Βιομηχανική Αναγέννηση των Διεργασιών για Σύγχρονη Πλεονεξία Κομμάτι εκπαίδευσης

Business Process Model and Notation (BPMN), Decision Model and Notation (DMN) και Case Management Model and Notation (CMMN) είναι τρία πρότυπα Αντικειμένων Management Ομάδας (OMG) για διαδικασίες, αποφάσεις και μοντελοποίηση υποθέσεων. Αυτό το μάθημα παρέχει μια εισαγωγή σε όλα αυτά και μας ενημερώνει πότε πρέπει να χρησιμοποιήσουμε ποιο.

Αυτή η εκπαιδευτική πρότυπο απευθύνεται σε επιχειρηματικούς κατασκευαστές, επιχειρηματικούς και συστήματα αναλυτών και διευθυντές που θέλουν να εφαρμόσουν επιχειρηματικούς κανόνες στη λύση τους. Με το Drools, μπορείτε να γράψετε τους επιχειρηματικούς κανόνες σας χρησιμοποιώντας πραγματικά φυσική γλώσσα, μείωντας έτσι το χάσμα ανάμεσα στην επιχείρηση και την ΤΠ.

Το Insurtech (γνωστός και ως Digital Insurance) αναφέρεται στη σύγκλιση ασφάλισης + νέων τεχνολογιών. Στον τομέα των Insurtech «ψηφιακών ασφαλιστών» εφαρμόζουν τεχνολογικές καινοτομίες στα επιχειρηματικά και λειτουργικά τους μοντέλα, προκειμένου να μειώσουν το κόστος, να βελτιώσουν την εμπειρία των πελατών και να βελτιώσουν την ευελιξία των εργασιών τους.

Σε αυτήν την εκπαίδευση υπό την καθοδήγηση εκπαιδευτών, οι συμμετέχοντες θα αποκτήσουν κατανόηση των τεχνολογιών, των μεθόδων και της νοοτροπίας που απαιτούνται για να επιτευχθεί ένας ψηφιακός μετασχηματισμός στους οργανισμούς τους και στον κλάδο γενικότερα. Η εκπαίδευση απευθύνεται σε διευθυντές που πρέπει να κατανοήσουν μια μεγάλη εικόνα, να καταρρίψουν τη διαφημιστική εκστρατεία και την ορολογία και να κάνουν τα πρώτα βήματα για τη δημιουργία μιας στρατηγικής Insurtech.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Συζητήστε το Insurtech και όλα τα συστατικά μέρη του έξυπνα και συστηματικά
• Προσδιορίστε και απομυθοποιήστε το ρόλο κάθε βασικής τεχνολογίας στο Insurtech.
• Σχεδιάστε μια γενική στρατηγική για την εφαρμογή του Insurtech στον οργανισμό τους

Ακροατήριο

• Ασφαλιστές
• Τεχνολόγοι στον ασφαλιστικό κλάδο
• Οι ασφαλιστικοί φορείς
• Σύμβουλοι και επιχειρησιακοί αναλυτές

Μορφή του μαθήματος

• Μέρος διάλεξη, μέρος συζήτηση, ασκήσεις και ομαδικές δραστηριότητες μελέτης περίπτωσης

Αυτή η εργασία με διδάσκοντα σε Ελλάδα (διαπολιτειακά ή εφιέρωμα) σχεδιάζεται για αναπτυξτές μεταγωγικού επιπέδου που θέλουν να λάβουν μια τвердь вступление στο Drools 6 και να το χρησιμοποιήσουν για να εφαρμόσουν εγχειρίδια επιχειρηματικών κανονισμών στις εφαρμογές τους.

Τέλος αυτής της εξάμηνη, οι συμμετέχοντες θα μπορούν να:

• Καταλάβουν τα βασικά αρχή και τα πλεονεκτήματα εγχειριδίων μηχανών όπως ο Drools.
• Χρησιμοποιήσουν το Drools Workbench και το Eclipse για τη συγγραφή και δοκιμή εγχειριδίων.
• Δημιουργήστε, οργανώστε και εκτελέστε επιχειρηματικούς κανόνες με τη μηχάνη Drools rule engine.
• Εφαρμόζετε προηγμένες λειτουργίες όπως δείκτες αποφάσεων, ruleflows και DSLs.

Αυτή η τριήμερη εκπαίδευση απευθύνεται στους Διαχειριστές Εργαλείων Γραφείου (Business Analysts) που φέρουν την ευθύνη για τη σύνταξη δοκιμών και κανόνων.

Η εκπαίδευση αυτή εστιάζει στη δημιουργία απλής λογικής. Οι Διαχειριστές Εργαλείων Γραφείου μετά αυτή την εκπαίδευση θα μπορούν να γράφουν δοκιμές και λογική, η οποία μπορεί στη συνέχεια να ενσωματωθεί από προγραμματιστές σε διαφορετικές εφαρμογές.

Σε αυτή τη ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα, οι συμμετέχοντες θα κατανοήσουν τις τεχνολογίες, τις μεθόδους και τη νοοτροπία που απαιτούνται για την εφαρμογή μιας στρατηγικής Fintech.

Αυτή η εκπαίδευση απευθύνεται σε διευθυντές που πρέπει να αποκτήσουν μια «μεγάλη εικόνα» κατανόηση του Fintech, να αναλύσουν τη διαφημιστική εκστρατεία και την ορολογία και να κάνουν απτά πρώτα βήματα προς την υιοθέτηση νέων τεχνολογιών που εφαρμόζονται στις χρηματοοικονομικές επιχειρήσεις και υπηρεσίες.

Μέχρι το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν

• Παρουσιάζουν βιώσιμες Fintech στρατηγικές για τον οργανισμό τους.
• Κατανοήστε και εξηγήστε τον ρόλο και τη λειτουργικότητα των βασικών τεχνολογιών.
• Σύνταξη σχεδίου δράσης για την εισαγωγή νέων τεχνολογιών με τρόπο βήμα προς βήμα.

Η Ασφάλιση στην Ψηφιακή Εποχή είναι μια εφαρμοσμένη περίληψη του τρόπου με τον οποίο η ψηφιακή μεταμόρφωση αναδιάρθρωνε τα προϊόντα, τις λειτουργίες και τη συμμετοχή των πελατών στον τομέα της ασφάλισης.

Αυτή η διδακτική μεθοδολογία, υπό την καθοδήγηση εκπαιδευτικών (online ή on-site), απευθύνεται σε προχωρημένους επαγγελματίες της ασφάλισης που επιθυμούν να κατανοήσουν και να εφαρμόσουν ψηφιακές τεχνολογίες, στρατηγικές που βασίζονται στα δεδomenά και πλαίσια καινοτομίας για να ανανεώσουν τα προϊόντα και λειτουργίες ασφάλισης.

Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:

• Να εξηγήσουν το ρόλο της ΤΕΚ, των Μεγάλων Δεδομένων (Big Data), του IoT και της αυτοματοποίησης στις σύγχρονες εργασιακές διαδικασίες ασφάλισης.
• Να τυποποιήσουν τις τάσεις InsurTech και πώς επηρεάζουν το υποδοχείο ασφάλισης.
• Να σχεδιάσουν πελατόκεντρες στρατηγικές ευοδωμένες από ψηφιακά εργαλεία και δεδομένα.
• Να εφαρμόσουν προσεγγίσεις βασισμένες στα δεδομένα για τη διαχείριση κινδύνων και λήψη αποφάσεων.
• Να αναπτύξουν πλαίσιο καινοτομίας και διαχείρισης αλλαγών που είναι κατάλληλο για τις ασφαλιστικές εταιρείες.
• Να εξετάσουν πραγματικές περιπτώσεις και να μεταφέρουν τα συμπεράσματα σε τοπικές πρωτοβουλίες.

Μορφή του Μαθήματος

• Διαδραστική παράσταση και συζήτηση.
• Ανάλυση περιπτώσεων μελετών και εργαστήρια ομίλου.
• Πρακτικές ασκήσεις και σχεδιασμός δράσης για τις οργανώσεις των συμμετεχόντων.

Επιλογές Παρατάκτικης Εκπαίδευσης

• Για να αιτηθείτε παρατακτική εκπαίδευση γι' αυτό το μάθημα, παρακαλώ οικονομήστε επικοινωνία μαζί μας.

Η Μηχανική των Απαιτήσεων (RE) είναι μια κλειδί διαφάνεια στην ανάπτυξη λογισμικού και συστημάτων, που εστιάζεται στην αναγνώριση, την καταχώρηση και τη διαχείριση των χρειών και περιορισμών των συμμετεχόντων για να εξασφαλίσει την επιτυχή ολοκλήρωση του προ젝τού.

Αυτός ο εκπαιδευτικός μαθητικός, υπό την καθοδήγηση εκπαιδευτικού (online ή on-site), απευθύνεται σε επαγγελματίες μεταξύ διαφορών, που επιθυμούν να βαθυνθούν στην πρακτική Μηχανική των Απαιτήσεων και την προετοιμασία για την εξέταση πιστοποίησης IREB CPRE – Βασικό Επίπεδο.

Μετά την ολοκλήρωση αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:

• Καταλάβουν και εφαρμόσουν τις βασικές έννοιες και όρους που καθορίζονται από το σύνολο μάθησης IREB CPRE Βασικό.
• Αναγνωρίζουν και περιγράφουν απαιτήσεις χρησιμοποιώντας αποδοτικές και κατάλληλες για την περίπτωση τεχνικές.
• Μοντελοποιούν, καταγράφουν και επιβεβαιώνουν απαιτήσεις για πρακτικές προ젝τα.
• Διαχειρίζονται τις αλλαγές, την απαριθμησιμότητα και προτεραιότητα των απαιτήσεων κατά τη διάρκεια του κύκλου ζωής του προ젝τού.
• Χρησιμοποιούν εργαλεία και καλές πρακτικές για τη Μηχανική των Απαιτήσεων για να βελτιώσουν την επικοινωνία και τα αποτελέσματα του προ젝τού.
• Να είναι πλήρως προετοιμασμένοι να συμμετάσχουν και να μπορούν να περάσουν την εξέταση πιστοποίησης IREB CPRE – Βασικό Επίπεδο.

Μορφή του Μαθήματος

• Διαδραστικός διάλογος και συζήτηση.
• Ασκήσεις με βάση περιπτώσεις και συνεργατικές εργασίες.
• Σessions για την προετοιμασία της εξέτασης και δοκιμαστικά ερωτήματα.

Επιλεγχόμενες Επιλογές Μαθήματος

• Πρόσθετα μονάδες ή περιπτώσεις συγκεκριμένων βιομηχανιών μπορούν να προστεθούν ανά προśνα.

Η Ανάπτυξη Μοντέλων (MBD) είναι μια μεθοδολογία ανάπτυξης λογισμικού που επιτρέπει την ταχύτερη και πιο αποδοτική ανάπτυξη δυναμικών συστημάτων όπως τα συστήματα ελέγχου, την προεπεξεργασία σήματος και τα συστήματα επικοινωνίας. Βασίζεται στη γραφική μοντελοποίηση αντί της παραδοσιακής προγραμματισμού βάσει κειμένου.

Σε αυτή τη διδασκαλία με επιβλέποντα, οι συμμετέχοντες θα μάθουν πώς να εφαρμόζουν μεθοδολογίες MBD για να μειώσουν το κόστος ανάπτυξης και να επιταχύνουν τη χρονική περίοδο έως την καταχώρηση του εμφυτεύμενου λογισμικού τους στην αγορά.

Στο τέλος αυτής της διδασκαλίας, οι συμμετέχοντες θα μπορούν να

• Επιλέξουν και χρησιμοποιήσουν τα δικαίως εγκατεστάλευτα εργαλεία για την εφαρμογή MBD.
• Χρησιμοποιήσουν τη MBD για να εκτελούν ανάπτυξη σε πρώιμες φάσεις του έργου λογισμικού τους.
• Προχωρήσουν πιο γρήγορα στην επέκταση του εμφυτεύμενου λογισμικού τους στην αγορά.

Μορφή του μαθήματος

• Μέρος παράσταση, μέρος συζήτηση, εκπαιδευτικά άσκημα και αυτόνομη πρακτική

Αυτός ο κώρσος διδάσκει πώς να σχεδίαζετε και εκτελεύετε αποφάσεις με την πρότυπη OMG DMN (Decision Model and Notation).

Αυτός ο κορς χρησιμοποιεί πρακτική προσέγγιση για τη διδασκαλία του OptaPlanner. Παρέχει στους συμμετέχοντες τα εργαλεία που χρειάζονται για να εκτελούν τις βασικές λειτουργίες αυτού του εργαλείου.

To Μαθήμα εισάγει τον φοιτητή στη γλώσσα προγραμματισμού Python. Επί τέλους αυτής της τάξης, οι φοιτητές θα είναι σε θέση να γράφουν προγράμματα Python μη απλών δομών που αντιμετωπίζουν μια ευρύ φάσμα θεμάτων. Τα Θέματα περιλαμβάνουν τα συστατικά της γλώσσας, τη δουλεία με επαγγελματικό IDE, τους χαρακτηριστικούς κυκλικής εκτέλεσης, τους συμβολοσειρές, την I/O, τους συλλογικούς τύπους δεδομένων, τα κλάσεις, τα μόδουλα και τους κανονικούς εκφράσεις. Το Μαθήμα επιστηρίζεται από πολλά χειροντονικά εργαστήρια, λύσεις και παραδείγματα κώδικα.

Μετά την ολοκλήρωση του μαθήματος, οι φοιτητές θα είναι σε θέση να δείξουν γνώση και κατανόηση των αρχών ασφάλειας Python.         
 

Αυτή η κατεύθυνση από δάσκαλου, εξ αποστάσεως ή χώρου (online or onsite) στο Ελλάδα, είναι στοχευμένη για άτομα που επιθυμούν να καταλάβουν την ανάλυση απαιτήσεων και να διεξάγουν την ανάλυση απαιτήσεων με αποδοτικό και ακριβή τρόπο χρησιμοποιώντας τεχνικές ανάλυσης για τα έργα τους.

Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:

• αναγνωρίζουν διάφορους τύπους απαιτήσεων.
• καταλαβαίνουν τις γενικές ιδέες και τις δραστηριότητες μέσα στην ανάλυση απαιτήσεων.
• γνωρίζουν τη μεθοδολογία ανάλυσης απαιτήσεων.
• χρησιμοποιούν διάφορες τεχνικές ανάλυσης απαιτήσεων στο πλεονέκτημα τους.
• δομούν τις απαιτήσεις ώστε να επικοινωνούν με αποτελεσματικό τρόπο με αρχιτέκτονες και δημιουργούς μέσω ενός επαναληπτικού προccess συλλογής απαιτήσεων.

Σε αυτή τη ζωντανή εκπαίδευση στο Ελλάδα (επιτόπου ή απομακρυσμένο) υπό την καθοδήγηση εκπαιδευτών, οι συμμετέχοντες θα μάθουν πώς να χρησιμοποιούν Python κανόνες skope για να δημιουργούν αυτόματα κανόνες με βάση τα υπάρχοντα σύνολα δεδομένων.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Χρησιμοποιήστε κανόνες skope για να εξαγάγετε κανόνες από διαθέσιμα δεδομένα.
• Εφαρμόστε κανόνες skope για την πραγματοποίηση ταξινόμησης, ιδιαίτερα χρήσιμοι στην εποπτευόμενη ανίχνευση ανωμαλιών ή στην ανισορροπημένη ταξινόμηση.
• Δημιουργήστε κανόνες για την ταξινόμηση νέων εισερχόμενων δεδομένων.
• Κατάλληλοι κανόνες για την αντιμετώπιση πραγματικών προβλημάτων στον εντοπισμό απάτης, την προγνωστική συντήρηση, τον εντοπισμό εισβολών, τις εγκρίσεις ασφαλιστικών αιτήσεων κ.λπ.

Αυτό το μάθημα δείχνει μέσω πρακτικών εξασκήσεων τα βασικά και οι εφαρμογές της λογισμικής μηχανικής, της απαιτήσεων και της δοκιμασίας.