevOps Course: 52 Minutes Course Overview Introducing MLOps CI/CD in MLOps IaC in MLOps Containerization and Orchestration in MLOps Automated Testing and Version Control in MLOps DevOps vs. MLOps Course Summary MLOps and Model Deployment: Training and Deploying Models Using MLflow on Databricks Course: 46 Minutes Course Overview Setting Up the Machine Learning Environment on Databricks Splitting and Preprocessing the Data for Machine Learning Training and Tracking Parameters and Metrics Using MLflow Runs Registering a Model with the MLflow Registry Deploying and Serving the Model Course Summary Section 5: Reinforcement Learning This section introduces reinforcement learning, a machine learning paradigm in which agents learn optimal behavior through trial, feedback and reward instead of labeled data. Implementing Simple Reinforcement Learning Methods Course: 44 Minutes Course Overview Set Up an Environment for a Reinforcement Learning Agent Instantiating and Training an Agent Visualizing Metrics for a Trained Agent Setting Up an Environment and Agent for Shortest Path Computation Visualizing Metrics for the Trained Shortest Path Agent Course Summary Contextualizing Reinforcement Learning Course: 58 Minutes Course Overview Contextualizing Reinforcement Learning Actions and States Environment Modeling and MDP Policy Search Dynamic Programming and Q-Learning Intuition Q-Learning and SARSA Deep Q Networks Course Summary Specificaties Taal: Engels Kwalificaties van de Instructeur: Gecertificeerd Cursusformaat en Lengte: Lesvideo's met ondertiteling, interactieve elementen en opdrachten en testen Lesduur: 21:36 uur Assesments: De assessment test uw kennis en toepassingsvaardigheden van de onderwerpen uit het leertraject. Deze is 365 dagen beschikbaar na activering. Online Virtuele labs: Ontvang 12 maanden toegang tot virtuele labs die overeenkomen met de traditionele cursusconfiguratie. Actief voor 365 dagen na activering, beschikbaarheid varieert per Training. Online mentor: U heeft 24/7 toegang tot een online mentor voor al uw specifieke technische vragen over het studieonderwerp. De online mentor is 365 dagen beschikbaar na activering, afhankelijk van de gekozen Learning Kit. Voortgangsbewaking: Ja Toegang tot Materiaal: 365 dagen Technische Vereisten: Computer of mobiel apparaat, Stabiele internetverbindingen Webbrowserzoals Chrome, Firefox, Safari of Edge. Support of Ondersteuning: Helpdesk en online kennisbank 24/7 Certificering: Certificaat van deelname in PDF formaat Prijs en Kosten: Cursusprijs zonder extra kosten Annuleringsbeleid en Geld-Terug-Garantie: Wij beoordelen dit per situatie Award Winning E-learning: Ja Tip! Zorg voor een rustige leeromgeving, tijd en motivatie, audioapparatuur zoals een koptelefoon of luidsprekers voor audio, accountinformatie zoals inloggegevens voor toegang tot het e-learning platform.

Cursusbeschrijving Centraal in deze cursus staat de persoonlijke, civielrechtelijke aansprakelijkheid van bestuurders (en commissarissen) van besloten en naamloze vennootschappen. Dit belangrijke thema krijgt door veranderende wetgeving en actuele jurisprudentie voortdurend nieuwe impulsen. Aan de hand van actuele wetgeving, rechtspraak en literatuur wordt uitgebreid ingegaan op de aansprakelijkheid van bestuurders van BV’s wegens onbehoorlijk bestuur, zowel binnen als buiten faillissement. Daarbij komen onder meer aan de orde situaties waarin bestuurders aansprakelijk kunnen worden gehouden wegens onverantwoorde dividenduitkeringen. Verder wordt ingegaan op de omstandigheden waaronder bestuurders door afzonderlijke schuldeisers van de vennootschap aansprakelijk kunnen worden gehouden wegens onrechtmatig handelen, bijvoorbeeld in situaties van selectieve betalingen of frustratie van verhaal. Daarnaast wordt ingegaan op (bestuurders)aansprakelijkheid in concernverband. Een onderwerp dat nauw verband houdt met het thema van doorbraak van aansprakelijkheid. Daarbij komen onder meer de volgende onderwerpen aan bod: aansprakelijkheid van een moedermaatschappij jegens schuldeisers van de dochtermaatschappij; doorbraak van bestuurdersaansprakelijkheid op grond van art. 2:11 BW; bestuurdersaansprakelijkheid op basis van art. 6:166 BW (groepsaansprakelijkheid); en vereenzelviging. Deze cursus wordt verzorgd door mr. Etzel van Dooren en prof. mr. Jan Berend Wezeman, beiden toonaangevende deskundigen op het gebied van het ondernemingsrecht. Etzel van Dooren is advocaat en professional support lawyer bij Houthoff en staat bekend om zijn diepgaande expertise op het gebied van concernverhoudingen en doorbraak van aansprakelijkheid. Hij promoveerde op het proefschrift De aansprakelijkheid op grond van een 403-verklaring. Jan Berend Wezeman is hoogleraar Handelsrecht en Ondernemingsrecht aan de Rijksuniversiteit Groningen en verbonden aan het Instituut voor Ondernemingsrecht Groningen/Rotterdam. Hij promoveerde, onder begeleiding van prof. Van Schilfgaarde, op het proefschrift Aansprakelijkheid van bestuurders. Sprekers Etzel van Dooren is advocaat en professional support lawyer bij Houthoff. Daarnaast is hij fellow bij het Molengraaff instituut voor privaatrecht van de Universiteit Utrecht. Hij is begin 2021 aan de Universiteit Utrecht gepromoveerd op het proefschrift ‘De aansprakelijkheid op grond van een 403-verklaring’. Etzel publiceert regelmatig op het gebied van het ondernemingsrecht. Jan Berend Wezeman (1959) is als hoogleraar Handelsrecht en Ondernemingsrecht verbonden aan de Rijksuniversiteit Groningen en aan het Instituut voor Ondernemingsrecht Groningen/Rotterdam. Hij promoveerde in 1998 bij Van Schilfgaarde op het proefschrift Aansprakelijkheid van bestuurders. Wezeman is redacteur van diverse ondernemingsrechtelijke uitgaven (o.a. SDU Commentaar Ondernemingsrecht) en publiceert regelmatig op het terrein van het ondernemingsrecht. Hij werkt als auteur onder meer mee aan het handboek Van de BV en de NV. Wezeman is op 26 april 2021 benoemd tot Officier in de Orde van Oranje Nassau.  Certificaat en opleidingspunten Na afloop van de cursus ontvangt u een certificaat van deelname (6 opleidingspunten / PO/PE). Lesmateriaal Als onderdeel van de cursus ontvangt u lesmateriaal (kort voorafgaand aan de cursus of direct na afloop van de cursus).

Cursusbeschrijving Centraal in deze cursus staat de persoonlijke, civielrechtelijke aansprakelijkheid van bestuurders (en commissarissen) van besloten en naamloze vennootschappen. Dit belangrijke thema krijgt door veranderende wetgeving en actuele jurisprudentie voortdurend nieuwe impulsen. Aan de hand van actuele wetgeving, rechtspraak en literatuur wordt uitgebreid ingegaan op de aansprakelijkheid van bestuurders van BV’s wegens onbehoorlijk bestuur, zowel binnen als buiten faillissement. Daarbij komen onder meer aan de orde situaties waarin bestuurders aansprakelijk kunnen worden gehouden wegens onverantwoorde dividenduitkeringen. Verder wordt ingegaan op de omstandigheden waaronder bestuurders door afzonderlijke schuldeisers van de vennootschap aansprakelijk kunnen worden gehouden wegens onrechtmatig handelen, bijvoorbeeld in situaties van selectieve betalingen of frustratie van verhaal. Daarnaast wordt ingegaan op (bestuurders)aansprakelijkheid in concernverband. Een onderwerp dat nauw verband houdt met het thema van doorbraak van aansprakelijkheid. Daarbij komen onder meer de volgende onderwerpen aan bod: aansprakelijkheid van een moedermaatschappij jegens schuldeisers van de dochtermaatschappij; doorbraak van bestuurdersaansprakelijkheid op grond van art. 2:11 BW; bestuurdersaansprakelijkheid op basis van art. 6:166 BW (groepsaansprakelijkheid); en vereenzelviging. Deze cursus wordt verzorgd door mr. Etzel van Dooren en prof. mr. Jan Berend Wezeman, beiden toonaangevende deskundigen op het gebied van het ondernemingsrecht. Etzel van Dooren is advocaat en professional support lawyer bij Houthoff en staat bekend om zijn diepgaande expertise op het gebied van concernverhoudingen en doorbraak van aansprakelijkheid. Hij promoveerde op het proefschrift De aansprakelijkheid op grond van een 403-verklaring. Jan Berend Wezeman is hoogleraar Handelsrecht en Ondernemingsrecht aan de Rijksuniversiteit Groningen en verbonden aan het Instituut voor Ondernemingsrecht Groningen/Rotterdam. Hij promoveerde, onder begeleiding van prof. Van Schilfgaarde, op het proefschrift Aansprakelijkheid van bestuurders. Sprekers Etzel van Dooren is advocaat en professional support lawyer bij Houthoff. Daarnaast is hij fellow bij het Molengraaff instituut voor privaatrecht van de Universiteit Utrecht. Hij is begin 2021 aan de Universiteit Utrecht gepromoveerd op het proefschrift ‘De aansprakelijkheid op grond van een 403-verklaring’. Etzel publiceert regelmatig op het gebied van het ondernemingsrecht. Jan Berend Wezeman (1959) is als hoogleraar Handelsrecht en Ondernemingsrecht verbonden aan de Rijksuniversiteit Groningen en aan het Instituut voor Ondernemingsrecht Groningen/Rotterdam. Hij promoveerde in 1998 bij Van Schilfgaarde op het proefschrift Aansprakelijkheid van bestuurders. Wezeman is redacteur van diverse ondernemingsrechtelijke uitgaven (o.a. SDU Commentaar Ondernemingsrecht) en publiceert regelmatig op het terrein van het ondernemingsrecht. Hij werkt als auteur onder meer mee aan het handboek Van de BV en de NV. Wezeman is op 26 april 2021 benoemd tot Officier in de Orde van Oranje Nassau.  Certificaat en opleidingspunten Na afloop van de cursus ontvangt u een certificaat van deelname (6 opleidingspunten / PO/PE). Lesmateriaal Als onderdeel van de cursus ontvangt u lesmateriaal (kort voorafgaand aan de cursus of direct na afloop van de cursus).

Verdiepingstraining Interne audits Je hebt de basis van interne audits in de zorg onder de knie en je merkt dat de uitdaging verschuift. Het gaat allang niet meer alleen om hoe je auditeert, maar vooral om wat je audit oplevert. Je krijgt te maken met weerstand, gevoelige onderwerpen, verschillende dynamieken in gesprekken en bevindingen die niet altijd worden opgevolgd. Je hebt een duidelijke visie op jouw rol als auditor en weet waar jouw deze begint en eindigt. Je hebt geoefend met verdiepende auditvaardigheden, gesprekstechnieken auditmethodieken en auditvormen, passend bij verschillende (ook complexe) auditsituaties. Je rapporteert efficiënter en aansprekender, zodat ze aanzetten tot verbetering en eigenaarschap (van constateren naar activeren) Je hebt inzicht in kansen om het auditproces efficiënter en effectiever te organiseren.Je zet een volgende stap in jouw persoonlijke ontwikkeling als auditor. Je hebt geoefend met het toepassen van professionele scherpte in gesprekken, zonder de relatie te verliezen. - Jouw rol als auditor - Verdieping in rapportage – en gespreksvaardigheden - Organisatiecultuur - Het auditproces versterken en verder professionaliseren - Het kiezen van een passende auditmethodiek en auditvorm per situatie - Omgaan met weerstand en onderstroom (onzichtbare patronen, gevoelens, verwachtingen) - Intervisie en oefenen met uitdagende praktijksituaties - Ervaringen uitwisselen met andere organisaties Interne auditoren, audit coördinatoren en kwaliteitsmanagers/-adviseurs die: Minimaal één jaar ervaring hebben met het uitvoeren van interne audits; In de praktijk minimaal 2 à 3 interne audits uitgevoerd hebben, bij voorkeur (deels) in het afgelopen jaar; Regelmatig betrokken blijven bij het auditproces binnen de organisatie en hun vaardigheden verder willen professionaliseren.

De Quality Reliability Engineer zorgt voor de instandhouding van de installatie. Niet alleen op de korte termijn, maar juist ook vooral op de lange termijn. Het is de kunst de performance van de installatie te garanderen, terwijl de integrale kosten niet stijgen. Deze Opleiding Quality Reliability is interessant en een must in relatie tot de tegenwoordig duurzaamheidseisen. Deze Opleiding Quality Reliability Engineer is een verrijking voor je ontwikkeling als engineer of quality engineer. Tegelijkertijd is er vraag in de markt naar specialisten die er voor zorgen dat de performance wordt gegarandeerd, terwijl de kosten worden beheerst. Geen enkele organisatie kan zich tegenwoordig oplopende kosten permitteren. Tegelijkertijd moeten organisaties voldoen aan duurzaamheidseisen. De Quality Reliability Engineer is de specialist en spin in het web van technologische ontwikkelingen. Met deze Opleiding Quality Reliability Engineer kan je in de praktijk werken aan de combinatie van duurzaamheid, technologische ontwikkeling, bedrijfseconomie en problem solving. Houd je van techniek, het oplossen van problemen en investeren in nieuwe ontwikkelingen? Dan is de functie Quality Reliability Engineer inspirerend en uitdagend. In 5 dagdelen leer je de inhoud, in combinatie met zelfstudie en praktijkoefeningen. Als je wilt, kan je examen doen in het ASQ Programma voor Quality Reliability Engineer. Dit is de inhoud van de Opleiding Quality Reliability Engineer De inhoud van deze opleiding Quality Reliability Engineer volgt het leerboek van ASQ. Aan het einde van de opleiding is het daardoor mogelijk examen te doen en jezelf te certificeren. Dat is geen verplichting. Je kan ook de opleiding volgen zonder examen te doen. In dat geval ontvang je het Certificate of Completion van Patagonia Opleidingen B.V..  Wat is de inhoud van de opleiding Quality Reliability Engineer? Dag 1: Reliability principes Product lifecycle management Drivers of reliability requirements en doelen Software producten System Engineering en Integration Uitwerkingen en huiswerk De eerste dag gaat over de basisprincipes. Waar is reliability management voor? Wat zijn de fundamenten? Wat is de rol van de reliability engineer? Deze een meer vragen worden de eerste dag beantwoord, zodat je een goed beeld hebt van de rest van de cursus en de functie. Dag 2: Risico management Ranking en scoring Types of FMEA en Hazard analysis Systeemveiligheid Mitigatie van risico's Uitwerkingen en huiswerk Deze tweede dag gaat over de risicoanalyses. Dit is een essentieel instrument om in de toekomst te kunnen kijken. Je anticipeert op wat gaat komen en hoe de installatie zich zal gedragen. Je krijgt oefeningen en uitwerkingen, zodat je na deze dag direct aan de slag kunt als Quality Reliability Engineer. Dag 3: Waarschijnlijkheid en Statistiek voor reliability Hypotheses testen Waarschijnlijkheid distributies Regeldiagrammen, control charts Data management Uitwerkingen en huiswerk Op deze dag ga je met je team en de trainer de statistiek onderzoeken. We zijn er op voorbereid dat niet iedereen statistiek leuk of makkelijk vindt. Daarom begeleiden we je op een rustige manier, waarbij we er voor zorgen dat je het begrijpt en geen trucjes leert. Je zal versteld staan van wat je allemaal kunt bereiken als Quality Reliability Engineer. Dag 4: Reliability planning, testen en modeleren Reliability test strategieën Faalcriteria en faalconsequenties Testen ontwikkelen Degradatie, slijtage bepalen Uitwerkingen en huiswerk Deze dag vult zich met interessante onderzoeken en testen. Je leert de installatie onderzoeken en de consequenties bepalen. Je ontwikkelt vaardigheden om prototypes te ontwerpen en consequenties van falen te bepalen. Dit is de dag waar de echte Reliability Engineer voor wakker wordt. Het belang van je rol als Quality Reliability Engineer in de organisatie wordt onderstreept. Dag 5: Lifecycle reliability Design technieken Stress-strength analyses Design Of Experiments (DOE) Parts en system development Uitwerkingen en huiswerk Tot slot ga je in deze opleiding ontdekken hoe je life-cycle management bepaalt en organiseert. Daar draait het allemaal om. Hoe lang kan je een installatie operationeel houden bij gelijkblijvende kwaliteit, kosten en duurzaamheidseisen? Je onderzoekt standaarden, systemen en de bijbehorende experimenten. Zo groei je uit tot een volwaardig Quality Reliability Engineer. Nieuw opleiding Quality Reliability Engineer uniek in Nederland Deze geheel nieuwe opleiding tot Quality Reliability Engineer is uniek in Nederland. Samen met the American Society for Quality ASQ brengen we deze indrukwekkende opleiding naar de Nederlandse markt. Ben jij al als Reliability Engineer aan de slag en wil je bijscholen, of wil je Reliability Engineer worden? Dan is deze opleiding Quality Reliability Engineer precies voor jou. 

Een melder van ongewenst gedrag kan ervoor kiezen, eventueel na informele opties te hebben doorlopen, de formele weg te bewandelen en een klacht in te dienen bij de klachtencommissie. Hierbij zal de melder mogelijk ondersteuning wensen van een vertrouwenspersoon.  Het is aan de vertrouwenspersoon om een melder te informeren over deze route, wat zijn bijvoorbeeld de voor- en nadelen. Daarnaast zal een melder, indien deze weg wordt overwogen, ook graag willen weten hoe een klachtenprocedure er ongeveer uitziet, welke bevoegdheden een klachtencommissie heeft, hoe er onderzoek wordt uitgevoerd en wat mogelijke uitkomsten en consequenties zijn. Tijdens de cursus bespreken we ook wie er allemaal betrokken zijn bij een klachtenprocedure en wat hun rollen zijn bij klachtenonderzoek en wat de rechten en plichten van de verschillende betrokkenen zijn in een klachtenprocedure. Dit valt af te leiden uit de klachtenregelingen van organisaties. Tijdens de cursus bespreken we hoe klachtenregelingen er over het algemeen uitzien en hoe een klachtenregeling te lezen. Besluit een melder daadwerkelijk een klacht in te dienen, dan kan de vertrouwenspersoon de melder tijdens deze fase ondersteunen. Hiervoor is het goed dat vertrouwenspersonen een goed beeld hebben van hun exacte rol tijdens de gang naar de klachtencommissie en op wat voor manier zij melders kunnen ondersteunen.  Niet alleen een melder kan echter bijstand vragen aan een vertrouwenspersoon tijdens een klachtenprocedure. Ook de beklaagde heeft vaak recht op ondersteuning van een vertrouwenspersoon. Wij geven nadrukkelijk ook aandacht aan deze positie van de vertrouwenspersoon. Deze cursus biedt BNS op het taakgebied van de vertrouwenspersoon: opvang en begeleiding.

Een melder vertelt over grensoverschrijdend gedrag. En dan komen de vragen – van de melder, of in je eigen hoofd: Is dit eigenlijk strafbaar? Wat zijn de opties? Heeft het zin om naar de politie te gaan? Wat gebeurt er dan precies? Hoe lang duurt zoiets? Welke rechten heeft een slachtoffer? En wat kun jij als VP daarin betekenen? Als vertrouwenspersoon hoef je geen jurist te zijn. Maar een melder die overweegt actie te ondernemen, heeft wel iemand nodig die het proces begrijpt. Iemand die eerlijk kan voorlichten over wat de mogelijkheden zijn, wat de voor- én nadelen zijn, en wat er te wachten staat. Na deze cursus ben jij die persoon. Strafbaar of niet? Seksuele intimidatie is niet automatisch strafbaar. Maar wanneer wordt het dat wel? We verkennen de grenzen tussen ongewenst gedrag en strafbare feiten, met voorbeelden uit de praktijk. Ook bespreken we wanneer voor jou als VP een aangifteplicht geldt. Aangifte doen Hoe werkt het concreet? Waar doe je aangifte, hoe gaat dat in zijn werk, en wie kan dat doen? We bespreken de procedure én de afwegingen: wat zijn redenen om wél aangifte te doen, en wat kunnen redenen zijn om het niet te doen? Het Strafrechtelijk onderzoek Wat gebeurt er nadat aangifte is gedaan? We doorlopen de fasen van het strafrechtelijk proces – van eerste onderzoek tot eventuele vervolging en vonnis. Zodat je een melder kunt vertellen wat er te wachten staat.

LLM Metrics and Trade-Offs. The LLM Metrics and Trade-Offs Training: LearningKit prepares professionals to evaluate, optimize, and govern Large Language Models using modern AI engineering principles, performance metrics, and enterprise decision-making frameworks. This comprehensive LearningKit covers the complete evaluation lifecycle for LLMs, beginning with key performance metrics such as BLEU, ROUGE, HELM, and F1 Score before progressing into model accuracy, latency, throughput, scalability, infrastructure optimization, resource consumption, and deployment strategies. You'll learn how different model sizes affect performance, cost efficiency, and operational scalability while comparing public and private LLM deployments. The curriculum places strong emphasis on responsible AI, teaching bias detection, fairness assessment, ethical AI practices, privacy protection, regulatory compliance, and governance strategies that support trustworthy enterprise AI solutions. Practical case studies demonstrate how to balance technical performance with business objectives while selecting the most appropriate language model for content generation, customer service, automation, analytics, and other enterprise use cases. Ideal for AI engineers, machine learning specialists, enterprise architects, data scientists, solution designers, and technology leaders, this LearningKit provides the practical expertise required to confidently evaluate, deploy, and manage Large Language Models that deliver optimal technical performance, business value, and responsible AI outcomes. This LearningKit with more than 9 hours of learning is divided into three tracks: Course Outcome Large Language Models and Key Metrics In this course, you will learn how Large Language Models work and which metrics are used to evaluate their performance. You will explore HELM, BLEU, ROUGE and F1 scores and learn to distinguish between intrinsic and extrinsic evaluation methods. You will also review practical examples of public and in-house models. LLM Accuracy, Performance, and Trade-Offs This course focuses on balancing accuracy, performance, model size and computational resources. You will learn why larger models often perform better on complex tasks, while also requiring more resources. You will also learn how to evaluate trade-offs between model size, accuracy and resource consumption. LLM Latency, Throughput, and Scalability In this course, you will learn how latency, throughput and scalability affect LLM performance in real-world applications. You will explore how models handle heavy workloads, high-traffic scenarios, large-scale content generation and vast datasets. LLM Cost Efficiency, Model Size, and Resource Optimization This course covers cost efficiency and resource optimization when deploying LLMs. You will learn how to evaluate the computational costs of small, medium and large models in cloud environments such as AWS and Azure. You will also explore fine-tuning, resource demands and cost-performance trade-offs. LLM Bias, Fairness, and Ethical Considerations This course covers bias, fairness and ethical considerations in Large Language Models. You will learn how LLMs can unintentionally learn and reproduce data biases, and how to identify and evaluate output bias and fairness. Privacy, regulation and trustworthy AI are also addressed. Selecting the Right LLM In this course, you will learn how to select the right LLM for business tasks such as content creation, customer support and other AI applications. You will create frameworks for LLM selection based on metrics, organizational needs, compliance, security, ethical concerns and technical trade-offs. LLM Metrics and Trade-Offs: Large Language Models and Key Metrics Course: 1 Hour, 38 Minutes Course Overview Large Language Model Architecture Large Language Model Concepts Large Language Model Principles Large Language Model Types Large Language Model Selection Criteria Large Language Model Metrics Large Language Model Evaluation Methods Large Language Model Metrics Alignment Exploring Large Language Model Design Public Large Language Models In-House Large Language Models Evaluating Large Language Models Using Large Language Model Intrinsic Metrics Course Summary LLM Metrics and Trade-Offs: LLM Accuracy, Performance, and Trade-Offs Course: 1 Hour, 53 Minutes Course Overview Large Language Model Precision Large Language Model Recall Large Language Model F1 Scores Examining Large Language Model Precision Analyzing Large Language Model Recall Evaluating Large Language Model F1 Scores Large Language Model Accuracy Large Language Model Size Large Language Model Computational Cost Large Language Model Perplexity Large Language Model Selection Best Practices Large Language Model Fine-Tuning Fine-Tuning Large Language Models Comparing Metrics of Fine-Tuned Large Language Models Large Language Model Performance Metrics Large Language Model Overall Output Quality Course Summary LLM Metrics and Trade-Offs: LLM Latency, Throughput, and Scalability Course: 1 Hour, 43 Minutes Course Overview Large Language Model (LLM) Latency Large Language Model (LLM) Throughput Large Language Model (LLM) Scalability Measuring LLM Latency Measuring Large Model Latency Selecting Large Language Models Large Language Model and High Traffic Evaluating Large Language Models & Distributed Text Scaling Large Language Models Large Language Models & Time Sensitive Applications Large Language Models & Performance Balancing Large Language Models & Real-time Demands Ethical Considerations in LLM Deployment Optimizing LLM Hyperparameters to Reduce Costs Course Summary LLM Metrics and Trade-Offs: LLM Cost Efficiency, Model Size, and Resource Optimization Course: 1 Hour, 15 Minutes Course Overview Small LLM Computational Costs Large Language Model Cost Optimization Large Language Model Cost Analysis LLM In-House Cost Efficiency LLM Public Cost Efficiency Large Language Model Optimization Optimizing Large Language Models LLM Cost, Size, and Performance Trade-Offs LLM Scaling Strategies LLM Model Size Implications Course Summary LLM Metrics and Trade-Offs: LLM Bias, Fairness, and Ethical Considerations Course: 1 Hour, 24 Minutes Course Overview Bias in LLMs LLM Output Fairness Performing LLM Sentiment Analysis LLM Limitations Compliance Issues for LLMs Ethical Concerns for LLMs in Sensitive Applications LLM Bias Mitigation Techniques Fine-Tuning LLMs for Bias Mitigation LLM Selection AI Ethics in LLM Advancements Exploring AI Ethics in Long-Term LLM Development Course Summary LLM Metrics and Trade-Offs: Selecting the Right LLM Course: 1 Hour, 37 Minutes Course Overview LLM Use Cases Selecting LLMs Framework Design for LLM Selection Comparing LLMs LLM Performance, Security, and Compliance Comparing Public and In-House LLMs LLM Ethical Issues Evaluating LLM Ethics LLM Quality Assessments Comparing LLM Outputs LLM Selection Strategies Generating LLM Descriptions Course Summary Assessment Final Exam: LLM Metrics and Trade-Offs Specificaties Taal: Engels Kwalificaties van de Instructeur: Gecertificeerd Cursusformaat en Lengte: Lesvideo's met ondertiteling, interactieve elementen en opdrachten en testen Lesduur: 9:30 uur Assesments: De assessment test uw kennis en toepassingsvaardigheden van de onderwerpen uit het leertraject. Deze is 365 dagen beschikbaar na activering. Online Virtuele labs: Ontvang 12 maanden toegang tot virtuele labs die overeenkomen met de traditionele cursusconfiguratie. Actief voor 365 dagen na activering, beschikbaarheid varieert per Training. Online mentor: U heeft 24/7 toegang tot een online mentor voor al uw specifieke technische vragen over het studieonderwerp. De online mentor is 365 dagen beschikbaar na activering, afhankelijk van de gekozen Learning Kit. Voortgangsbewaking: Ja Toegang tot Materiaal: 365 dagen Technische Vereisten: Computer of mobiel apparaat, Stabiele internetverbindingen Webbrowserzoals Chrome, Firefox, Safari of Edge. Support of Ondersteuning: Helpdesk en online kennisbank 24/7 Certificering: Certificaat van deelname in PDF formaat Prijs en Kosten: Cursusprijs zonder extra kosten Annuleringsbeleid en Geld-Terug-Garantie: Wij beoordelen dit per situatie Award Winning E-learning: Ja Tip! Zorg voor een rustige leeromgeving, tijd en motivatie, audioapparatuur zoals een koptelefoon of luidsprekers voor audio, accountinformatie zoals inloggegevens voor toegang tot het e-learning platform.

DevOps for Decision-Makers and Leaders. The DevOps for Decision-Makers and Leaders Training: LearningKit prepares senior leaders to drive digital transformation by combining modern DevOps practices with strategic leadership, cloud innovation, AI-powered operations, and enterprise governance. This comprehensive LearningKit explores every stage of the DevOps ecosystem, from building a collaborative DevOps culture and implementing end-to-end automation to measuring delivery performance through business-focused KPIs and operational metrics. You'll learn how successful organizations integrate planning, development, testing, deployment, operations, monitoring, and continuous improvement into a unified delivery model. The curriculum also examines the future of DevOps through DevSecOps, AIOps, cloud and multi-cloud strategies, AI and machine learning integration, governance frameworks, innovation management, and emerging industry trends. Practical leadership scenarios demonstrate how DevOps supports business agility, operational excellence, software quality, security, scalability, and sustainable organizational growth. Ideal for CIOs, CTOs, IT executives, engineering leaders, transformation managers, enterprise architects, and business decision-makers, this LearningKit provides the strategic insight and practical leadership skills required to modernize software delivery, strengthen operational resilience, and create lasting business value through DevOps excellence. This LearningKit with more than 4 hours of learning is divided into three tracks: Course Outcome This training consists of two tracks: DevOps Leadership Essentials Advanced DevOps Leadership Track 1: DevOps Leadership Essentials This track is designed for technology leaders, managers and transformation champions who want to build high-performing DevOps organizations that deliver measurable business value. You will develop both the strategic vision and practical foundation needed to lead DevOps initiatives successfully. You will explore the DevOps mindset required for modern leadership, understand the end-to-end DevOps lifecycle and toolchain, and learn how to build a culture rooted in collaboration, automation and continuous improvement. Beyond implementation fundamentals, the track focuses on measurement and impact. You will define meaningful DevOps metrics and KPIs, connect delivery performance to business outcomes and articulate the value of DevOps in terms executives understand. Courses: DevOps for Leaders: DevOps Mindset for Leadership Course: 35 Minutes Course Overview What Is DevOps? Evolution of DevOps: From Waterfall to Agile to DevOps Business Drivers Behind DevOps Adoption Core Principles of the CALMS Framework Leadership Role in DevOps Transformation Knowledge Check: Assessing DevOps Drivers, Principles, and Adoption Actionable Insights for DevOps Leaders Course Summary DevOps for Leaders: DevOps Lifecycle and Toolchain Course: 28 Minutes Course Overview Introduction to the DevOps Lifecycle Planning and Development Tools and Practices CI/CD Pipelines in DevOps Release, Deploy, Operate, and Monitor Phases in DevOp Optimizing Operations and Monitoring in DevOps Knowledge Check: Reviewing the DevOps Lifecycle and Automation Tool Course Summary DevOps for Leaders: Building a DevOps Culture Course: 21 Minutes Course Overview What Is DevOps Culture? Breaking Silos of Dev-Biz-Ops Alignment Fostering Continuous Learning and Feedback Guiding Teams Through Change Knowledge Check: Building a DevOps Culture Course Summary DevOps for Leaders: DevOps Implementation Essentials Course: 26 Minutes Course Overview Introduction to DevOps Implementation Early Planning and Stakeholder Alignment Building DevOps Champions and Centers of Excellence Roadmapping and Prioritizing DevOps Initiatives Aligning Teams, Budgets, and Resources for Success Avoiding Pitfalls and Replicating DevOps Wins Knowledge Check: Reviewing DevOps Implementation Essentials Course Summary DevOps for Leaders: Metrics and KPIs for DevOps Leaders Course: 30 Minutes Course Overview Why Metrics Matter in DevOps Understanding the Four Key DORA Metrics Connecting DevOps Metrics to Business Outcomes Visualizing DevOps Performance: Dashboards for Leaders Driving Continuous Improvement Through Metrics Communicating Effectively to Stakeholders in DevOps Knowledge Check: Reviewing the Use of Metrics in DevOps Course Summary DevOps for Leaders: DevOps Value to Business Outcomes Course: 23 Minutes Course Overview DevOps as a Business Enabler The Impact of DevOps on Innovation, Speed, and Customer Value Case Study on DevOps: Driving Revenue Growth DevOps in Digital Transformation DevOps for Non-Technical Stakeholders Knowledge Check: Reviewing Impact and Communication of DevOps on Business Course Summary Assessment: Final Exam: DevOps Leadership Essentials Track 2: Advanced DevOps Leadership This track is designed for forward-thinking technology leaders and practitioners who want to evolve DevOps beyond implementation and into strategic advantage. You will learn how DevSecOps embeds security into DevOps practices without slowing delivery. You will also examine how AI/ML and AIOps are transforming operations through intelligent automation, predictive insights and faster incident response. In addition, you will build a strong foundation in DevOps and cloud strategy, aligning platforms, architectures and operating models to support scalability and innovation. Finally, the track highlights emerging DevOps trends and innovation patterns, helping you anticipate change and lead continuous evolution within your organization. Courses: DevSecOps and Embedding Security in DevOps Course: 49 Minutes Course Overview Navigating DevSecOps and Shift-Left Security Continuous Security Integration and Automation Building a Security-First Culture in DevOps Teams Knowledge Check: Reviewing Principles of DevSecOps, Shift-Left Security, and Automation Risk Management and Threat Modeling in DevSecOps Compliance, Governance, and Security Policies in DevSecOps Measuring Security Effectiveness and Continuous Improvement in DevSecOps Emerging Trends and Future of DevSecOps Knowledge Check: Assessing Risk, Compliance, and Security Effectiveness in DevSecOps Course Summary AI/ML and AIOps in DevOps Course: 44 Minutes Course Overview AIOps and Where It Fits in the DevOps Lifecycle Intelligent Monitoring and Alerting Using AI Predictive Analytics for Incident Prevention Knowledge Check: Reviewing How AIOps Enhances IT Operations Auto-Remediation and Self-Healing Systems Use of AI in Code Review and Quality Gates ML in Capacity Planning and Forecasting Case Studies of AI-Driven DevOps Knowledge Check: Assessing AIOps for Handing and Mitigating Risks Course Summary DevOps and Cloud Strategy Course: 46 Minutes Course Overview DevOps + Cloud: The Synergy Choosing the Right Cloud Model Cloud-Native DevOps Principles Knowledge Check: Reviewing Principles of DevOps and Choosing a Model Infrastructure as Code (IaC) and Cloud Automation Multi-Cloud Governance for DevOps Leaders Budgeting and ROI in Cloud-DevOps Integration Observability and Monitoring at Scale Knowledge Check: Reviewing IaC, Governance, Budgeting, and Monitoring in DevOps Course Summary DevOps Innovation Trends Course: 27 Minutes Course Overview Shift-Left Security Strategies in CI/CD Pipelines Continuous Security Integration: Automated Testing and Vulnerability Scanning Security Automation and Orchestration in DevOps Pipelines Compliance and Governance Considerations in DevOps Case Studies on Successful DevSecOps Implementations Leadership Role in Fostering Security Culture and Practices Knowledge Check: Reviewing Emerging Trends in DevOps Course Summary Assessment: Final Exam: Advanced DevOps Leadership Specificaties Taal: Engels Kwalificaties van de Instructeur: Gecertificeerd Cursusformaat en Lengte: Lesvideo's met ondertiteling, interactieve elementen en opdrachten en testen Lesduur: 4:29 uur Assesments: De assessment test uw kennis en toepassingsvaardigheden van de onderwerpen uit het leertraject. Deze is 365 dagen beschikbaar na activering. Online Virtuele labs: Ontvang 12 maanden toegang tot virtuele labs die overeenkomen met de traditionele cursusconfiguratie. Actief voor 365 dagen na activering, beschikbaarheid varieert per Training. Online mentor: U heeft 24/7 toegang tot een online mentor voor al uw specifieke technische vragen over het studieonderwerp. De online mentor is 365 dagen beschikbaar na activering, afhankelijk van de gekozen Learning Kit. Voortgangsbewaking: Ja Toegang tot Materiaal: 365 dagen Technische Vereisten: Computer of mobiel apparaat, Stabiele internetverbindingen Webbrowserzoals Chrome, Firefox, Safari of Edge. Support of Ondersteuning: Helpdesk en online kennisbank 24/7 Certificering: Certificaat van deelname in PDF formaat Prijs en Kosten: Cursusprijs zonder extra kosten Annuleringsbeleid en Geld-Terug-Garantie: Wij beoordelen dit per situatie Award Winning E-learning: Ja Tip! Zorg voor een rustige leeromgeving, tijd en motivatie, audioapparatuur zoals een koptelefoon of luidsprekers voor audio, accountinformatie zoals inloggegevens voor toegang tot het e-learning platform.

AZ-120 training – Planning and Administering Microsoft Azure for SAP Workloads Deze Azure AZ-120 training leert IT-professionals, met ervaring in SAP oplossingen, hoe je Azure resources kan gebruiken. Waaronder implementatie en configuratie van virtual machines, virtual networks, storage accounts en Azure AD (waaronder het implementeren en beheren van hybride identiteiten). Je leert praktijkgericht door middel van: concepten, scenario’s, procedures en hands-on labs. Je leert hoe je de werking en migratie van een SAP oplossing het beste kan inplannen en implementeren. Je krijgt advies over subscriptions, het maken en schalen van virtual machines, het implementeren van opslagoplossingen, configureren van virtuele netwerken, maken van backups, delen van gegevens, verbinden van Azure en onpremises sites, beheren van netwerkverkeer, implementeren van Azure Active Directory, beveiligen van identiteiten en het bewaken van uw oplossing. Deze training is tevens een voorbereiding op het Microsoft Azure AZ-120 examen. Voor wie? Deze AZ-120 training is geschikt voor Azure Administrators die SAP oplossingen migreren en beheren op Azure. Azure Administrators manage the cloud services that span storage, networking, and compute cloud capabilities With a deep understanding of each service across the full IT lifecycle They take end-user requests for new cloud applications and make recommendations on services to use for optimal performance and scale, as well as provision, size, monitor and adjust as appropriate This role requires communicating and coordinating with vendors. Azure Administrators use the Azure Portal and as they become more proficient they use PowerShell and the Command Line Interface Wat levert deze training jou op? Deze officiële Microsoft training levert je het volgende op: Migrate SAP Workloads to Azure Design an Azure Solution to Support SAP Workloads Build and Deploy Azure for SAP Workloads Validate Azure Infrastructure for SAP Workloads Operationalize Azure SAP Architecture Voorkennis Onderstaande kennis en vaardigheden zijn benodigd om deel te nemen aan de AZ-120 training: Hands-on experience with Azure IaaS and PaaS solutions, including VM, VNet, Load Balancers, Storage (Blob, Files, Disks) Understanding of on-premises and cloud virtualization technologies, including: VMs, virtual networking, and virtual hard disks Understanding of network configuration, including TCP/IP, Domain Name System (DNS), virtual private networks (VPNs), firewalls, and encryption technologies Understanding of Active Directory concepts Experience with Linux/Unix environments Solid knowledge of SAP Applications, SAP HANA, S/4HANA, SAP NetWeaver, SAP BW, OS Servers for SAP Applications and Databases Understanding of SAP HANA deployment and configuration Hands-on experience with SAP HANA administration Knowledge of SAP products such as SAP HANA or SAP NetWeaver Onderstaande training worden aanbevolen om vooraf te volgen: AZ-104 training – Azure Administrator Taal Deze training wordt in het Engels en het Nederlands gegeven. Het bijbehorende examen wordt in het Engels afgenomen. Lesmateriaal Bij deze training ontvang je digitaal Microsoft Official Courseware. De lestijden zijn van 9.00 tot 16.30. Examen Upgrade Wanneer je je aanmeldt voor deze training, kun je een Examen Upgrade toevoegen voor het bijbehorende AZ-120 examen. Je ontvangt dan een examenvoucher (vereist om deel te nemen aan het officiële Microsoft-examen). Na het succesvol afleggen van die examen beschik je over het certificaat: Microsoft Certified: Azure for SAP Workloads Specialty. Loyaliteitskorting Wij zijn blij met jou als loyale cursist. Daarom ontvang je 5% loyaliteitskorting op onze trainingen wanneer je je inschrijft voor een volgende training. Meer info over loyaliteitskorting. Vervolgtraining Na deze training je Azure kennis verder uitbreiden? Kijk dan eens naar de AZ-140 training (Configuring and operating Windows Virtual Desktop on Microsoft Azure). Of bekijk onze andere Azure cursussen. Lesprogramma – Planning and Administering Microsoft Azure for SAP Workloads AZ-120 Module 1: Explore Azure for SAP workloads Contains Lessons covering Azure on SAP workloads, SAP and Azure common terms and meanings, SAP-certified configurations, and architectures for both SAP NetWeaver with AnyDB and SAP S4 HANA on Azure virtual machines. Module 2: Explore the foundations of Infrastructure as a Service (IaaS) Contains lessons on Azure compute, Azure storage, Azure networking, and databases in Azure. Module 3: Explore the foundations of identity and governance Contains lessons on identity services, Azure remote management, and Azure governance and manageability. Module 4: Deploy SAP on Azure Contains lessons on deployment of single-instance implementations (2-tier and 3-tier), and implementation of high availability in SAP NetWeaver with AnyDB on Azure virtual machines. Module 5: Ensure business continuity and implement disaster recovery for SAP solutions on Azure Contains lessons on implementation of high availability for SAP workloads in Azure, disaster recovery for SAP workloads in Azure, and backups and restores. Module 6: Migrate SAP workloads to Azure Contains lessons on use of the SAP workload planning and deployment checklist, migration options – including database migration option (DMO) methodology and cloud migration options; and how to migrate very large databases (VLDB) to Azure. Module 7: Monitor and troubleshoot Azure for SAP workloads Contains lessons on monitoring requirements of Azure for SAP workloads, configuration of Azure Enhanced Monitoring Extension for SAP, and Azure virtual machine licensing, pricing, and support. Module 8: Explore SAP HANA on Azure (Large Instances) Contains lessons on Explore the foundations of SAP HANA on Azure (Large Instances), SAP HANA on Azure (Large Instances) certified offerings, SAP HANA on Azure (Large Instances) sample architecture, SAP HANA on Azure (Large Instances) planning considerations, SAP HANA on Azure (Large Instances) high availability and disaster recovery, “backup, security, licensing, and support” considerations for SAP HANA on Azure (Large Instances), implementation and deployment of SAP HANA on Azure (Large Instances), management of SAP HANA on Azure (Large Instances), monitor and troubleshoot SAP HANA on Azure (Large Instances), implementation of business continuity, disaster recovery, and backup. Lesmethodes Kies de lesmethode die het best bij je past. Deze training kun je op de volgende manieren volgen: Online hybride training Een live trainer geeft de training in de klas en je volgt deze training online (vanuit huis of kantoor). Je hebt direct contact met de trainer en andere deelnemers die fysiek in de klas of online deelnemen. In-company / Maatwerk In een op maat gemaakte training wordt alleen datgene behandeld dat relevant is voor jouw werksituatie en/of bedrijf. Dit maakt deze training zeer effectief. Beschikbaar in het Nederlands, Engels en Duits. Afhankelijk van het aantal deelnemers (minimaal 4) kan de korting wel oplopen tot 50% t.o.v. de klassikale training. Meer info of scherpe offerte aanvragen. Microsoft Partner – Silver Data Analytics SignOn bezit de status Microsoft Partner – Silver Data Analytics en toont daarmee aan dat de kennis, vaardigheden en prestaties van een bijzonder hoog niveau zijn. We laten hiermee zien volledig op de hoogte te zijn van de nieuwste technieken over Microsoft Power BI en Big Data. Microsoft Certified Trainers Onze Microsoft Certified Trainers (MCT) zijn experts in hun vakgebied en gecertificeerd volgens de voorwaarden van Microsoft. Naast het geven van trainingen werken ze ook in projecten en kennen als geen ander de dagelijkse praktijk. Daardoor weten zij waar cursisten dagelijks mee te maken krijgen en tegen aan kunnen lopen. Zij gebruiken hun praktijkervaring ter verrijking van de theorie in de klas. Cedeo erkenning: wat betekent dit voor u? Cedeo is een begrip als het gaat om opleidingen. Er zijn circa 300 Cedeo-erkende instituten in Nederland. Met een keuze voor een Cedeo-erkende leverancier weet u daarom zeker dat u een keuze maakt voor één van de betere opleidingsinstituten. SignOn en het UWV SignOn ICT Trainingen+ is erkend scholingspartner van het UWV. SignOn ICT Trainingen+ is één van de weinige ICT opleidingen organisaties die door het UWV erkend is om opleidingen te verzorgen om mensen weer te helpen bij het terugkeren in het arbeidsproces.