Table of Contents
AI & Quantum
| No. | Provider | Course Title | Content | Learning Outcomes | Prerequisites | language |
|---|---|---|---|---|---|---|
| 1 | Digital Learning Hub Luxembourg (DLH) | Quantum Communications: Theory and Applications | - A brief history of quantum mechanics - Quantum Information and Classical Information - Quantum States - Measurement in Quantum Mechanics - No-Cloning Theorem - Quantum Key Distribution - Entanglement - Quantum Teleportation - Superdense Coding - Quantum Internet - Quantum Links - Quantum Repeaters | On completion of this course, learners will be able to 1 Describe single- and multi-qubit quantum states 2 Analyze quantum communication protocols 3 Identify the use-case of quantum internet. | Familiarity with linear algebra is recommended but not required. | English (US) |
| 2 | Digital Learning Hub Luxembourg (DLH) | Quantum Computing: Basic Theory and Future Expectations | - A brief history of quantum computing - Quantum States - Elements of Quantum Circuits (Quantum Gates) - Quantum computational advantage - Current status of quantum computing (NISQ-era) - Future possibilities | On completion of this course, learners will be able to 1 Describe single- and multi-qubit quantum states 2 Analyze quantum computing circuits 3 Identify the use-case of quantum computing 4 Discerning myths/hype from the actual progress. | Familiarity with linear algebra is recommended but not required | English (US) |
| 3 | LuxProvide | Quantum Computing Introduction | Introduction to what is quantum computing and how to use Pennylane to design and run quantum algorithms with Python. | All - basic knowledge of Python required | EN | |
| 4 | LuxProvide | Quantum machine Learning | What is quantum Machine Learning, key concepts like feature map, ansatz, different types of QML. Focus on QCNN and QLSTM at the end. Examples of model training using both Pennylane and PyTorch. | People with knowledge of basic concepts of AI, NLP, and Python, but not necesarilly experts. basic knwoledge of Python | EN |
AI Ethics
| No. | Provider | Course Title | Content | Learning Outcomes | Prerequisites | language |
|---|---|---|---|---|---|---|
| 5 | Digital Learning Hub Luxembourg (DLH) | AI & Copyright: The new legal frontier | AI and Copyright Law Introduction to AI and machine learning Key concepts and terminologies Principles of copyright protection Rights granted by copyright law How AI creates and uses copyrighted material Copyright Issues in AI-Generated Content Defining authorship in AI-generated works Ownership rights and disputes Criteria for copyright protection Legal status of AI-created content Licensing AI-generated works Managing rights and royalties AI in the Creative Industries Use of AI in music composition and film production Copyright issues specific to these industries AI applications in visual arts and literature Legal implications and challenges Detailed analysis of notable cases Discussion on industry responses Ethical and Policy Considerations Moral considerations in AI-generated content Balancing innovation and protection Current and proposed regulations Policy recommendations for AI and copyright Comparison of international copyright laws Cross-border challenges and solutions Copyright Issues During Training of Large Language Models (LLMs) Overview of LLMs and their applications The process of training LLMs and data requirements Legal considerations for sourcing training data Ensuring compliance with copyright laws during data collection Business applications Case studies on copyright disputes related to LLM training data Understanding fair use in the context of LLM training Best practices for licensing data Complexities of international data licensing Strategies to minimise copyright infringement risks.Implementing robust data management practices. | Participants will gain insights into legal challenges, ethical considerations, and emerging trends surrounding AI-generated content. | Interest in artificial intelligence and technology law. | English (US) |
| 6 | Digital Learning Hub Luxembourg (DLH) | AI & Ethics | Section 1: Introduction to AI Artificial Intelligence (AI) Machine Learning, Deep Learning, Other techniques Applying Artificial intelligence Future of AI: Opportunities and Risks Section 2: Project Proposals, Introduction to Ethics AI tools for productivity and project development Project proposals by participants Introduction to AI Ethics Stakeholders in AI Ethical Dilemma of Self-Driving Cars Section 3: Bias, Explainable AI, Regulatory Frameworks, Project Presentations Understanding and Mitigating Bias in AI Explainable AI (XAI) Ensuring Fairness Regulatory Frameworks (EU AI Act and GDPR) Incorporating Ethics in AI Projects by participants. | Understand the Fundamentals of AI.Identify and Apply Ethical Principles in AI Utilize AI Tools for Project Development Analyze and Address AI Bias Regulatory Frameworks Design Ethically Aware AI Projects. | No prerequisites necessary | English (US) |
| 7 | Digital Learning Hub Luxembourg (DLH) | AI Meets Emotional Intelligence: Human Skills for the Digital Age | Foundations of Emotional Intelligence in the Digital Era: Core components of EI: self-awareness, self-regulation, social awareness, social skills Why EI matters in AI-integrated workplaces How emotions influence decision-making and behavior Emotional Scenarios in the Age of AI: Case-based discussions of emotionally charged situations caused by AI Practical emotion regulation strategies Group Debate: Should emotions guide how we use AI? Ethical and human implications Personal Roadmap:.Create a personal plan to apply EI in AI-influenced settings Identify emotional triggers, select regulation tools, and define commitments. | By the end of the training, participants will be able to: Understand the role of emotional intelligence in AI-driven workplaces.Apply key emotion regulation strategies to digital and professional challenges Recognize and manage emotional responses in (ethically) complex AI scenarios Design a personal roadmap to strengthen EI in daily work life. | No prior knowledge required Open to all backgrounds. | English (US) |
| 8 | Digital Learning Hub Luxembourg (DLH) | AI for Finance and Insurance : devenir ambassadeur IA | Les bases de l'IA Les outils d’IA No code Cas d’usage et dynamique du marché IA dans la finance et l’assurance Mettre en œuvre l’IA dans son organisation. | À l’issue de la formation, les participants seront capables de : .Comprendre les fondamentaux de l’intelligence artificielle, son histoire, ses grands concepts et son fonctionnement .Utiliser les outils no-code / low-code de l’IA pour expérimenter rapidement des cas d’usage simples .Identifier et analyser des cas d’usage IA à fort potentiel dans les métiers de la finance et de l’assurance .Cartographier les tendances, solutions et acteurs du marché IA, y compris les enjeux réglementaires associés .Structurer un projet IA au sein de leur organisation, en intégrant les bonnes pratiques de gouvernance, de cadrage et de pilotage .Évaluer les impacts stratégiques et opérationnels de l’intelligence artificielle dans leur environnement professionnel | Cette formation ne requiert pas de compétence technique avancée, mais il est recommandé d’avoir : .Une familiarité avec les enjeux du secteur financier ou assurantiel (gestion des risques, conformité, relation client, etc.) .Une sensibilité data ou analytique , même si les participants n’ont pas de rôle technique .Une curiosité pour les innovations technologiques et leur impact sur les organisations Aucune connaissance en Python ou en data science n’est nécessaire : les outils no-code / low-code permettent de participer pleinement à tous les modules Elle convient également à des profils en reconversion ou en montée en compétences sur les enjeux IA appliqués à la finance et à l’assurance. | French / Français |
| 9 | Digital Learning Hub Luxembourg (DLH) | AI for Management & Leadership | Introduction to genAI Ice Breaker Exercise AI in Management – Fundamentals Trends .Identifying High Impact AI Opportunities AI tools.Building an AI-driven Management Strategy Ethical considerations Responsible AI. | Practical Skills.: Gain hands-on experience with AI tools and techniques tailored to Management Strategic Insight.: Learn how to apply AI to real management scenarios, from sales to HR, from marketing to finance.Competitive Edge.: Develop AI-driven strategies that set your organization apart in a rapidly evolving world Expert Guidance: Benefit from the experience of industry professionals who’ll help you navigate challenges and ethical considerations. | Basic use of AI (i.e ChatGPT) | English (US) |
| 10 | Digital Learning Hub Luxembourg (DLH) | AI for Marketing & Communication | Introduction to genAI Ice Breaker Exercise AI in Management – Fundamentals Trends .Identifying High Impact AI Opportunities AI tools.Building an AI-driven Management Strategy Ethical considerations Responsible AI. | Practical Skills: Gain hands-on experience with AI tools and techniques tailored to marketing.Strategic Insight: Learn how to apply AI to real business scenarios, from customer segmentation to campaign optimization.Competitive Edge: Develop AI-driven strategies that set your organization apart in a rapidly evolving market.Expert Guidance: Benefit from the experience of industry professionals who’ll help you navigate challenges and ethical considerations. | Basic use of AI (i.e ChatGPT) | English (US) |
| 11 | Digital Learning Hub Luxembourg (DLH) | AI in Healthcare: Practical Insights and Applications | Introduction into AI (deep learning) Showcase of different AI models Interactive brainstorming about AI workflows Limitations and risk of using AI Ethical discussion around the usage of AI. | Understand the current state of AI in healthcare and its limitations.Insights into the ethical aspects of using AI in healthcare. | No prerequisites. | English (US) |
| 12 | Digital Learning Hub Luxembourg (DLH) | AI in IT Careers: Exploring Paths and Opportunities | Overview of AI in IT Careers Key Roles and Responsibilities in AI Essential Skills and Tools for AI Careers Career Pathways: Entry-Level to Advanced Roles Emerging Trends and Opportunities in AI.Educational Resources and Certifications Tips for Building a Successful AI Career. | Understand foundational concepts of AI and Machine Learning Identify key career paths and roles in AI Gain insights into the skills and tools needed for success in AI Learn how to build a strong AI portfolio and leverage certifications Explore trends and opportunities shaping the AI industry. | Basic programming knowledge (e.g., Python) Familiarity with mathematics (linear algebra, probability, statistics) Analytical thinking and problem-solving skills. | English (US) |
| 13 | Digital Learning Hub Luxembourg (DLH) | Artificial Intelligence Demystified: A Practical Guide to Getting Started | What exactly is AI? How do we define Artificial Intelligence? Common Misconceptions? Types of AI: Narrow AI, General AI, and Superintelligence? How does AI actually learn? AI Algorithms and learning paradigms AI in daily life: the role of AI in products and services A Gentle Introduction to Machine Learning Ethics in AI How to benefit from AI and protect oneself from potential pitfalls The Future of AI. | Understand the fundamentals of AI and Machine learning Recognize AI’s Real-World Applications & Impact.Analyse the Ethical and Societal Implications of AI Engage in Critical Thinking & Discussion on AI’s Future. | There are no prerequisites. | English (US) |
| 14 | Digital Learning Hub Luxembourg (DLH) | Artificial Intelligence Value Discovery Analysis (AIVDA) | Artificial intelligence: what is AI? Classical Programming vs Machine Learning AI and ML: - Supervised Learning, - Unsupervised Learning, - Reinforced Learning, - Deep Learning AI tools & technologies: which ones are relevant? AI Readiness Readiness assessment Data science demystified Data streams in AI projects AI initiative: design one that delivers value - Design methodology - The Program Logic Model and the 3 Es Tools of Data Scientists AI Project Key Success Factors Best practices for a successful AI project The Human aspects of an AI Project The Ethical and Regulatory aspects of an AI Project Risk assessment of an AI Project & mitigation strategies AI Project Business Plan | On completion of this course, learners will be able to: scope the potential of AI solutions to develop new ideas and visions for their organization understand the main aspects of Artificial Intelligence techniques understand where they can apply to in their specific context identify and evaluate the potential ROI for AI solution implementation be prepared for implementing mitigation actions prepare mitigation actions following a structured roadmap approach and methodology . | there are no prerequisites | English (US) |
| 15 | Digital Learning Hub Luxembourg (DLH) | Beyond the Hype: Critical Ethics for AI & Computing | The course will guide you through: Foundations of Computer & AI Ethics: Establishing a clear understanding of the core principles shaping responsible technology Ethical Reasoning for Digital Dilemmas: Learn argumentation approaches to analyse and engage with complex AI, IT, and computing issues Mastering Key Ethical Concepts: Explore fundamental ideas like the 'policy vacuum', 'problem of the many hands', and the critical balance between privacy and surveillance Real-World Ethical Challenges: Examine a selection of infamous cases and current questions in AI and computer ethics, which illustrate key and emerging concepts through recurring real-world cases . | By the end of this course, participants will be able to: .Achieve foundational literacy in computer and AI ethics .Demonstrate familiarity with recurring and emerging key ethical concepts in technology .Critically recognize underlying ethical problems frequently highlighted in "AI scares" news headlines.Confidently adapt from reactive to proactive reasoning, enabling them to construct sound ethical arguments . | No formal prerequisites are required This course is designed to be accessible and beneficial for a broad audience, regardless their background. | English (US) |
| 16 | Digital Learning Hub Luxembourg (DLH) | Comprendre l’IA Générative et ses Implications en Sécurité | Terminology .Qu’est-ce que l’IA et qu’est-ce qu’elle n’est pas ?.Différences entre IA et IA Générative (texte, image, audio, vidéo).LLM (Large Language Models) vs Chatbots Prompting et Limitations .Introduction au prompting et techniques pour de meilleurs résultats.Limitations : biais, fiabilité/hallucinations, explicabilité Technologie : Comment ça marche ? .Mécanismes sous-jacents de l’IA Générative.Explication des limites techniques Gouvernance .Origine et acteurs de l’IA : entreprises, États, open-source.Enjeux de souveraineté et chaîne d’approvisionnement Implications : Impacts et défis .Questions de droit d’auteur, confidentialité et éthique.Menaces : désinformation, deep fakes, abus criminels Impact sur la cybersécurité (sans entrer dans les aspects techniques avancés) . | À l’issue de cette formation, vous serez capable de : Comprendre le fonctionnement de l’IA Générative et ses limitations Identifier les implications en matière de sécurité, de confidentialité et d’éthique Appliquer des bonnes pratiques pour une utilisation sécurisée et responsable de l’IA Reconnaître les risques liés aux abus criminels et à la désinformation . | Aucun prérequis technique avancé n’est nécessaire Cette formation est adressée à toute personne souhaitant mieux comprendre l’IA et ses implications en sécurité, que ce soit pour un usage personnel ou pour une intégration dans un cadre professionnel. | French / Français |
| 17 | Digital Learning Hub Luxembourg (DLH) | Demystification of AI, chatGPT and Copilot | History of AI and AI systems.Trends in AI and digital transformation.Ethical considerations in AI.Examples of AI systems.ChatGPT, Copilot, opportunities, limitations, prompting.Practical exercises. | The participant knows what AI is about and what not.The participant knows how an AI system works, especially in categorisation.The participant knows the opportunities of chatGPT and Copilot and its weaknesses.The participant knows the trends of AI.The participant aquires a critical attitude towards AI systems. | There are no prerequisites | English (US) |
| 18 | Digital Learning Hub Luxembourg (DLH) | Driving Business Impact with AI Agents A Strategic Introduction | Positioning AI Agents in the Modern Artificial Intelligence Landscape Participants are introduced to the evolution and structure of modern artificial intelligence, with a specific emphasis on the role and significance of AI Agents as the next frontier in business innovation and digital transformation Demystifying Large Language Models for Business Professionals A simplified yet comprehensive overview of large language models, designed for non-technical audiences This module explains how these models empower AI Agents to process, understand, and act on business inputs intelligently Understanding the Core Foundations and Types of AI Agents An exploration of the fundamental principles behind AI Agents, including their architecture, decision-making capabilities, and the distinct categories of agents used in business, customer service, operations, and more Strategic Comparison: Traditional Automation vs AI Agents A critical comparison between legacy automation tools and AI Agents, focusing on flexibility, adaptability, and strategic value This module outlines how AI Agents extend beyond task automation to become active collaborators in business processes Business-Centric Use Cases and Industry Applications of AI Agents Case studies and real-world examples demonstrate how AI Agents are currently being deployed across sectors such as retail, logistics, healthcare, and financial services—highlighting practical value, outcomes, and innovation pathways Introducing Governance, Ethical Considerations, and Security for AI Agents An overview of key frameworks and practices for governing AI Agent deployment, addressing ethical risks, data handling responsibilities, and safeguards for maintaining trust and regulatory compliance in AI-enabled environments AI Agent Frameworks and Technological Foundations This module offers a high-level introduction to the technological components, ecosystem platforms, and design patterns behind AI Agents, enabling participants to understand what is under the hood without deep technical knowledge Interactive Workshop: Mapping and Prioritizing AI Agent Use Cases In this hands-on session, participants will apply structured methods to identify and assess business use cases for AI Agents Guided group work focuses on aligning AI Agent capabilities to business needs, prioritizing by impact and feasibility, and developing solution blueprints Final Planning, Strategic Reflection, and Next Steps The training concludes with a structured wrap-up session This includes open discussion, feedback, and final Q&A to consolidate learning . | Understand the role of AI Agents and their foundations.Identify relevant AI Agent use cases in various industries.Analyse and map AI Agent capabilities to business needs.Develop prioritization logic based on ROI and strategy for AI Agent selection.Gain awareness of governance, ethics, and risk considerations relative to AI Agents.Understand how AI agents can bring value to your business model . | No technical prerequisites Familiarity with digital tools is recommended. | English (US) |
| 19 | Digital Learning Hub Luxembourg (DLH) | Driving Business Impact with AI Agents for Enterprise – Advanced Track | Strategic Role of AI Agents in Enterprise Transformation: Why enterprises are investing in agents now and how they enable speed, scale, and autonomy Demystifying Underlying Technologies for Business Leaders: How LLMs, tools, and orchestration layers work in business contexts—without technical jargon Integration Frameworks and Cross-System Orchestration: How agents connect to ERPs, CRMs, workflows, and IT environments through low-code and APIs Change Management Strategies for AI Agent Adoption: Practical techniques to drive cultural alignment, employee enablement, and leadership support Enterprise Governance and Regulatory Readiness: Managing ethical, legal, and operational risks while scaling responsibly Choosing the Right AI Agent Strategy and Vendor Landscape: Evaluating tools, platforms, and build/buy strategies for enterprise readiness Capstone Workshop: Blueprint Lab for Enterprise AI Agent Rollout: Collaborative design of agent deployment blueprints covering goals, data needs, compliance, and impact . | By the end of this session, participants will be able to:.Recognize how Enterprise AI Agents provide strategic business advantages.Explain key AI agent technologies in non-technical terms to stakeholders.Design integrated deployment strategies across departments and platforms.Evaluate and compare governance approaches and risk factors for agents.Apply frameworks for vendor selection and solution evaluation.Collaboratively design and pitch agent deployment blueprints . | understand what AI agents are and recognize agent types .Know how LLMs (like ChatGTP or Gemini) empower agents to understand and generate responses Distinguish rule-based automation from AI-driven agents with adaptive and intelligent capabilities Identify where AI Agents are deployed and recognize strategic outcomes Be familiar with frameworks to assess and prioritize agent opportunities based on business impact and feasibility .Understand key risks Awareness of governance roles (IT, business, compliance) Comfortable working in groups, assigning roles, and presenting deployment blueprints. | English (US) |
| 20 | Digital Learning Hub Luxembourg (DLH) | Démystification de l'intelligence artificielle et de ChatGPT | Histoire de l'IA et des systèmes d'IA .Tendances en matière d'IA et de transformation numérique .Considérations éthiques en matière d'IA .Exemples de systèmes d'IA .ChatGPT, opportunités, limitations, incitation .Exercices pratiques . | À l'issue du cours,Le participant sait ce qu'est l'IA et ce qu'elle n'est pas .Le participant sait comment fonctionne un système d'IA, en particulier en matière de catégorisation .Le participant connaît les opportunités de chatGPT et ses faiblesses .Le participant connaît les tendances de l'IA .Le participant acquiert une attitude critique envers les systèmes d'IA . | Il n'y a pas de prérequis | Luxembourgish |
| 21 | Digital Learning Hub Luxembourg (DLH) | Démystification de l'intelligence artificielle et de ChatGPT - CC-CDA | Histoire de l'IA et des systèmes d'IA Tendances en matière d'IA et de transformation numérique Considérations éthiques en matière d'IA Exemples de systèmes d'IA ChatGPT, opportunités, limitations, incitation Exercices pratiques | À l'issue du cours, Le participant sait ce qu'est l'IA et ce qu'elle n'est pas Le participant sait comment fonctionne un système d'IA, en particulier en matière de catégorisation Le participant connaît les opportunités de chatGPT et ses faiblesses Le participant connaît les tendances de l'IA Le participant acquiert une attitude critique envers les systèmes d'IA . | there are no prerequisites | Luxembourgish |
| 22 | Digital Learning Hub Luxembourg (DLH) | Démystification de l'intelligence artificielle et de ChatGPT - Directions de l'enseignement fondamental | Histoire de l'IA et des systèmes d'IA Tendances en matière d'IA et de transformation numérique Considérations éthiques en matière d'IA Exemples de systèmes d'IA ChatGPT, opportunités, limitations, incitation Exercices pratiques | À l'issue du cours, Le participant sait ce qu'est l'IA et ce qu'elle n'est pas Le participant sait comment fonctionne un système d'IA, en particulier en matière de catégorisation Le participant connaît les opportunités de chatGPT et ses faiblesses Le participant connaît les tendances de l'IA Le participant acquiert une attitude critique envers les systèmes d'IA . | there are no prerequisites | Luxembourgish |
| 23 | Digital Learning Hub Luxembourg (DLH) | How to Cope with the AI Act | Trustworthy AI: what does it mean? Sources and risks for your organisation of biased AI assisted tools, with examples (Amazon recruitment engine, compass algorithms for recidivism assessment, facial recognition) The Artificial Intelligence Act (future EU regulation on Artificial Intelligence) How to increase fairness in AI algorithms (metrics, bias mitigation methods, tool kits and programme, data collection, explainable AI)? | Upon completion of this course, participants will be : aware of trustworthy AI main paradigms aware of the future regulation challenges for their organisations able to identify “risky” AI-assisted tools used in their companies know how to comply with the upcoming EU regulation on AI (Artificial Intelligence Act) . | there are no prerequisites | English (US) |
| 24 | Digital Learning Hub Luxembourg (DLH) | How to Cope with the Future AI Act | Trustworthy AI: what does it mean? Sources and risks for your organisation of biased AI assisted tools, with examples (Amazon recruitment engine, compass algorithms for recidivism assessment, facial recognition) The Artificial Intelligence Act (future EU regulation on Artificial Intelligence) How to increase fairness in AI algorithms (metrics, bias mitigation methods, tool kits and programme, data collection, explainable AI)? | Upon completion of this course, participants will be : aware of trustworthy AI main paradigms aware of the future regulation challenges for their organisations able to identify “risky” AI-assisted tools used in their companies know how to comply with the upcoming EU regulation on AI (Artificial Intelligence Act) . | there are no prerequisites | English (US) |
| 25 | Digital Learning Hub Luxembourg (DLH) | IA, Éthique et Société - Comment vivre et développer l'IA | Découvrir l'IA par la pratique Présentation synthétique du domaine de l'intelligence artificielle Utilisation pratique et guidée de tout ou partie des produits d'IA suivants disponibles à ce jour : - Génération de texte (par exemple, ChatGPT) - Reconnaissance d'objets dans des images ou des vidéos - Reconnaissance de l'écriture manuscrite - Génération d'images à partir de texte - Traduction automatique du texte dans toutes les langues - Reconnaissance de la parole - Synthèse de discours Des exercices pratiques avec des objectifs prédéfinis sont suivis d'une séance de discussion, permettant d'échanger et de réfléchir sur ce qui a été accompli Comprendre comment les sociétés peuvent s'organiser pour vivre avec l'IA Éthique et IA - Comprendre la notion d'éthique dans le contexte de l'Intelligence Artificielle - Présentation synthétique des principales approches pour donner un cadre éthique au développement de l'IA - Propositions des principales organisations (UNESCO, OCDE, Parlement/Conseil/Commission de l'Europe) - Présentation du règlement européen sur l'IA (i.e AI Act) Société & IA - Présentation de la place des développements scientifiques et technologiques dans le développement de la société humaine - Présentation de l'impact actuel et attendu de l'IA sur les principaux secteurs ou métiers - Présentation des principales compétences adaptées pour vivre avec l'IA - IA et préservation de l'environnement Atelier pratique sur l'IA, l'éthique et la société - Après avoir vu, compris et débattu à la fois des notions d'éthique dans un monde qui inclut des produits d'intelligence artificielle, et de l'évolution et de la transformation des activités humaines, un atelier pratique est proposé L'atelier pratique permettra de : Choisir des champs spécifiques et individualisés Réfléchir aux problèmes éthiques concrets qui pourraient surgir Pour voir comment ces problèmes devraient être résolus Répertorier des métiers spécifiques et individualisés Réfléchir aux possibles impacts de l'IA sur ces métiers pour voir pourquoi, quand et comment ces métiers et leurs acteurs pourraient évoluer avec l'IA | A l'issue de cette formation, vous serez capable de : Expliquer quelles sont les principales notions liées à l'apprentissage profond Lister et illustrer les domaines d'application actuels de l'apprentissage profond Consulter, comprendre et analyser l'actualité générale de l'intelligence artificielle Comprendre et expliquer la problématique éthique et sociologique et les solutions liées à l'intelligence artificielle Définir des tâches et des scénarios pour utiliser les outils d'IA de manière optimale pour votre vie actuelle ou future Suivre des principes et objectifs éthiques et sociologiques pour une vie avec l'IA . | Aucun prérequis nécessaire - cette formation est conçue pour être suivie par tous, qu'ils soient débutants ou non Il n'est pas nécessaire d'avoir des compétences techniques en informatique, en mathématiques ou dans d'autres sciences Cependant, ceux qui ont des compétences dans ces domaines peuvent néanmoins bénéficier de leurs connaissances lors de la formation, qui contient des exercices pratiques adaptables à tous les niveaux. | French / Français |
| 26 | Digital Learning Hub Luxembourg (DLH) | Journey to AI and chatGPT | - History of AI and AI systems - Trends in AI and digital transformation - Ethical considerations in AI - Examples of AI systems - ChatGPT, opportunities, limitations, prompting - Practical exercises | The participant knows what AI is about and what not The participant knows how an AI system works, especially in categorisation The participant knows the opportunities of chatGPT and its weaknesses The participant knows the trends of AI The participant aquires a critical attitude towards AI systems. | there are no prerequisites | English (US) |
| 27 | Digital Learning Hub Luxembourg (DLH) | Künstliche Intelligenz in der Verwaltung | Geschichte von KI und KI Systemen.Ethische Herausforderungen in der Nutzung von KI.Copilot: Chancen, Herausforderungen und Prompting.Praktische Übungen für die Arbeit in der Verwaltung. | Die Grundlagen der Künstlichen Intelligenz verstehen.Künstliche Intelligenz in der täglichen Arbeit anwenden können.Chancen und Risiken von Künstlicher Intelligenz verstehen.Ethische Herausforderungen bei der Arbeit mit Künstlicher Intelligenz kennenlernen. | Es sind keine speziellen Vorkenntnisse erforderlich. | German / Deutsch |
| 28 | Digital Learning Hub Luxembourg (DLH) | LCSB - Journey to AI and chatGPT | History of AI and AI systems Trends in AI and digital transformation Ethical considerations in AI Examples of AI systems ChatGPT, opportunities, limitations, prompting Practical exercises | The participant knows what AI is about and what not The participant knows how an AI system works, especially in categorisation The participant knows the opportunities of chatGPT and its weaknesses The participant knows the trends of AI The participant aquires a critical attitude towards AI systems. | there are no prerequisites | English (US) |
| 29 | Digital Learning Hub Luxembourg (DLH) | L’AI Act : Comprendre le règlement et se mettre en conformité | Module 1 : Introduction : Définitions, enjeux et risques Définition de l’IA Notions et acteurs clés selon l’AI Act Exemples d’utilisation de l’IA Identification des risques et opportunités Module 2 : Les niveaux de risques de l’IA selon l’AI Act Explications des 4 niveaux de risques et des impacts Analyse d’exemples concrets Module 3 : Articulation de l’AI Act avec d’autres règlementations .L’IA et la propriété intellectuelle des actifs immatériels de l’organisation L'IA et la protection des données à caractère personnel L’IA et les droits des travailleurs Module 4 : Mise en place d’une gouvernance de l’IA Comment gérer les projets de déploiement d’IA ?. | Comprendre les impacts de l’AI Act.Détenir les clés essentielles pour se mettre en conformité.Mettre en place une gouvernance. | Connaissances en IT | French / Français |
| 30 | Digital Learning Hub Luxembourg (DLH) | Practical Insights into Artificial Intelligence and the European Union Artificial Intelligence Act | Introduction to AI.AI Law.European Union's AI regulatory framework - the EU AI-Act. | At the end of the course, participants will:.Develop critical insights into both the opportunities and risks of AI .Be prepared to navigate the evolving landscape of AI technology and its ethical implications . | This course is designed to be highly interactive, with the expectation that all participants actively engage in discussions. | English (US) |
| 31 | Digital Learning Hub Luxembourg (DLH) | Understanding Generative AI and Its Security Implications | Terminology .What is AI, and what is it not?.AI, Generative AI,Large Language Models, and Chatbots Prompting and Limitations .Introduction to prompting and techniques for better results.Limitations: bias, reliability/hallucinations, explainability Technology: How It Works .The underlying mechanisms of Generative AI.Understanding its technical limitations Governance .History of AI.Key players of the AI ecosystem.Supply chain issues, sovereignty and open-source Implications: Impact and Challenges .Legal, privacy, environmental and ethical concerns.Threats: disinformation, deep fakes, criminal misuse .Cybersecurity with and for AI. | By the end of this training, you will be able to: Understand how Generative AI works and its limitations Identify security, privacy, and ethical implications Recognize risks related to criminal misuse and disinformation Apply best practices for using AI securely and responsibly . | No advanced technical background is required The training is addressed to anyone looking to better understand AI and its security implications, whether for personal use or professional implementation. | English (US) |
| 32 | Luxembourg National Data Service (LNDS) | AI Act - Navigating the key requirements | 1 AI 101 (Introduction) What is Artificial Intelligence? Dive into General Purpose Systems (Foundation Models) Navigating Systemic Risks and their Guardrails AI Systems Development Lifecycle Unveiling Prohibited AI Applications Exploring High-Risk AI Applications 2 AI Act: Introduction and Timeline The Legal Landscape of AI in the European Union Understanding the AI Act’s Ecosystem and Scope Key Milestones and Implementation Timeline Defining Key Roles Under the AI Act 3 Key Requirements - Part I (Limited Risk, General Purpose Systems) Characteristics and Legal Obligations for Limited Risk AI Systems Overview of the Key Requirements of General-Purpose AI Systems Managing General Purpose AI Systems with Systemic Risks 4 Key Requirements - Part II (Prohibited, High-Risk Systems) Essential Requirements for Providers of High-Risk AI Systems Key Responsibilities for Deployers of High-Risk AI Systems Prohibited AI Systems: General Ban and Limited Exceptions 5 AI Literacy Why AI Literacy Matters Building AI Literacy Among Employees Grasping AI Capabilities and Limitations Managing Risks in AI Systems Organizational Adaptation to AI 6 Potential Harms Identifying and Understanding Potential AI Harms Structuring AI Harms 7 How Quality Data Can Help to Avoid Bias Data Quality in the AI Act Introduction to Different Types of Bias Best Practices for Mitigating Bias in AI 8 Interplay with GDPR The Role of the Data Protection Officer (DPO) Comparing DPIA, Conformity Assessment, and FRIA Upholding Data Subjects’ Rights Navigating Automated Decision Making (Article 22 GDPR) | By the end of this seminar, participants will:.Understand the key requirements of the AI Act .Identify the main risks related to AI use .Learn how to develop and implement AI policies .Gain insights into GDPR requirements for AI . | This seminar is designed for professionals responsible for deploying AI systems or developing policies and procedures related to AI usage within their organizations No prior knowledge of the AI Act is required, but a basic understanding of AI and GDPR will be beneficial. | English (US) |
| 33 | Luxembourg National Data Service (LNDS) | AI Act training for public sector | EN | |||
| 34 | Luxembourg National Data Service (LNDS) | AI Literacy Training | EN | |||
| 35 | Luxembourg National Data Service (LNDS) | Data Quality Optimisation for AI | EN | |||
| 36 | University of Luxembourg – SnT | AI for Cybersecurity Workshop | Using AI to detect anomalies, intrusion detection, malware classification. | Understand basics of applying ML/DL for cybersecurity challenges | Networking/security background | EN |
| 37 | Luxembourg Institute of Science and Technology (LIST) | Responsible AI & Sustainability | Ethical frameworks, AI bias, AI for sustainable development. | Apply responsible AI frameworks, link AI usage to sustainability goals. | EN |
AI in Privacy & Law
| No. | Provider | Course Title | Content | Learning Outcomes | Prerequisites | language |
|---|---|---|---|---|---|---|
| 38 | Digital Learning Hub Luxembourg (DLH) | Données personnelles et sécurité de l'information - Enjeux juridiques et nouvelles règles de l'UE | Principes de base de la protection des données Comment devenir et rester conforme Surveillance des employés Transferts transfrontaliers de données Exigences légales en matière de sécurité de l'information et de moyens de défense Règles applicables de l'UE (GDPR) et du Luxembourg (loi du 1er août 2018) | A l'issue de cette formation, les participants seront capables de: se référer aux règles luxembourgeoises et européennes en matière de protection des données comment rendre leur organisation conforme d'identifier l'impact en termes d'organisation interne . | there are no prerequisites | French / Français |
| 39 | Digital Learning Hub Luxembourg (DLH) | Informaticiens : la protection des données personnelles n’est pas seulement l’affaire des juristes | une introduction rapide à la protection des données : définition et champ d'application; les rôles et responsabilités des différents intervenants : responsable de traitement, sous-traitant, destinataire, le délégué à la protection des données;.le principe de « privacy » par défaut et par design;.la nécessaire collaboration RSSI et DPO;.les violations de données sous le spectre des développeurs ou autres informaticiens (incidents de sécurité qui peuvent également être qualifiés de violation de données), un petit aperçu DORA et NIS2 sous l'angle protection des données. | Au terme de cette formation, l’apprenant aura conscience de l’importance de la protection des données dans son métier, aura des réflexes et abordera avec assurance les relations avec le délégué à la protection des données . | Intérêt pour le domaine de l’informatique .ou: spécialistes IT | French / Français |
| 40 | Digital Learning Hub Luxembourg (DLH) | Introduction à la gestion de données au Luxembourg | Partie 1 Qu'est-ce que les données / la gestion des données ? « data is the new oil » Qualité des données Interopérabilité Droits d'auteur et licences Open Data / Géoportail et géodonnées Partie 2 Analyse et exploitation des données concept lac de données / entrepôt de données Visualisation des données Protection des données Considérations éthiques | À la fin du cours, les participants seront capables de : définir ce que sont les données et connaître d'autres concepts importants liés à ce sujet comprendre les différentes questions techniques, organisationnelles et juridiques liées à la gestion des données et l'impact de ces aspects sur leur travail quotidien expliquer comment les données peuvent être analysées et visualisées appliquer quelques bonnes pratiques de gestion des données dans leur travail quotidien En outre, des informations de base seront données sur le cadre juridique national et européen dans ce domaine, ainsi que sur les initiatives prises par le gouvernement dans ce contexte. | Connaissances de base sur les bases de données et les web services. | French / Français |
| 41 | Digital Learning Hub Luxembourg (DLH) | Personal Data and Information Security - Legal Stakes and New EU Rules | Data protection key concepts and principles .How to comply and demonstrate compliance .How to handle data subjects’ rights .How to manage third-party risks (e.g with processors, partners) .How to manage personal data breaches .Setting up an efficient governance (DPO, internal contact points) .Monitoring of employees at the workplace .International data transfers .Role of the Luxembourg data protection authority (CNPD) .Legal aspects of data security and privacy-by-design . | Upon successful completion of this course, participants will be informed on:.Luxembourg and European data protection law .how to comply and demonstrate compliance .how to address practical issues (data subjects’ requests, data breaches…) .how to embed data protection into operations .applicable under EU (GDPR) and Luxembourg law (Law of 1 August 2018) . | There are no prerequisites | English (US) |
| 42 | Digital Learning Hub Luxembourg (DLH) | Privacy and Data Protection: Legal Stakes and Fundamentals | Data protection key concepts and principles How to comply and demonstrate compliance How to handle data subjects’ rights How to manage third-party risks (e.g with processors, partners) How to manage personal data breaches Setting up an efficient governance (DPO, internal contact points) Monitoring of employees at the workplace International data transfers Role of the Luxembourg data protection authority (CNPD) Legal aspects of data security and privacy-by-design | Upon successful completion of this course, participants will be informed on: Luxembourg and European data protection law how to comply and demonstrate compliance how to address practical issues (data subjects’ requests, data breaches…) how to embed data protection into operations applicable under EU (GDPR) and Luxembourg law (Law of 1 August 2018) . | there are no prerequisites | English (US) |
| 43 | Digital Learning Hub Luxembourg (DLH) | Vos données, vos droits: La vie privée et l’IA au quotidien | Au cours de cette formation, nous aborderons : Introduction au RGPD et aux fondamentaux de la vie privée Comment l’IA et les objets connectés collectent des données personnelles Réseaux sociaux : suivi, profilage et vos droits Risques, droits et signaux d’alerte : études de cas Conseils pratiques pour protéger vos données . | À l’issue de cette formation, les participants seront capables de : Comprendre les principes clés du RGPD dans l’utilisation quotidienne des technologies Identifier les risques liés à la vie privée associés aux objets connectés et plateformes Expliquer comment les systèmes d’IA peuvent impacter les données personnelles Prendre des décisions éclairées . | French / Français | |
| 44 | Digital Learning Hub Luxembourg (DLH) | Your Data, Your Rights: Understanding privacy and AI for your everyday life | In this course we will cover: .Introduction to GDPR and privacy fundamentals.How AI and smart devices collect personal data.Social media: tracking, profiling, and your rights.Risks, rights and red flags: case studies.Practical tips to protect your data. | After this course, participants will be able to:.Understand key GDPR principles in everyday tech use Identify privacy risks associated with the use of connected devices and platforms Explain how AI systems can impact personal data Make informed decisions . | English (US) | |
| 45 | Luxembourg National Data Service (LNDS) | Data Protection Training | EN | |||
| 46 | Luxembourg National Data Service (LNDS) | Data Stewardship Fundamentals | The course consists of the following four segments: .Introduction to data: general definitions related to data; data types; databases; characteristics; and general challenges.Data governance, policy, procedures, and structure: the principles of data governance; data governance structure.Data management and stewardship roles, skills, competencies: role of a data steward; the importance of data stewardship in today’s data-driven world; different types of data stewards; roles and responsibilities; competencies; skills; and knowledge.Key components of data stewardship: FAIR (findable, accessible, interoperable, and reusable) data; data lifecycle; data management planning; data quality; security; regulations; integrity; and protection. | On completion of this course, participants will be able to:.Learn the key definitions concerning data, metadata and FAIR data.Understand the challenges that organizations face regarding data management.Understand the principles of data governance and how data governance is structured in different type of organizations.Describe the role of a data steward and identify the key competencies and skills required for data stewards.Determine the key elements of data stewardship. | There are no prerequisites | English (US) |
Data Analysis
| No. | Provider | Course Title | Content | Learning Outcomes | Prerequisites | language |
|---|---|---|---|---|---|---|
| 47 | Digital Learning Hub Luxembourg (DLH) | Alteryx Designer – Introduction | Alteryx Designer user interface and canvas Alteryx native file formats Read (Input) / Write (Output) Data Tools: Browse, Sample, Select, Sort, Filter, Cleansing, Date Tools, Formulas, Joins, Unions, Append, Summarize, Cross Tab, Text To Columns, Transpose, Unique Macros.Analytical App Macro Interface tools and Actions Spatial Analytics (demo) | By the end of this course, you will have the ability to perform the following tasks: Use Alteryx, Designer search and resources, Navigate the user interface, Identify Alteryx native file formats, Read and write data, Interpret common data types, Cleanse data using the Data Cleansing tool, Build formulas (e.g reference formulas, conditional statements), Filter and arrange data using tools: Select, Sort, Filter, Unique, Sample, Perform unions, joins, and appends., Leverage the Find and Replace tools, Convert data string formats to and from date formats, Delimit data with the Text To Columns tool, Troubleshoot (e.g duplication within joins, incompatible data types, mismatched fields), Transform Data, Apply the Summarize Tool, Configure the Transpose Tool, Apply the Cross Tab Tool (e.g grouping data, methods of aggregation), Convert a workflow to a Macro, Understand the differences of Macros (Standard, Batch, Iterative), Create an Analytical App, Using Macro Input and Output, Adding Interface tools and Actions, Running the Macros and Analytical Apps, Spatial Analytics (demo) | Proficiency in Excel, Python, or comparable data tools. | English (US) |
| 48 | Digital Learning Hub Luxembourg (DLH) | Dashboard Design: Master class in Data Visualisation | Overview of our 2 days program : .Introduction .Fundamentals .Definition .Canvas .Desirability .Feasibility .Viability .Design .Visual Principles.Gestalt .UX laws .Color .Layout .Structure .Pitfalls .Dashboards .Charts .Selection .Mockup . | Upon completion of the course, learners will be able to .understand key principles of data visualisations.being able to identify needs of users for data visualisation.being able to select an appropriate data visualisation method to solve a previously identified problem.being able to create an impactful, aesthetically appealing, but truthful data visualisation.being able to perform testing of data visualisation to safeguard that readers can correctly interpret and.use the data for their purposes . | at least 5 years of business experience, regardless of the field .Good knowledge of data analysis .basic knowledge of the respective technology or tool used for the visualisation (e.g., R) | English (US) |
| 49 | Digital Learning Hub Luxembourg (DLH) | Data Analytics Starter Pack : SQL & Grafana pour Tous (FR) | Ce cours contient les deux modules suivants : SQL : Manipulation des données .Introduction aux bases de données et au SQL.Requêtes de base: SELECT, WHERE, ORDER BY.Jointures et agrégations.Exercices pratiques Visualisation avec Grafana Introduction à Grafana et connexion à une base de données .Création de tableaux de bord interactifs.Utilisation des filtres, métriques et panels.Étude de cas et mini-projet . | À la fin du cours, vous serez capable de :.Interroger une base de données avec SQL.Manipuler et filtrer des jeux de données.Créer des tableaux de bord interactifs avec Grafana Comprendre comment utiliser l’analyse de données pour prendre des décisions . | Aucun prérequis technique Une connaissance de base des données et un intérêt pour l’analyse sont un plus. | French / Français |
| 50 | Digital Learning Hub Luxembourg (DLH) | Data Storytelling: Effectively Telling Stories with Data | Storytelling Foundations: Moving beyond data presentation to create action-driving narratives .Narrative Structure: Structuring stories, finding insights, and building logical flows .Visualizations: Creating impactful visuals using appropriate tools and design .Presentation Skills: Delivering confident presentations, tailored to your audience .Audience & Objectives: Targeting your audience and setting clear communication goals .Ethical Considerations: Addressing bias and privacy in data storytelling .Actionable Insights: Translating data into insights for informed decision-making .Hands-on Practice: Data analysis, storyboarding, and visualization exercises . | Grasp the core principles of data storytelling.;.Effectively identify and understand your target audience.;.Construct compelling narratives from data insights.;.Create impactful data visualizations.;.Deliver data stories with confidence.;.Understand the ethical considerations of data communication.;. | Familiarity with data and spreadsheets | English (US) |
| 51 | Digital Learning Hub Luxembourg (DLH) | Data Visualization (Data Artist) | Module 1: Introduction to Data Visualization (3 hours) Module 2: Core Principles of Data Visualization (7 hours) Module 3: Color and Aesthetics in Data Visualization (5 hours) Module 4: Visualization Tools and Technologies (8 hours) Module 5: Enhancing Visualizations with Annotations and Interaction (5 hours) Module 6: UI and UX in Data Visualization (6 hours) Module 7: Capstone Project and Review (2 hours) | By the end of this course, participants will: Understand the principles of effective data visualization and how to avoid common pitfalls Be able to match data types with appropriate visualization techniques Gain proficiency in using popular data visualization tools such as Tableau, Power BI, and Python Learn how to apply color theory and design principles to create visually appealing and accurate visualizations Develop the ability to create interactive dashboards and enhance visualizations with annotations Understand UI/UX principles in the context of data visualization to design intuitive and user-friendly interfaces Complete a capstone project that involves creating a comprehensive data visualization, from data wrangling to final presentation . | there are no prerequisites | English (US) |
| 52 | Digital Learning Hub Luxembourg (DLH) | Discover Data Analysis with Power BI : Level 1 Getting Started | Power BI: Overview .Data Modeling .Power Query & M Language: Introduction .DAX Language: Introduction .Power BI Desktop: Guide tour .Import & Transform data with Power Query .Create Power BI Model .Create DAX Measures (basics) .Best practices to Design Power BI Report .Visualize Data in Power BI (Desktop, Service, Mobile) .Publish & Share Reports .Power BI Visualization: Overview .Create Power BI Report .Publish & Share . | Upon completing of the course, participants can expect to achieve the following learning outcomes:.Data Acquisition and Preparation: Participants will be proficient in importing and transforming data with Power Query .Data Visualization: Learners will master the art of creating compelling and interactive reports and dashboards using Power BI's diverse visualization options They will be capable of customizing visuals, combining chart types, and presenting data insights in an engaging and impactful manner .Data Modeling and Relationships: Participants will understand the fundamentals of data modeling .Data-Driven Decision-Making: The training will emphasize the significance of data-driven decision-making Participants will learn to identify and define key performance indicators (KPIs) relevant to their business or domain and leverage data insights to make informed and strategic decisions .Practical Application: Through hands-on exercises and real-world examples, learners will gain practical experience in data analysis with Power BI.Foundation for Advanced Learning: Completing this course establishes a solid foundation for further exploration of data analysis and business intelligence concepts After this course, learners can confidently pursue more advanced Power BI courses or delve into other data-related domains with a strong base of knowledge.; Overall, the learning outcomes of this course empower participants with practical skills in data analysis, data visualization, and data-driven decision-making, positioning them as valuable assets in data-centric roles and fostering their professional growth in the world of data and analytics For those who wish to go further in learning, do not hesitate to register for the training "Discover Data Analysis with Power BI : Level 2 Advanced". | Basic knowledge of databases and MS Excel | English (US) |
| 53 | Digital Learning Hub Luxembourg (DLH) | Discover Data Analysis with Power BI : Level 2 - Advanced | Power BI: Pricing & Architecture .Power BI in Power Platform .Workspaces & Apps .Power BI Security (RLS & OLS) .Power Query: Advanced .DAX Measures: Advanced .Power BI Service: Guide Tour .Bookmarks: Overview & Concept .DataSet vs DataFlow vs DataMart .Themes in Power BI .Create Bookmarks .Create and Personalize Themes in Power BI .Publish & Share Reports in Power BI Portal .Data Gouvernance .External tools .Performance Analyzer .Metrics Usage & Activity Monitoring .Create Power BI Mobile Application . | The learning outcomes include:.Proficiency in advanced data manipulation techniques: Participants will be able to efficiently clean, transform, and prepare complex datasets for analysis within Power BI, ensuring data accuracy and reliability .Mastery of advanced data modeling: Learners will gain expertise in creating and managing relationships between data tables, designing optimized data models, and using DAX formulas for creating calculated columns, measures, and calculated tables .Advanced visualization skills: Participants will develop the ability to design visually compelling reports and dashboards, customize visual elements, and implement interactive features .Integration of diverse data sources: Learners will understand how to connect and integrate data from various sources .Complex calculation and analysis: Through DAX formulas, attendees will learn to perform intricate calculations, implement business logic, and conduct advanced data analysis to uncover trends, patterns, and outliers .Collaboration and sharing: Learners will understand how to collaborate with colleagues and securely share reports and dashboards, promoting effective teamwork and data-driven decision-making across the organization .Practical application: By working on real-world data analysis challenges and case studies, attendees will be able to apply their knowledge and skills in practical scenarios, reinforcing their understanding of Power BI's advanced capabilities .Overall, the learning outcomes of this training will equip participants with the knowledge and skills to become proficient Power BI users . | Advanced knowledge of Microsoft Excel or a similar tool .First-level knowledge of Power BI (1st Course: Discover Data Analysis with Power BI : Level 1 - Getting Started) | English (US) |
| 54 | Digital Learning Hub Luxembourg (DLH) | Discover Data Analysis with Qlik Sense : Level 1 - Qlik Sense Designer | Advantage of Qlik's Associative Model .Connection to data files (Excel, CSV) .Qlik Data Manager Assistant .Basic data load scripting (extraction / transformation / loading) .Associative modeling.Development of charts : tables / graphs / maps / filters .Standard and calculated dimensions .Standard measures and Set Analysis .Master items for re-use of dimensions and measures .Variables .Customization of the presentation layer .Best practices . | The learning outcomes are:.Qlik Sense Proficiency: Gain a solid understanding of the Qlik Sense platform, its interface, and navigation, becoming proficient in using the tool .Data Loading and Transformation: Learn to import data from various sources, clean and transform it for analysis, and establish data relationships for efficient data modeling .Visualization Creation: Develop the ability to create diverse and interactive data visualizations, including charts, graphs, and tables, to effectively represent insights .Data Exploration and Analysis: Explore data and identify trends, patterns, and correlations using filters, selections, and basic data analysis functions to derive meaningful insights .Dashboard Design: Acquire skills to design informative and user-friendly dashboards that present data analysis results cohesively, aiding data-driven decision-making .Sharing and Collaboration: Understand how to securely share Qlik Sense applications with others and collaborate within the Qlik Sense environment to foster effective teamwork.By the end of this course, participants will have a strong foundation in Qlik Sense and be capable of using the tool to load, manipulate, and visualize data, empowering them to make data-driven decisions and effectively communicate insights to stakeholders. | Basic knowledge of databases and MS Excel | English (US) |
| 55 | Digital Learning Hub Luxembourg (DLH) | Discover Data Analysis with Qlik Sense : Level 2 - Qlik Sense Data Architect | Qlik sense architecture .Data modeling: 3-layer architecture: Data Load (QVD) - Data Model - Data Visualization .Advanced data load script: - link tables, temporary tables - table concatenation, table joins - mapping tables .Script variables .Including external script files .Solving synthetic keys and circular references .Management of Data using QVD .Management of the time dimension : creating a Master calendar, Date link .Security : data segmentation - Section Access .Best practices . | This training will allow to participants to:.Be proficient in advanced data modeling techniques, enabling them to create efficient and optimized data structures .Acquire expertise in integrating data from diverse sources, performing data blending, and transforming data to create comprehensive and unified data models suitable for advanced analysis .Gain the knowledge and skills to optimize data load scripts, implement data reduction strategies, and perform incremental data loads .Become adept at designing sophisticated visualizations using complex chart expressions, set analysis, and advanced calculations, effectively conveying insights and supporting data-driven decision-making .Understand how to implement data security measures .Learn best practices for creating scalable data architectures that can handle growing data volumes .Develop problem-solving skills, enabling them to apply their knowledge to address complex data architecture challenges effectively.By mastering advanced data modeling, visualization, and integration techniques, participants will be well-equipped to support data-driven decision-making processes within their organizations, enabling better insights and strategic choices Overall, the learning outcomes of this course will empower participants to become skilled Qlik Sense Data Architects, capable of architecting, optimizing, and deploying robust data solutions that unlock the full potential of Qlik Sense. | Basic development of Qlik Sense visuals (Qlik Sense Designer) .Basic Qlik Sense data modeling .SQL language and databases .Or “Discover Data Analysis with Qlik Sense – Level 1” Training completed | English (US) |
| 56 | Digital Learning Hub Luxembourg (DLH) | Introduction aux différents outils de reporting | Reporting avec PowerBI : .Plongée approfondie dans la préparation des données.Création d'un tableau de bord à travers la visualisation des données dans PowerBI.Partage et collaboration des rapports PowerBI. | Concevoir un tableau de bord avec PowerBI .Sécuriser les données dans le tableau de bord en utilisant la sécurité au niveau des lignes (RLS - Row Level Security) .Partager et collaborer sur le rapport .Communiquer efficacement avec les parties prenantes pour comprendre les besoins commerciaux et les traduire en un entrepôt de données bien conçu . | Connaissance élémentaire de bases de données et MS Excel . | French / Français |
| 57 | Digital Learning Hub Luxembourg (DLH) | Introduction to Exploratory Data Analysis using Excel | What is Exploratory Data Analysis.Overview of Key Excel features useful for EDA .Describing data and relationship between variables (univariate analyses and bivariate analyses).The Data Analysis Flow - Start the Data Analysis flow: Ingest .Your data is not perfect: Transform .What does the data tell you: Analyse .Use cases and case studies. | Learn the principles of EDA, univariate and bivariate data exploration.Learn to use EXCEL as part of the data analysis cycle .Excel for data ingestion.EXCEL for split-apply-combine actions (data segmentation, conditional operations and summarization).EXCEL for basic statistics/data metrics functions Learn when to use and how to prepare key visualizations : scatter plots, bar plots, histograms, and cumulative frequency plots . | Basic knowledge of Excel: such as opening/closing files, basic formatting of cells, use of basic formulas, copy/pasting in Excel | English (US) |
| 58 | Digital Learning Hub Luxembourg (DLH) | Journey Mapping | Introduction to Journey Mapping.Research techniques to gather data for journey mapping.Collecting user data on the field.Synthesizing research findings.Building the Journey Map.Identifying opportunities for improvement.Aligning journey maps with business and product goals. | By the end of this course, participants will be able to:.Conduct effective user research using interviews and observations.Synthesize findings to identify user pain points, needs, and goals.Create an actionable journey map that visualizes user experiences.Develop UX recommendations based on journey mapping insights . | No prior UX experience required, but familiarity with user research is an advantage . | English (US) |
| 59 | Digital Learning Hub Luxembourg (DLH) | Learn By Doing - Power BI | Introduction to Power BI .Overview of Power BI ecosystem (Desktop, Service, Mobile).Navigating the interface and key functionalities Data Preparation & Transformation .Connecting to data sources (Excel, SQL, APIs).Profiling and cleaning data with Power Query .Merging, pivoting, and shaping datasets Data Modeling & DAX .Designing relational data models (star schema).Creating calculated columns, measures, and tables with DAX .Implementing variables, aggregations, and time intelligence Visualization & Reporting .Building interactive dashboards and reports.Best practices for charts, maps, filters, and drill-throughs.Storytelling with data using themes and bookmarks Advanced Analytics .Integrating AI insights (Quick Insights, decomposition trees).Forecasting and trend analysis Collaboration & Governance .Managing workspaces, apps, and semantic models.Configuring row-level security (RLS) and data gateways.Publishing and sharing reports for self-service analytics Capstone Project .End-to-end solution: From raw data to deployed dashboard . | Upon completion of this course, learners will be able to:.; .Extract, clean, and model data from diverse sources using Power Query.Design efficient data models and write advanced DAX formulas.Create interactive reports and dashboards aligned with stakeholder needs.Deploy and govern solutions using workspaces, RLS, and dataflows.Translate business requirements into actionable insights through visualization.Automate data workflows and enable self-service analytics . | Basic data literacy: Familiarity with Excel or spreadsheets .Mindset: Willingness to learn through hands-on practice! . | English (US) |
| 60 | Digital Learning Hub Luxembourg (DLH) | Microsoft Power BI Data Analyst (PL-300) | Introduction à Power BI.Préparation des données (importation, nettoyage) .Modélisation des données .Création de rapports et tableaux de bord .Analyse des données (DAX).Déploiement et partage .Sécurité des données .Préparation à l'examen PL-300 . | Comprendre le rôle d’un analyste Power BI.Être capable de transformer et modéliser les données.;.Créer des rapports interactifs efficaces.;.Interpréter les données pour guider la prise de décision.;.Être prêt pour la certification Microsoft PL-300 . | Connaissance de base d’Excel et des données tabulaires .Aisance avec l’environnement Windows | French / Français |
| 61 | Digital Learning Hub Luxembourg (DLH) | Microsoft Power Platform Fundamentals (PL-900) | Introduction à Microsoft Power Platform.Présentation de Power BI.Introduction à Power Apps.Automatisation avec Power Automate.Création de chatbots avec Power Virtual Agents .Utilisation de Dataverse .Préparation à l’examen PL-900 . | Comprendre les composants de la Power Platform.;Identifier les cas d’usage adaptés.;.Créer des applications simples avec Power Apps.Automatiser des processus avec Power Automate.;.Visualiser des données avec Power BI.;.Être prêt pour la certification Microsoft PL-900 . | Aisance avec l’environnement Windows | French / Français |
| 62 | Digital Learning Hub Luxembourg (DLH) | Qlik Sense Data Architect (FR - Formation dédiée aux agents de la fonction publique) | Connexion aux bases de données (ODBC, OLDB).Script avancé de chargement de données.Modélisation.Architecture multi-couches : Extraction (QVD) - Data Model – Application.Tables de lien, loop, tables temporaires.Gestion de la dimension temporelle : master calendar, date link.Sécurité : application et section access.Interface utilisateur.Dimensions et mesures avancées (set analysis).Éléments principaux (master items) vs scripting.Variables.Extensions et mashups.Bonnes pratiques . | A la fin de la formation, les apprenants seront capables de :.comprendre et créer un data model.croiser des sources de données.créer des visuels/dashboards (tableaux/graphiques) avec les fonctionnalités avancées . | Un compte IAM .Connaissance élémentaire de bases de données et MS Excel .Avoir suivi la formation « Qlik Sense – Designer » .Accès à Qlik Sense . | French / Français |
| 63 | Digital Learning Hub Luxembourg (DLH) | Qlik Sense Designer (FR - Formation dédiée aux agents de la fonction publique) | .Information générale de la plateforme Qlik Sense au CTIE, l'explication de la sécurité d'authentification et accès aux applications existantes (custom property, IAM Role) .Avantage du modèle associatif de Qlik .Connexion aux bases de données (Excel, CSV) .Scripting de base de chargement de données (extraction/transformation/chargement) .Modélisation associative .Création des visuels : tableaux/graphiques/cartes/filtres… en Qlik Sense et avec l'aide de la librairie Vizlib ( https://home.vizlib.com/vizlib-library-for-qlik-sense/#hs-chat-open ) .Dimensions simples et calculées .Mesures de base .Éléments principaux .Utilisation des variables .Personnalisation de la couche de présentation .Bonnes pratiques . | A la fin de la formation, les apprenants seront capables de :.charger, transformer et modéliser des données (à partir d'un data model existant).créer des visuels/dashboards (tableaux/graphiques) à partir d'un data model existant.mieux comprendre et analyser ses données avec un outil de la BI (Business Intelligence) . | Un compte IAM .Connaissance élémentaire de bases de données et MS Excel .Accès à Qlik Sense . | French / Français |
| 64 | Digital Learning Hub Luxembourg (DLH) | Tableau Analytics Platform | Here are the key learning outcomes you can expect from the Tableau training: 1 Data Connection and Exploration.Learn how to connect to various data sources using Tableau Desktop.Explore and clean data to prepare it for visualization.2 Creating Visualizations.Master the art of creating charts, graphs, and dashboards in Tableau.Understand different visualization types and when to use them effectively.3 Advanced Techniques.Dive into advanced features like calculated fields, parameters, and sets.Discover how to create custom calculations and implement complex logic.4 Interactive Dashboards.Build interactive and user-friendly dashboards.Combine multiple visualizations to tell a compelling data story.5 Tableau Server and Cloud.Learn about deploying dashboards on Tableau Server or publishing them to Tableau Cloud.Understand collaboration, sharing, and security features.6 Best Practices and Tips.Gain insights into best practices for efficient data visualization.Explore tips and tricks to enhance your Tableau workflow.Learn about Tableau Public and Tableau Accelerators.Understand the benefits of Tableau Blueprint for a successful implementation and rollout of Tableau in an organization.By the end of this training, you'll be equipped with the skills to confidently analyze data, create impactful visualizations, and collaborate effectively using Tableau. | There are no prerequisites | English (US) | |
| 65 | Digital Learning Hub Luxembourg (DLH) | Tableau Creator - Fundamentals | Tableau Analytics Platform overview & demo .Tableau Blueprint .Connect to data sources .Create groups, hierarchies, filters, sets .Working with dates .Build basic charts and dual axis charts .Map geographic data .Create calculations .Reference lines .Connect to multiple data sources .Building dashboards .Publishing and sharing .Tips & Tricks Best practices . | By the end of this course, you will have the ability to perform the following tasks proficiently:.Have a complete overview and understanding of the Tableau Analytics Platform (Tableau Desktop, Server/Cloud, Prep, Pulse) .Understand the benefits of Tableau Blueprint for a successful implementation and rollout of Tableau in an organization .Establish a connection with your data and personalize the data source according to your requirements .Generate a data extract tailored to your needs .Modify metadata, form groups, and establish hierarchies .Arrange and sift through data by applying sorting and filtering techniques .Use sets to compare different subsets of data effectively .Construct captivating visual representations of your data .Create a variety of essential chart types to facilitate analysis .Formulate basic calculations and table calculations .Use parameters that enable users to dynamically modify values, improving their interaction with the data .Consolidate data from multiple sources by establishing relationships, performing joins, unions, and blends .Construct dynamic dashboards and narratives that uncover valuable insights from your data .Export content, publish workbooks, and download published content efficiently . | There are no prerequisites | English (US) |
| 66 | Digital Learning Hub Luxembourg (DLH) | Tableau Creator - Intermediate | Tableau Analytics Platform overview and demo (refresher) .Restructuring Data .Creating relationships, joins, unions, blends .Table calculations .Level of Detail (LOD) expressions .Advanced parameters and user filters .Advanced maps techniques .Advanced dashboard techniques and actions .Publishing and sharing dashboards .Tableau server administration (non-admin) .Introduction to Tableau Prep .Tips & Tricks Best practices . | Upon completion of this course, you will possess the ability to perform the following tasks proficiently: .Use the Data Interpreter, pivots, and splits to effectively prepare data .Analyse specific subsets of data by implementing advanced filtering techniques .Replace a data source seamlessly while keeping meta data .Employ relationship and join calculations to merge tables .Create a union by employing a wildcard search .Overcome specific challenges associated with blending data .Distinguish between various methods of combining data and select the most appropriate method for specific scenarios .Use aggregate dimensions in calculated fields .Customize table calculations using options provided in the dialog box, and write table calculations in the calculated field editor .Apply a FIXED LOD (Level of Detail) calculation .Make accurate projections using trend lines and forecasts .Establish a parameter that enables users to switch views and analyse measure data effectively .Implement marks layers for geographic mapping, and adhere to best practices for selecting an appropriate map type and background layers .Enhance dashboards by adding navigation buttons .Filter data across multiple sources in dashboards .Use layout containers to construct professional and efficient dashboards .Personalize colour and shape palettes to meet custom branding needs .Publish and manage data sources, extracts .Create subscriptions and alerts . | Completed ‘Tableau Creator – Fundamentals’ or have been using Tableau for at least 3 months. | English (US) |
Data Warehousing
| No. | Provider | Course Title | Content | Learning Outcomes | Prerequisites | language |
|---|---|---|---|---|---|---|
| 67 | Digital Learning Hub Luxembourg (DLH) | BI Academy | Week 1 - Kick off.Week 2 – 7: SQL querying and recap.Week 8 – 13: BI development, recap, and cap-stone project creation.Week 14: Graduation ceremony . | Getting familiar with BI/IT terminology: Short intro on BI and IT most common used terms.Diving into data analysis: Diving into SQL basic concepts (operators, filters, joins, subqueries, set operators, functions).Getting familiar with BI tools: Presenting multiple BI tools – focus on Power BI Desktop.Diving into BI Development: Intro to ETL process (Power Query).Getting familiar with DAX syntax and working with variables.Data storytelling: Working with different type of visuals and adding value to report through insights . | No technical knowledge is needed, but understanding reporting and/or data management can be an asset .The students will need to commit to allocate 10h/week (training, Q&A session, homework, individual study) . | English (US) |
| 68 | Digital Learning Hub Luxembourg (DLH) | Become a Business Intelligence Specialist | Upon completing the Business Intelligence Training Path, learners will:.Be comfortable with BI concepts and architecture (Data sources, Data Integration & Data Visualization) .Identify the key phases of the BI life-cycle and the key technologies .Understand the stages of a data visualization application development project .Demonstrate proficiency in BI tools for data analysis and visualization .Create interactive dashboards and reports for data-driven insights .Align BI strategies with organizational objectives and governance principles .Craft compelling data stories to effectively communicate findings .Acquire best practices and pragmatic approaches . | Basic database knowledge | English (US) | |
| 69 | Digital Learning Hub Luxembourg (DLH) | Business Intelligence & Data Modeling Masterclass | BI & Data Architecture Foundations .Core BI concepts: Data warehouses, lakes, and marts.Business requirements gathering: Aligning data models with stakeholder needs.Data profiling: Assessing quality, completeness, and consistency.Introduction to relational vs dimensional modeling Data Modeling Techniques .Relational modeling: Entities, attributes, and normalization (1NF, 2NF, 3NF).Dimensional modeling: Star and snowflake schemas.Semantic modeling: Designing business-friendly logical layers.ETL/ELT strategies: Batch vs real-time data pipelines Governance & Scaling BI Solutions .Data governance: Metadata management, lineage, and quality frameworks.Security: Role-based access control (RBAC) and anonymization.Optimizing models for performance and scalability.Collaboration: Versioning, documentation, and change management . | Upon completion of this course, learners will be able to:.;.Design relational and dimensional models aligned with business objectives.Develop ETL strategies for efficient data integration.Apply governance frameworks to ensure data quality and security.Collaborate with stakeholders to translate requirements into scalable architectures . | Basic understanding of databases (tables, relationships) .Familiarity with business processes (e.g., sales, operations) .No coding or tool experience required . | English (US) |
| 70 | Digital Learning Hub Luxembourg (DLH) | Data Warehouse Designer | Ce Learning Track de 24 heures se focalise sur le métier du « Data warehouse designer » Il vous propose une immersion dans le monde du Data Engineering et du Data warehousing Vous comprendrez notamment : L’émergence du besoin, des outils et du métier de Data Engineer La différence entre les systèmes opérationnels et les systèmes analytiques L’architecture fonctionnelle et la modélisation des systèmes analytique L’alimentation d’un Data warehouse avec vos premiers pipelines de données, qui permettront ensuite d’alimenter les systèmes d’aide à la décision évoqués . | there are no prerequisites | French / Français | |
| 71 | Digital Learning Hub Luxembourg (DLH) | Data structures and complexities for Big Data processing | Notion of complexity (Big O) Computer and Cloud architectures Structures and Practice Hidden complexities & Wrap-up | On the completion of this course, learners will have the ability to evaluate performances of data structures, and use the most adapted one to different problem, to realize best performances. | Notions of programing are necessary (because of the practice sessions) Knowledge of JavaScript is a plus (language used for practices). | English (US) |
| 72 | Digital Learning Hub Luxembourg (DLH) | Demystifying IT career paths | Introduction to IT careers Core IT domains Skills and qualifications Technology trends and their impact | On completion of this course, learners will be able to:.;.Understand the IT Landscape.Identify key IT skills.Identify IT career paths . | there are no prerequisites | English (US) |
| 73 | Digital Learning Hub Luxembourg (DLH) | Dive Into the World of Digital Transformation (FR) | .Ce cours couvrira : Introduction à la transformation digitale .Définition et périmètre.Digitalisation vs Transformation digitale.Pourquoi la transformation digitale est essentielle dans l’environnement économique actuel.Attentes des clients, concurrence, avancées technologiques et efficacité opérationnelle.Activité : Jeu de rôle - Simuler un parcours client digital Les leviers clés de la transformation digitale .Cloud Computing - Qu’est-ce que c’est et comment les entreprises l’utilisent.Intelligence Artificielle et Automatisation - Améliorer la prise de décision et l’efficacité.Big Data et Business Intelligence - Exploiter les données pour obtenir des insights et innover.Blockchain et Cybersécurité - Garantir la confiance et la sécurité.Internet des Objets (IoT) - Connecter les dispositifs pour des opérations plus intelligentes Études de cas : Transformation digitale réussie .Exemple de Tesla (une multinationale à la vision novatrice), secteur public (la transformation digitale au service des citoyens) / PME (les petits changements accessibles à tous).Activité de Groupe - Chaque groupe analysera son entreprise ou une entreprise qu'il connait, ayant mis ou voulant mettre en œuvre avec succès la transformation digitale, en répondant aux questions suivantes : .Comment était l’entreprise avant la transformation digitale ?.Quelles technologies digitales ont-elles été mises en œuvre ? (IA, cloud, automatisation, big data, etc.).Comment ces changements ont-ils amélioré l’efficacité, l’expérience client ou les revenus ?.Quels défis ont été rencontrés et comment ont-ils été surmontés ? Discussion et Conclusion .Survey & Session de Qustions/Réponses . | À l’issue de ce cours, les participants seront capables de : .Comprendre ce qu’est la transformation digitale et pourquoi elle est importante .Reconnaître son impact sur leur emploi et leur secteur .Se sentir plus à l’aise pour adopter les outils digitaux . | Un intérêt pour comprendre pourquoi la transformation digitale est nécessaire pour une entreprise .Aisance avec l’utilisation d’un ordinateur et connaissances de base des outils et logiciels digitaux | French / Français |
| 74 | Digital Learning Hub Luxembourg (DLH) | Découverte du Data Warehouse : Concepts, Modélisation, Alimentation (ETL) et Restitution | Ce Learning Track de 24 heures focalise sur le métier du « Data warehouse designer » Il vous propose une immersion dans le monde du Data Engineering et du Data Warehousing Vous comprendrez notamment :.L’émergence du besoin, des outils et du métier de Data Engineer .La différence entre les systèmes opérationnels et les systèmes analytiques .L’architecture fonctionnelle et la modélisation des systèmes analytique .L’alimentation d’un Data warehouse avec vos premiers pipelines de données, qui permettront ensuite d’alimenter les systèmes d’aide à la décision évoqués . | Connaissance élémentaire de bases de données et MS Excel . | French / Français | |
| 75 | Digital Learning Hub Luxembourg (DLH) | Explorer l’univers des données : métiers et compétences clés | 1 Introduction aux carrières dans la Donnée et l’IA Pourquoi la donnée est-elle importante ? Découvrez comment la donnée influence notre quotidien, des recommandations Netflix aux avancées médicales Applications variées de la donnée et de l’IA: Explorez les nombreux secteurs où les professionnels de la donnée et de l’IA sont essentiels : santé, finance, technologie, commerce, etc Introduction aux rôles clés de la donnée : Faites connaissance avec les experts qui rendent la magie des données possible : Architecte Data, Ingénieur Data, Analyste Data, Data Scientist, Spécialiste BI, Administrateur de Bases de Données (DBA) 2 Compétences essentielles Compétences techniques fondamentales pour réussir: Apprenez les compétences nécessaires (ex : codage, visualisation des données, analyse) pour les postes techniques et non techniques Soft skills associées aux différents rôles: Découvrez les compétences transversales clés (ex : pensée critique, sens du détail, communication) 3 Parcours professionnels et évolution dans la Donnée & l’IA Cadre de compétences ESCO: Comprenez le cadre ESCO pour identifier les compétences attendues selon les rôles data Exploration des parcours de carrière: Analyse des rôles débutants, intermédiaires et seniors Opportunités d’évolution dans différents secteurs 4 T racer votre voie vers une carrière data Pas de background technique ? Aucun souci ! Découvrez comment toute personne peut débuter dans la donnée ou l’IA Formations et certifications: Revue des parcours éducatifs et certifications pour se former efficacement 5 At elier pratique – Dans la peau d’un professionnel de la donnée .Définissez vos objectifs de carrière, tracez votre plan d’action, identifiez les compétences à acquérir Discussions en groupe pour partager les idées, favoriser la collaboration et affiner les parcours individuels 6 Session Q&R et conclusion Posez toutes vos questions ! Une session conviviale pour poser vos questions sur les rôles, les compétences ou comment se lancer dans le domaine . | A l'issue de cette formation, l'apprenant sera capable de:.;.Comprendre l’écosystème de la donnée Acquérez une vision claire du cycle de vie des données, de la collecte à la visualisation, ainsi que du rôle clé que joue la donnée dans la prise de décision au sein des entreprises, tous secteurs confondus.Différencier les rôles clés de la donnée Identifiez et distinguez les principaux métiers de la donnée tels que Data Architect, Data Engineer, Data Analyst, Data Scientist, Spécialiste BI et Administrateur de bases de données (DBA), en comprenant leurs responsabilités et leur place dans l’écosystème data.Explorer les parcours professionnels Comprenez les formations, certifications et compétences requises pour chaque rôle, ainsi que les étapes concrètes pour construire une carrière dans le domaine de la donnée.Participer à des simulations théoriques Prenez part à un atelier pratique où vous simulerez les tâches et prises de décisions associées à un rôle data, afin d’expérimenter les défis et responsabilités réels rencontrés par les professionnels du secteur . | Curiosité : Un réel intérêt pour comprendre comment la donnée et l’intelligence artificielle transforment notre monde, et pour explorer les différentes voies professionnelles possibles Volonté d’apprendre : Une ouverture d’esprit pour s’immerger dans de nouveaux concepts, outils et idées Compétences numériques de base : Être à l’aise avec l’utilisation d’un ordinateur pour des tâches courantes comme naviguer sur Internet, ouvrir des fichiers, ou utiliser des logiciels de base (ex : Word ou Excel) Esprit collaboratif : Envie de participer aux activités de groupe et de partager ses idées avec les autres durant l’atelier. | French / Français |
| 76 | Digital Learning Hub Luxembourg (DLH) | Introduction aux concepts et à la modélisation d’un Data Warehouse | Ce module en particulier est composé de deux parties : Cours d’introduction sur l’émergence du “Data Analytics” : Appréhender et comprendre l’avènement des systèmes d’information décisionnels Travaux dirigés sur la modélisation d’un Data warehouse : Comprendre les méthodes et les enjeux d’une modélisation multidimensionnelle | Les apprenants seront capables de comprendre la genèse de l’entreposage de données, le Data warehousing (historique et technologies) Les apprenants seront capables de construire un modèle d’entrepôt de données. | Database knowledge | French / Français |
| 77 | Digital Learning Hub Luxembourg (DLH) | Introduction aux outils ETL | Intégration des Données et Processus ETL : .Extraction de données à partir de différentes sources (bases de données, systèmes opérationnels).Transformation et nettoyage des données pour garantir la qualité et la cohérence.Chargement des données dans l'entrepôt de données en utilisant des outils et des techniques ETL. | Intégrer des données provenant de sources diverses en utilisant des processus ETL (Extraction, Transformation, Chargement) .Assurer la qualité et l'intégrité des données au sein de l'entrepôt . | Connaissance élémentaire de bases de données et MS Excel . | French / Français |
| 78 | Digital Learning Hub Luxembourg (DLH) | Introduction à l'émergence de l'Analyse de Données | Fondamentaux du Data Warehousing l'Entrepôt de Données : .Introduction aux entrepôts de données et leur rôle dans l'intelligence d'affaires (BI) Compréhension des architectures des entrepôts de données (par exemple, schéma en étoile, schéma en flocon) Cycle de vie de l'entrepôt de données : conception, développement, déploiement et maintenance Techniques de Modélisation de Données : .Approfondissement des méthodologies de modélisation dimensionnelle (Kimball, Inmon).Conception des dimensions et des faits pour une analyse de données optimale.Compréhension des dimensions à changement lent (SCD). | Concevoir et développer des entrepôts de données qui soutiennent les initiatives de Business Intelligence .Sélectionner et mettre en œuvre des techniques de modélisation de données appropriées . | Connaissance élémentaire de bases de données et MS Excel . | French / Français |
| 79 | Digital Learning Hub Luxembourg (DLH) | Introduction à un outil de type ETL – Extract Transform Load – Travaux pratiques | Ce module en particulier est composé de trois parties : Travaux pratiques – réalisation d’un pipeline data avec Talend : Appréhension d’un outil ETL pour l’alimentation d’un data warehouse / datamart Travaux pratiques – réalisation d’un pipeline data avec Datastage : Appréhension d’un outil ETL pour l’alimentation d’un data warehouse / datamart Travaux pratiques – réalisation d’un pipeline data avec Azure Data Factory : Appréhension d’un outil ETL pour l’alimentation d’un data warehouse / datamart | Les apprenants seront capables d’ingérer/peupler/charger un modèle d’entrepôt de données. | Database knowledge | French / Français |
| 80 | Digital Learning Hub Luxembourg (DLH) | Mastering Information Modelling: Unlock Data Insights & Sharpen Critical Thinking | The course will guide you through: .Overview of types of models and their role in structured critical thinking .Overview of the what and how of mind maps, domain specific models and diagrams, and of models and application profiles for database and information system design .Techniques for critical analysis and abstraction of raw information (text, data, diagrams) for effective modelling .Strengths and weaknesses of the three types of models introduced.Hands-on modelling practice . | By the end of this course, participants will have: .Understanding of ways to model information and knowledge; .Improved ability to analyse diagrammatic domain models; .Basic ability to read and create conceptual models for database and information system design.Enhanced capacity for critical thinking and abstract reasoning in complex information domains . | English (US) | |
| 81 | Digital Learning Hub Luxembourg (DLH) | Mettre en œuvre de solutions analytiques à l'aide de Microsoft Fabric | Planification et gestion de solutions d'analyse de données - Planifier un environnement d'analyse - Identifier les exigences de la solution - Recommander des paramètres dans le portail Fabric - Choisir une passerelle de données - Créer des thèmes de rapports Power BI - Gérer les contrôles d'accès et le partage de données - Configurer les paramètres de l'espace de travail - Gérer la capacité et le cycle de vie analytique - Implémenter le contrôle de version et des solutions de déploiement - Analyser les dépendances et déployer des modèles sémantiques Préparation et service des données - Créer des objets dans un lakehouse ou entrepôt de données - Ingérer des données via pipelines, flux de données ou notebooks - Implémenter le partitionnement et créer des vues/fonctions/procédures stockées - Copier et transformer des données en utilisant diverses méthodes - Planifier et gérer des pipelines et notebooks - Optimiser les performances et résoudre les problèmes de données Implémentation et gestion de modèles sémantiques - Concevoir et construire des modèles sémantiques - Choisir un mode de stockage et implémenter des schémas en étoile - Écrire des calculs DAX et implémenter des groupes de calculs - Concevoir des modèles composites et assurer la sécurité des données - Optimiser les performances des modèles sémantiques Exploration et analyse des données - Réaliser des analyses exploratoires, descriptives et diagnostiques - Intégrer des analyses prescriptives et prédictives - Profiler et interroger les données avec SQL - Utiliser des requêtes SQL pour interroger des lakehouses et entrepôts de données - Se connecter et interroger des ensembles de données via le point de terminaison XMLA. | A l'issue de cette formation les apprenants seront capables de: .; Maîtriser l'ingestion de données via Microsoft Fabric Déployer efficacement un lakehouse avec Microsoft Fabric Mettre en place un entrepôt de données fonctionnel avec Microsoft Fabric Exploiter des modèles sémantiques dans l'environnement de Microsoft Fabric Créer et exécuter des modèles tabulaires performants Superviser et gérer le cycle de vie complet du développement analytique . | Pour suivre ce cours, les participants doivent posséder une compréhension solide des concepts fondamentaux des données et de leur mise en œuvre à l'aide des services Azure ou avoir un niveau de compétence équivalent Concepts Fondamentaux des Données - Types et Formats de Données : Connaissance des données structurées, semi-structurées et non structurées (JSON, XML, CSV) - Stockage des Données : Bases des bases de données relationnelles et non relationnelles, schémas de données, indexation et normalisation - Traitement des Données : Concepts de traitement par lots, traitement en continu et processus ETL Données Relationnelles dans Azure - Bases de Données Relationnelles : Compréhension des bases de données relationnelles et des commandes SQL de base - Azure SQL Database : Expérience de provision, configuration et gestion des bases de données Azure SQL - PostgreSQL et MySQL dans Azure : Connaissance de base de la gestion de PostgreSQL et MySQL dans Azure Données Non Relationnelles dans Azure - Bases de Données Non Relationnelles : Compréhension des types de bases de données non relationnelles - Azure Cosmos DB : Connaissance des fonctionnalités et API d'Azure Cosmos DB - Azure Blob Storage : Familiarité avec le stockage et la gestion des données non structurées dans Azure Blob Storage Analyse et Reporting des Données - Azure Synapse Analytics : Compréhension de l'utilisation pour l'entreposage et l'analyse de données - Azure Data Lake : Connaissance des concepts et fonctionnalités d'Azure Data Lake Storage - Azure Data Factory : Expérience de base avec la création et la gestion des pipelines de données dans Azure Data Factory Sécurité et Conformité des Données - Sécurité des Données : Compréhension des concepts de sécurité des données et d'Azure Active Directory - Conformité : Connaissance des normes de conformité réglementaire et des offres de conformité d'Azure. | French / Français |
| 82 | Digital Learning Hub Luxembourg (DLH) | Mettre en œuvre un Lakehouse avec Microsoft Fabric | Introduction aux analyses de bout en bout avec Microsoft Fabric: Découvrez les fonctionnalités de Microsoft Fabric et comment il peut répondre aux besoins analytiques de votre entreprise Commencez avec les lakehouses dans Microsoft Fabric: Explorez la fusion entre le stockage de lac de données et les analyses d'entrepôt de données, ainsi que la solution de Lakehouse offerte par Microsoft Fabric Utilisation d'Apache Spark : Apprenez à utiliser Apache Spark pour des analyses de données à grande échelle, avec le support de clusters Spark dans Microsoft Fabric Tables Delta Lake dans Microsoft Fabric : Découvrez les tables basées sur le format de stockage Delta Lake et leurs capacités avancées pour la création de solutions analytiques Ingestion de données avec Dataflows Gen2 : Explorez l'importance de l'ingestion de données en analytique et apprenez à utiliser Dataflows Gen2 dans Microsoft Fabric pour créer des flux d'ingestion et de transformation de données Utilisation des pipelines Data Factory : Découvrez les capacités de Data Factory de Microsoft Fabric, y compris la création de pipelines pour orchestrer les tâches d'ingestion et de transformation des données. | Les objectifs d'apprentissage : Le développement de compétences fondamentales en ingénierie des données avec un accent sur le concept de Lakehouse au sein de Microsoft Fabric L'exploration des capacités robustes d'Apache Spark pour le traitement distribué des données L'apprentissage des techniques essentielles pour une gestion efficace des données, la versioning et la fiabilité en travaillant avec les tables Delta Lake 'acquisition de compétences en matière d'ingestion et d'orchestration des données en utilisant les Dataflows Gen2 et les pipelines de Data Factory L'acquisition d'une expérience pratique grâce à une combinaison de cours magistraux et d'exercices pratiques, préparant les participants à travailler efficacement avec les lakehouses dans Microsoft Fabric .; A l'issue de cette formation les apprenants seront capables de: Appliquer des compétences fondamentales en ingénierie des données avec un accent sur le concept de Lakehouse au sein de Microsoft Fabric Utiliser Apache Spark pour le traitement distribué des données Gérer de manière efficace les données, la versioning et la fiabilité en travaillant avec les tables Delta Lake Implementer l'ingestion et l'orchestration des données en utilisant les Dataflows Gen2 et les pipelines de Data Factory Travailler efficacement avec les lakehouses dans Microsoft Fabric . | Connaissances en modélisation des données, en extraction et en analyse. | French / Français |
| 83 | Digital Learning Hub Luxembourg (DLH) | Mettre en œuvre un entrepôt de données avec Microsoft Fabric | Démarrer avec les entrepôts de données dans Microsoft Fabric Les entrepôts de données sont des magasins analytiques construits sur un schéma relationnel pour prendre en charge les requêtes SQL Microsoft Fabric vous permet de créer un entrepôt de données relationnel dans votre espace de travail et de l'intégrer facilement avec d'autres éléments de votre solution analytique de bout en bout - Introduction - Comprendre les fondamentaux des entrepôts de données - Comprendre les entrepôts de données dans Fabric - Interroger et transformer les données - Préparer les données pour l'analyse et le reporting - Sécuriser et surveiller votre entrepôt de données - Exercice - Analyser des données dans un entrepôt de données - Vérification des connaissances - Résumé Charger des données dans un entrepôt de données Microsoft Fabric L'entrepôt de données dans Microsoft Fabric est une plateforme complète pour les données et l'analyse, offrant un traitement avancé des requêtes et des capacités transactionnelles T-SQL complètes pour une gestion et une analyse faciles des données - Introduction -Explorer les stratégies de chargement de données -Utiliser les pipelines de données pour charger un entrepôt - Charger des données en utilisant T-SQL - Charger et transformer des données avec Dataflow Gen - Exercice : Charger des données dans un entrepôt dans Microsoft Fabric - Vérification des connaissances - Résumé Interroger un entrepôt de données dans Microsoft Fabric L'entrepôt de données dans Microsoft Fabric est une plateforme complète pour les données et l'analyse, offrant un traitement avancé des requêtes et des capacités transactionnelles T-SQL complètes pour une gestion et une analyse faciles des données - Introduction - Utiliser l'éditeur de requêtes SQL - Explorer l'éditeur de requêtes visuel - Utiliser des outils clients pour interroger un entrepôt - Exercice : Interroger un entrepôt de données dans Microsoft Fabric - Vérification des connaissances - Résumé Surveiller un entrepôt de données Microsoft Fabric Un entrepôt de données est un composant vital d'une solution analytique d'entreprise Il est important d'apprendre à surveiller un entrepôt de données afin de mieux comprendre l'activité qui s'y déroule - Introduction - Surveiller les métriques de capacité - Surveiller l'activité actuelle - Surveiller les requêtes - Exercice - Surveiller un entrepôt de données dans Microsoft Fabric - Vérification des connaissances - Résumé | A l'issue de ce cours, les apprenants seront en mesure de : Maîtriser des concepts et principes fondamentaux de l'entrepôt de données Mettre en œuvre d'un entrepôt de données avec Microsoft Fabric, notamment la conception et le déploiement de solutions de stockage de données Comprendre l'utilisation des fonctionnalités et des outils de Microsoft Fabric pour un traitement efficace des données, leur transformation et leur analyse Connaitre des meilleures pratiques pour la mise en œuvre et la gestion d'un entrepôt de données dans l'écosystème de Microsoft Fabric Résoudre les problèmes courants et optimiser les performances de l'entrepôt de données avec des scénarios d'entrepôt de données du monde réel grâce à des exercices pratiques et des projets . | Être familier avec les concepts et la terminologie de base des données. | French / Français |
| 84 | Digital Learning Hub Luxembourg (DLH) | Mettre en œuvre une analyse en temps réel avec Microsoft Fabric | Commencer avec les analyses en temps réel dans Microsoft Fabric - Introduction à Synapse Real-Time Analytics - Comprendre et écrire des requêtes KQL - Exercice pratique - Vérification des connaissances Utiliser les flux d'événements en temps réel dans Microsoft Fabric - Introduction - Principaux composants de Eventstream - Configurer Eventstream - Acheminer les données de flux d'événements - Exercice - Charger des données dans une base de données KQL en utilisant Microsoft Fabric Eventstream - Vérification des connaissances - Résumé Interroger des données dans une base de données KQL dans Microsoft Fabric - Introduction - Commencer avec les requêtes KQL - Bonnes pratiques pour KQL - Fonctionnalités avancées - Exercice - Interroger une base de données KQL dans Microsoft Fabric - Vérification des connaissances - Résumé | A l'issue de cette formation, l'apprenant sera capable de : Sourcer des flux de données en continu Utiliser Eventstream en temps réel Interroger des données avec KQL Créer des tableaux de bord en temps réel dans Microsoft Fabric Maîtriser des concepts fondamentaux de l'analytique en temps réel Mettre en œuvre de solutions d'analytique en temps réel avec Microsoft Fabric, y compris la configuration et le déploiement de flux de données en continu Comprendre l'utilisation des fonctionnalités et des outils de Microsoft Fabric pour l'ingestion, le traitement et l'analyse en temps réel des données Connaitre des meilleures pratiques pour la mise en œuvre et la gestion de l'analytique en temps réel dans l'écosystème de Microsoft Fabric Concevoir et déployer des tableaux de bord et des visualisations en temps réel pour fournir des insights immédiats Décrire des scénarios d'analytique en temps réel du monde réel grâce à des exercices pratiques et des projets . | 1 Connaissances de base en Azure : • Compréhension des services et ressources Azure • Expérience avec le portail Azure 2 Compétences en développement de données : • Expérience avec des bases de données relationnelles et non relationnelles • Connaissance de SQL, Python ou Scala 3 Compétences en ingénierie des données : • Compréhension des concepts ETL/ELT • Expérience avec des pipelines de données 4 Expérience avec les outils de données Azure : • Familiarité avec Azure Data Factory, Azure Synapse Analytics, Azure Databricks • Connaissance des services de stockage comme Azure Data Lake Storage et Azure SQL Database 5 Connaissances en administration de bases de données : • Gestion, sauvegarde et récupération de données • Concepts de sécurité et gouvernance des données 6 Expérience en analyse des données : • Techniques d'analyse et de visualisation • Utilisation d'outils comme Power BI Il est également recommandé d'avoir suivi les cours de formation Azure Fundamentals pour une compréhension de base des services cloud et de Microsoft Azure. | French / Français |
| 85 | Digital Learning Hub Luxembourg (DLH) | Navigating the Data Universe, Exploring Key Data Roles | Part 1: Introduction to Data & AI Careers Why Data Matters .Explore how data impacts daily life, from Netflix recommendations to healthcare advancements Diverse Applications of Data and AI .Discuss the variety of industries where data and AI professionals thrive: healthcare, finance, tech, retail, etc Introduction to Key Data Roles: Get to know the people behind the data magic: Data Architect Data Engineer Data Analyst Data Scientist BI Specialist Database Administrator (DBA) Part 2: Essential skills Core Competencies for Success .Lean the necessary skills (e.g., coding, data visualization, analysis) for both technical and non-technical positions.Explore the aligned soft skills with the different roles (e.g., critical thinking, attention to detail, communication) Part 3: Career Paths, Roles, and Growth in Data & AI ESCO Skills Framework .Learn about the ESCO framework to understand competencies and skills across data roles Career Path Exploration .Examine entry-level, mid-level, and senior-level roles.Career growth opportunities and pathways in different industries Part 4: Charting Your Path to a Data Career No Tech Background? No Problem! Learn how anyone can start a career in data or AI Education and Certifications Part 5: Hands-On Workshop – Step into the Shoes of a Data Pro .Define your career goals, outline your pathway, and identify skills you need to succeed.Group discussions to share insights, foster collaboration, and refine individual roadmaps Part 6: Q&A and Closing Thoughts Ask Away: A friendly session to ask any questions about roles, skills, or breaking into the field . | Upon completion of the course, learners will be able to:.;.Understand the Data Ecosystem.: Gain a clear understanding of the data lifecycle, from data collection to visualization, and the role of data in driving business decisions across industries.Differentiate Key Data Roles.: Identify and distinguish between major data roles such as Data Architect, Data Engineer, Data Analyst, Data Scientist, BI Specialist, and DBA, understanding their responsibilities and how they fit into the data ecosystem.Explore Career Paths.: Understand the educational background, certifications, and skills required for each data role, including practical steps for career development in the data field.Engage in Theoretical Simulations.: Participate in a hands-on workshop where they will simulate the tasks and decision-making processes of a selected data role, gaining insight into the real-world challenges and responsibilities faced by data professionals.Prepare for Future Learning.: Leave the course with recommended resources, learning paths, and strategies for building a portfolio and gaining practical experience in their chosen data career . | Curiosity : A genuine interest in understanding how data and AI impact our world and exploring potential career paths Willingness to Learn : An open mind to engage with new concepts, tools, and ideas Basic Computer Literacy : Comfort with using a computer for everyday tasks like browsing the internet, opening files, and using basic software (e.g., Word or Excel) A Collaborative Spirit : Willingness to participate in group activities and share ideas with others during the workshop . | English (US) |
| 86 | Digital Learning Hub Luxembourg (DLH) | Object-Role Modeling (ORM): Precision Design for Databases & Business Logic | The course will guide you through: .The power of Object-Role Modeling (ORM): Discover why ORM is the central pivot for building precise business rules, optimizing database design, and accelerating application development .Structured Model Design Methodologies: Learn proven techniques for developing robust and maintainable ORM models .ORM Language Essentials: Master the core features of ORM for clear and unambiguous information representation .Advanced ORM Techniques: Explore advanced capabilities to handle complex modelling challenges .Stakeholder Validation & Real-World Application: Practice designing and validating models using sample data and controlled natural language, ensuring alignment with business needs.Hands-on Project: Modelling Data-Intensive Software: Apply your skills through practical exercises and a capstone mini-project, building structured models for real-world software applications . | By the end of this course, participants will be able to: .Master the ORM Landscape: Gain a deep understanding of how Object-Role Modeling (ORM) fits within the broader software system design paradigm .Apply Robust Design Methodologies: Confidently utilize proven methodologies for developing high-quality, maintainable ORM models .Create & Interpret ORM Models: Fluently read, create, and validate precise ORM models for structured, data-intensive software applications.Effectively Engage Stakeholders: Apply techniques for validating models with stakeholders, ensuring business alignment and successful implementation .;. | No formal prerequisites are required However, participants will gain significantly more from this course if they have previously attended "Mastering Information Modelling: Unlock Data Insights & Sharpen Critical Thinking". | English (US) |
| 87 | Digital Learning Hub Luxembourg (DLH) | Opportunities and Career Paths in the Data & AI World | Part 1: Introduction to the Data Ecosystem • Importance of data in decision-making across industries • Overview of the data lifecycle: Collection, Storage, Processing, Analysis,Visualization Part 2: Overview of Data Roles • Introduction to roles: Data Architect, Data Engineer, Data Analyst, Data Scientist, Bl Specialist, DBA • Key responsibilities, required skills, and career paths for each role Part 3: Career Paths & Skills • Education, certifications, and resources • Importance of building a portfolio and practical experience Part 4: Workshop - Theoretical Exploration of Data Roles • Participants choose a role and engage in theoretical exercises simulating key responsibilities, projecting in the day to day of that role Part 5: Q&A and Closing Thoughts | By the end of this course, participants will: Understand the Data Ecosystem: Gain a clear understanding of the data lifecycle, from data collection to visualization, and the role of data in driving business decisions across industries Differentiate Key Data Roles: Identify and distinguish between major data roles such as Data Architect, Data Engineer, Data Analyst, Data Scientist, Bl Specialist, and OBA, understanding their responsibilities and how they fit into the data ecosystem Explore Career Paths: Understand the educational background, certifications, and skills required for each data role, including practical steps for career development in the data field Engage in Theoretical Simulations: Participate in a hands-on workshop where they will simulate the tasks and decision-making processes of a selected data role, gaining insight into the real-world challenges and responsibilities faced by data professionals Prepare for Future Learning: Leave the course with recommended resources, learning paths, and strategies for building a portfolio and gaining practical experience in their chosen data career . | there are no prerequisites | English (US) |
| 88 | Digital Learning Hub Luxembourg (DLH) | Prioritising user needs and aligning them with business objectives | Understand the fundamental principles of user needs prioritization.Identify and analyze user expectations and frustrations through research methods.Collect field feedback: interviews, observations, and surveys.Synthesize user data to extract actionable insights.Discover and apply prioritization frameworks (MoSCoW, RICE, etc.).Evaluate the impact of user needs on business and product objectives.Align UX prioritization with company constraints and strategies.Build a decision-making process based on data and strategic objectives.Translate user priorities into concrete actions for design and development . | Effectively collect and analyse user needs using various research methods.Apply prioritisation frameworks to make strategic UX and product decisions.Align UX efforts with business goals for maximum impact.Communicate and defend prioritisation decisions to stakeholders.Create a prioritisation roadmap that balances user needs with business success . | No prior UX experience required, but a basic understanding of product strategy is an advantage . | English (US) |
| 89 | Digital Learning Hub Luxembourg (DLH) | The components of Business Intelligence (BI) - Data Analytics processes | The course provides an overview of the components of Business Intelligence / Data Analytics process: .Data sources, Datawarehouse, Dimensions & facts, Cubes, Data Visualization .Interactive dashboards, static reports, mobile application .Data entry, integration with MS Office, alerting, application automation .Best practices . | Define how BI can help an organization better understand their performance and make better decisions .Identify the information involved in a BI project .Identify the technological architecture that makes up BI systems .Recognize key BI technologies .Learn what is Data Warehousing and how to use it .Discover best practices and pragmatic approaches . | Basic database knowledge | English (US) |
Databases & Enterprise
| No. | Provider | Course Title | Content | Learning Outcomes | Prerequisites | language |
|---|---|---|---|---|---|---|
| 90 | Digital Learning Hub Luxembourg (DLH) | Databases using SQL databases (MySQL) and NoSQL databases (MongoDB) | Introduction to SQL and NoSQL database concepts: Work with SQL databases (MySQL) to create and delete databases, perform CRUD operations on tables, and utilize WHERE, GROUP BY, and JOIN clauses .Integrate MySQL with backend code to connect to databases, perform CRUD operations, and display output data .Understand the design and functionality of NoSQL databases using MongoDB, and perform CRUD operations . | Upon completion of the course, participants will be able to:.; Distinguish between the fundamental concepts of SQL and NoSQL databases.;.Create and delete SQL databases using MySQL.;.Perform Create, Read, Update, and Delete (CRUD) operations on tables within MySQL databases.;.Utilize WHERE clauses to filter data in SQL queries.;.Employ GROUP BY clauses to aggregate and analyze data in SQL.;.Implement JOIN clauses to combine data from multiple tables in SQL queries.;.Connect backend code to MySQL databases . | A strong understanding of JavaScript, NodeJS and ExpressJS. | English (US) |
| 91 | Digital Learning Hub Luxembourg (DLH) | Introduction au Langage R | Programmer en R et utiliser R pour une analyse efficace des données Installer et configurer les logiciels nécessaires à un environnement de programmation statistique | Dans ce cours, vous apprendrez à programmer en R et à utiliser R pour une analyse efficace des données Vous apprendrez à installer et à configurer les logiciels nécessaires à un environnement de programmation statistique et à décrire les concepts génériques du langage de programmation tels qu'ils sont implémentés dans un langage statistique de haut niveau. | Connaissances de base en statistiques et en programmation | French / Français |
| 92 | Digital Learning Hub Luxembourg (DLH) | Introduction to R Programming Language | The history of R .Basic operations .Data structures like vectors and matrices .Programming concepts .Data manipulation .Statistical analysis .Advanced R programming concepts . | Understand the basics of R programming including syntax and data types .Navigate and utilise RStudio for R code execution .Perform data operations, create visualisations, and apply statistical analysis .Develop and debug R scripts, and manage data effectively . | Solid statistical understanding and prior programming knowledge. | English (US) |
| 93 | Digital Learning Hub Luxembourg (DLH) | Module 1: R Basics and Version Control with GitHub | Introduction to R and RStudio.Basic data types and structures in R.Data manipulation with dplyr and tidyr.Introduction to version control with Git.Setting up GitHub repositories.Committing changes, branching, and merging code.Collaborating on GitHub projects. | By the end of the course, participants will be able to:.Understand and write basic R code for data manipulation and visualization.Use GitHub to manage and version control their code.Set up and manage repositories in GitHub.Collaborate on coding projects using Git branches and pull requests. | Participants should have a basic understanding of R, including familiarity with data frames, basic functions, and data manipulation Experience with RStudio and running scripts is required This module is not intended for complete beginners in R. | English (US) |
| 94 | Digital Learning Hub Luxembourg (DLH) | Module 2: Front End with R Shiny | Overview of Shiny application structure.Reactive inputs and outputs in Shiny.Building and customizing user interfaces.Data handling and integration in Shiny apps.Practical examples of interactive dashboards.Introduction to deploying Shiny applications. | By the end of the course, participants will be able to:.Build and customize Shiny applications.Develop interactive dashboards and user interfaces.Understand and use reactive programming within R Shiny.Deploy Shiny applications for business or data science use cases. | Completion of Module 1 (R Basics and Version Control with GitHub) | English (US) |
| 95 | Digital Learning Hub Luxembourg (DLH) | Module 3: Advanced R Shiny | Advanced Shiny UI components.Managing user sessions and authentication.Integrating Shiny with SQL databases.Using Shiny modules for reusability and scalability.Advanced reactivity and data handling.Deploying Shiny apps on servers. | By the end of this course, learners will be able to:.Build advanced R Shiny applications with enhanced user interfaces.Integrate Shiny apps with databases and manage user sessions.Deploy Shiny applications on a server for business or research purposes.Optimize and modularize Shiny applications for scalability. | Completion of Module 2 (Front End with R Shiny) is mandatory Basic understanding of R programming, reactive programming in Shiny, and database fundamentals is required. | French / Français |
| 96 | Digital Learning Hub Luxembourg (DLH) | Module 4: Back End Development with R | Introduction to back-end development with R.Building APIs with R.Database connections with R (MySQL, PostgreSQL).Automating data workflows.API security and user authentication.Scaling R solutions for production environments. | By the end of the course, participants will be able to:.Develop back-end systems using R.Build APIs with R.Connect R to databases like MySQL and PostgreSQL.Automate data pipelines.Secure APIs and handle authentication for users. | Participants should have a good understanding of R programming, including experience with data manipulation and version control Familiarity with APIs, databases, and R packages like httr or DBI is recommended. | English (US) |
| 97 | Digital Learning Hub Luxembourg (DLH) | Module 5: Continuous Integration and Deployment (CI/CD) | Introduction to Continuous Integration and Deployment (CI/CD) Automating tasks in R with Rscript Setting up Jenkins or GitHub Actions for R Managing dependencies with renv or packrat Automating testing and deployment workflows Deploying R applications to production (Shiny apps, APIs, etc.) | By the end of this module, participants will be able to:.Set up and manage CI/CD pipelines for R applications.Automate testing and deployment processes.Manage package dependencies with renv or packrat.Deploy R applications to production environments. | Participants should have experience with R, basic understanding of version control with GitHub Familiarity with using the terminal or command line tools is recommended. | English (US) |
| 98 | Digital Learning Hub Luxembourg (DLH) | Module 6: Business Applications of R | Automating business processes with R.Building custom dashboards and reports.Integrating R with other tools (e.g., Excel, databases).Developing custom R functions and packages.Optimizing decision-making with R-based models. | By the end of this course, participants will be able to:.Apply R to automate business processes.Build custom R-based dashboards and reports.Integrate R with business tools like Excel and databases.Develop R packages for specific business applications. | Completion of the five previous modules in the Full Stack Development with R course is required Participants should have a strong understanding of R programming, Shiny, version control, CI/CD processes, and back-end development. | English (US) |
| 99 | LuxProvide | Using Meluxina - Customer Onboarding | Official Customer Onboarding Training | All Understanding how LLMs works | EN | |
| 100 | LuxProvide | Using Meluxina Cloud Module | Official Customer Onboarding Training | All | EN |
Generative AI Tools
| No. | Provider | Course Title | Content | Learning Outcomes | Prerequisites | language |
|---|---|---|---|---|---|---|
| 101 | Digital Learning Hub Luxembourg (DLH) | AI Agent in a Day – Microsoft Copilot Studio (FR) | Introduction à Microsoft Copilot Studio Lab 01: Créez votre premier Agent AI dans Microsoft Copilot Studio Lab 02: Les bases de l’authoring (création de sujets, réponses, logique conversationnelle) Lab 03: Sources de connaissance, IA générative et instructions personnalisées Lab 04: Construire et déclencher des workflows Power Automate Lab 05: Utiliser des prompts spécialisés avec AI Builder Lab 06: Orchestration avec IA générative pour interagir avec vos connecteurs Lab 07: Utilisation des paramètres d’entrée et de sortie dans les topics Lab 08 (optionel): Generative orchestration avancée (multi-intention, planification, exécution) Session Q&A (questions/réponses) | A la fin du cours, les participants seront capables de : Concevoir ces agents AI dans Microsoft Copilot Studio; Utliser des prompt spéclialisées avec AI Builder. | Notions de base sur l’IA générative et les outils de Microsoft 365 Il est recommandé de suivre la session Intelligent Automation in a Day - Microsoft Power Automate avant. | French / Français |
| 102 | Digital Learning Hub Luxembourg (DLH) | AI Ecosystem Tools: Hands-On Exploration of Key AI Technologies | Introduction: Gain a detailed overview of each tool's capabilities, core features, and relevance to your daily tasks, from automating workflows to generating creative outputs Interactive Exploration: Engage in hands-on activities, test these tools in real-time, and learn through trial and error Participants will create outputs, analyze results, and troubleshoot challenges Discussion and Feedback: Reflect on the tools' individual strengths and discuss their applications in various real-world scenarios Participants will share their experiences and exchange ideas for leveraging these tools effectively. | Upon completion of this course, learner will be able to: Understand the AI Ecosystem - Gain a clear understanding of the AI ecosystem and its evolving landscape, enabling participants to navigate and select the right tools for their needs Understand AI Tool Capabilities: Explain the core features, functionalities, and applications of the tools Apply Tools in Real-World Scenarios: Use each tool to address specific challenges in coding, machine learning, natural language processing, and creative AI applications Enhance Productivity and Efficiency: Leverage AI tools to streamline workflows, automate repetitive tasks, and accelerate project timelines Experiment Creatively: Generate innovative outputs using generative AI tools like Midjourney, gaining confidence in exploring new AI-driven creative approaches. | Basic Understanding of AI Concepts: Participants should have a foundational knowledge of artificial intelligence, including key terms like machine learning, natural language processing, and generative AI Familiarity with Software Tools: Comfort with using digital tools and platforms; prior exposure to coding environments (e.g., Python or JavaScript) is a plus but not mandatory Curiosity and a Growth Mindset: A willingness to experiment with new tools and learn through hands-on exploration. | English (US) |
| 103 | Digital Learning Hub Luxembourg (DLH) | AI for HR and Employee Management | Practical Skills.: Gain hands-on experience with AI tools and techniques tailored to HR Strategic Insight.: Learn how to apply AI to real HR scenarios, from recruitment to assessment Competitive Edge.: Develop AI-driven strategies that set your organization apart in a rapidly evolving organization Expert Guidance.: Benefit from the experience of industry professionals who’ll help you navigate challenges and ethical considerations. | Basic use of AI (i.e ChatGPT) | English (US) | |
| 104 | Digital Learning Hub Luxembourg (DLH) | AI for Marketing (ENG) | Introduction to AI in Marketing AI Tools and best practices for Content Creation (textual and visual) AI for all aspects of marketing strategy (creation of personas, competitive analysis, communication campaigns, etc.) Implementation of AI in your organization AI for internal communication. | Understand the importance of AI in marketing Use AI tools for content creation Study the usage of AI for digital marketing strategies Develop strategies how to integrate AI into marketing workflows. | Basic knowledge of marketing terminology. | English (US) |
| 105 | Digital Learning Hub Luxembourg (DLH) | Applications Avancées de ChatGPT : Automatisation et Création de Contenus | Rappel et mise à jour sur ChatGPT : Brève révision des concepts de base Nouveautés et mises à jour récentes de ChatGPT Création de lettres types : Exemples de lettres courantes (lettres de motivation, lettres de recommandation, correspondances professionnelles) Personnalisation et adaptation des modèles de lettres Automatisation des tâches récurrentes : Introduction aux scripts et intégrations pour automatiser des tâches Exemples d'automatisation (gestion des emails, génération de rapports, etc.) Atelier pratique : Exercices pratiques sur des tâches administrative Travail sur des projets et tâches typiques des participants Échange de bonnes pratiques et astuces entre participants. | Les participants connaissent : Des exemples concrets d'utilisation de ChatGPT dans divers contextes professionnels, notamment dans le domaine administratif Les méthodes pour automatiser des tâches récurrentes à l'aide de ChatGPT Les bonnes pratiques pour la création de lettres types et autres documents standardisés.Les participants sont capables de : Créer des lettres types personnalisées en utilisant ChatGPT Automatiser des tâches opérationnelles en utilisant des scripts et des intégrations avec ChatGPT Optimiser l'utilisation de ChatGPT pour des tâches spécifiques à leur domaine Les participants sont amené/e/s à : Explorer de nouvelles possibilités d'application de ChatGPT dans leur travail quotidien Adopter une approche proactive pour l'intégration de l'IA dans leurs processus professionnels Évaluer l'efficacité des solutions automatisées créées avec ChatGPT. | Notions de base avec ChatGPT (ou autre chatbot) Ouverture d'esprit face à l'utilisation de l'IA Cette formation est idéale pour le personnel administratif d'une administration dans le contexte d'une stratégie IA Elle permet de mettre à niveau les agents administratifs et membres de directions et d'identifier les avantages et défis de l'IA au sein de l'administration Cette formation s'adresse à des personnes ayant déjà des bases avec ChatGPT Elle se concentrera sur des applications concrètes de ChatGPT, notamment la création de lettres types, l'automatisation de tâches opérationnelles et récurrentes, et d'autres usages pratiques Cette formation est la suite idéale de la formation "Démystification de l'intelligence artificielle (IA) et de ChatGPT" du même formateur. | French / Français |
| 106 | Digital Learning Hub Luxembourg (DLH) | Applications Avancées de ChatGPT : Automatisation et Création de Contenus - CC-CDA | Rappel et mise à jour sur ChatGPT : Brève révision des concepts de base Nouveautés et mises à jour récentes de ChatGPT Création de lettres types : Exemples de lettres courantes (lettres de motivation, lettres de recommandation, correspondances professionnelles) Personnalisation et adaptation des modèles de lettres Automatisation des tâches récurrentes : Introduction aux scripts et intégrations pour automatiser des tâches Exemples d'automatisation (gestion des emails, génération de rapports, etc.) Atelier pratique : Exercices pratiques sur des tâches administrative Travail sur des projets et tâches typiques des participants Échange de bonnes pratiques et astuces entre participants. | Les participants connaissent : Des exemples concrets d'utilisation de ChatGPT dans divers contextes professionnels, notamment dans le domaine administratif Les méthodes pour automatiser des tâches récurrentes à l'aide de ChatGPT Les bonnes pratiques pour la création de lettres types et autres documents standardisés Les participants sont capables de : Créer des lettres types personnalisées en utilisant ChatGPT Automatiser des tâches opérationnelles en utilisant des scripts et des intégrations avec ChatGPT Optimiser l'utilisation de ChatGPT pour des tâches spécifiques à leur domaine Les participants sont amené/e/s à : Explorer de nouvelles possibilités d'application de ChatGPT dans leur travail quotidien Adopter une approche proactive pour l'intégration de l'IA dans leurs processus professionnels Évaluer l'efficacité des solutions automatisées créées avec ChatGPT. | Notions de base avec ChatGPT (ou autre chatbot) Ouverture d'esprit face à l'utilisation de l'IA Cette formation est idéale pour le personnel administratif d'une administration dans le contexte d'une stratégie IA Elle permet de mettre à niveau les agents administratifs et membres de directions et d'identifier les avantages et défis de l'IA au sein de l'administration Cette formation s'adresse à des personnes ayant déjà des bases avec ChatGPT Elle se concentrera sur des applications concrètes de ChatGPT, notamment la création de lettres types, l'automatisation de tâches opérationnelles et récurrentes, et d'autres usages pratiques Cette formation est la suite idéale de la formation "Démystification de l'intelligence artificielle (IA) et de ChatGPT" du même formateur. | Luxembourgish |
| 107 | Digital Learning Hub Luxembourg (DLH) | Applied Generative AI for Webmasters | Introduction to AI and Practical Applications: Explore the fundamentals of artificial intelligence Gain hands-on experience with state of the art AI tools like ChatGPT, image recognition, and speech synthesis Understand ethical considerations and frameworks for responsible AI implementation Deep Learning and Large Language Models: Learn basic concepts of neural networks Understand large language models (LLMs) and transformers, their applications, and limitations Discuss challenges like overfitting, underfitting, and model efficiency Prompt Engineering: Discover techniques for crafting effective prompts to improve AI-generated content Practice with tools like Quasible Assistant to refine your prompt engineering skills Learn about creating assistant personas and managing expertise flows WordPress Development and AI Integration: Review essential WordPress components and useful extensions for AI integration Explore tools and frameworks for developing generative AI chatbots without extensive coding Learn how to handle various document types and data sources for your chatbot’s knowledge base Individual Projects: Define and plan the enhancement of your existing website or develop a new one Design and implement an AI-powered chatbot tailored to your site’s needs Prepare the assistant knowledge base using your own media sources Integrate the chatbot into your WordPress site, ensuring seamless functionality and user experience Test, validate, and learn best practices for maintaining your AI assistant, focusing on quality and ethics. | Upon completing the GenerativeAI Web App Development Training, participants have acquired the following skills: Applying AI Tools in Web Development.Utilize AI tools like ChatGPT, image recognition, and speech synthesis to enhance website functionality Utilize AI applications to improve user experience on your website Analyze the impact of AI integration on user engagement and site performance Implementing Ethical AI Practices.Apply ethical and legal frameworks for your AI projects Ensure responsible and sustainable AI implementation in web development.Identify ethical considerations specific to AI use in websites Utilizing Deep Learning and Large Language Models Understand fundamentals of major neural network models Use in a correct manner large language models (LLMs) and transformers in practical web applications Mastering Prompt Engineering Craft effective prompts to enhance the quality of AI-generated content.Configure assistant personas to guide AI behavior and responses Experiment with tools like Quasible Assistant and various LLMs develop prompts and AI assistant profiles Integrating AI into WordPress Design WordPress websites that seamlessly incorporate AI-powered features Extend WordPress functionality using plugins and extensions for AI integration Deploy AI chatbots into WordPress sites without extensive coding knowledge Developing and Deploying AI-Powered Projects Plan enhancements for existing websites or develop new ones with integrated AI capabilities Create AI-powered chatbots tailored to your site's specific needs and audience Prepare comprehensive knowledge bases using diverse media sources for your AI assistant Integrate chatbots into your website, ensuring optimal functionality and user experience Maintain AI assistants by regularly updating content and adhering to ethical standards. | This training can be followed by anybody from participants starting their journey to become a webmaster to experienced web developers Several levels of practice sessions will be provided to allow anyone to practice at his/her own knowledge level. | English (US) |
| 108 | Digital Learning Hub Luxembourg (DLH) | Art and Artificial Intelligence | Artificial Intelligence, Data Collection, Machine learning, Bias Confidence score | Upon completion of this course, learners will be able to : detect artificial intelligence in their daily lives, know the different steps to create an AI, list applications of AI in various fields, understand the impacts of AI. | There are no prerequisites. | English (US) |
| 109 | Digital Learning Hub Luxembourg (DLH) | Bases de l'IA & Applications Concrètes de ChatGPT & Copilot | Introduction à l'IA et aux modèles de langage : .Historique de l'IA .Types d'IA (générative, analytique) .Exemples pratiques de classification et de prédiction Découverte de ChatGPT et Copilot : .Fonctionnement de ChatGPT et sa structure non déterministe .Comparaison avec d'autres modèles d'IA (ex : Microsoft Copilot) .Utilisation de ChatGPT et Copilot pour des tâches spécifiques (ex : génération de lettres types, résumé de texte, création d'images, création de produits) Applications avancées de ChatGPT et Copilot : .Intégration dans des workflows professionnels .Automatisation des processus avec ChatGPT et Copilot .Utilisation pour la simplification et la traduction de documents Ateliers pratiques : .Réalisation d'exercices interactifs .Création de cas d'usage adaptés à l'environnement professionnel des participants . | Comprendre les concepts de base de l'intelligence artificielle .Maîtriser l'utilisation de ChatGPT et Copilot pour diverses applications, y compris la génération de texte, la création d'images et l'automatisation des tâches .Explorer les différents cas d'usage de ChatGPT et Copilot dans des contextes professionnels (ex : RH, administration, éducation) .Appliquer les principes de l'IA à des problématiques concrètes dans des environnements variés . | Notions de base avec ChatGPT, Copilot ou autre chatbot .Ouverture d'esprit face à l'utilisation de l'IA .Cette formation est idéale pour le personnel administratif d’une administration dans le contexte d’une stratégie IA Elle permet de mettre à niveau les agents administratifs et membres de directions et d’identifier les avantages et défis de l’IA au sein de l’administration Cette formation s'adresse à toute personne souhaitant comprendre les bases de l'IA et explorer les usages pratiques de ChatGPT et Copilot Que vous soyez dans les secteurs de l'éducation, des RH, de l'administration ou de la technologie, ce cours vous aidera à mieux exploiter les outils IA dans vos projets. | French / Français |
| 110 | Digital Learning Hub Luxembourg (DLH) | Bases de l'IA & Applications Concrètes de ChatGPT & Copilot (LU) | Introduction à l'IA et aux modèles de langage : .Historique de l'IA .Types d'IA (générative, analytique) .Exemples pratiques de classification et de prédiction Découverte de ChatGPT et Copilot : .Fonctionnement de ChatGPT et sa structure non déterministe .Comparaison avec d'autres modèles d'IA (ex : Microsoft Copilot) .Utilisation de ChatGPT et Copilot pour des tâches spécifiques (ex : génération de lettres types, résumé de texte, création d'images, création de produits) Applications avancées de ChatGPT et Copilot : .Intégration dans des workflows professionnels .Automatisation des processus avec ChatGPT et Copilot .Utilisation pour la simplification et la traduction de documents Ateliers pratiques : .Réalisation d'exercices interactifs .Création de cas d'usage adaptés à l'environnement professionnel des participants . | Comprendre les concepts de base de l'intelligence artificielle .Maîtriser l'utilisation de ChatGPT et Copilot pour diverses applications, y compris la génération de texte, la création d'images et l'automatisation des tâches .Explorer les différents cas d'usage de ChatGPT et Copilot dans des contextes professionnels (ex : RH, administration, éducation) .Appliquer les principes de l'IA à des problématiques concrètes dans des environnements variés . | Notions de base avec ChatGPT, Copilot ou autre chatbot .Ouverture d'esprit face à l'utilisation de l'IA VEUILLEZ NOTER QUE CETTE FORMATION SE DÉROULERA EN LUXEMBOURGEOIS .Cette formation est idéale pour le personnel administratif d’une administration dans le contexte d’une stratégie IA Elle permet de mettre à niveau les agents administratifs et membres de directions et d’identifier les avantages et défis de l’IA au sein de l’administration Cette formation s'adresse à toute personne souhaitant comprendre les bases de l'IA et explorer les usages pratiques de ChatGPT et Copilot Que vous soyez dans les secteurs de l'éducation, des RH, de l'administration ou de la technologie, ce cours vous aidera à mieux exploiter les outils IA dans vos projets. | Luxembourgish |
| 111 | Digital Learning Hub Luxembourg (DLH) | Coding with AI: Integrating AI tools to improve development practices | Introduction to AI and prompt engineering.Using AI to analyze and document code.AI tools for developers and local execution.Debugging and factoring with AI.Test automation with AI.AI-assisted code review .Practical project: Website development with AI. | At the end of this course, participants will be able to : .Understand the benefits and challenges of using AI for coding.Choose an appropriate AI tool and model for their needs.Integrate AI tools into their development workflow.Understand the fundamental concepts of prompt engineering.Write good prompts to solve typical development problems.Use AI tools to analyze, document and improve code.Compare the results of different AI tools for specific tasks.Apply best practices for AI-assisted code reviews.Debug and refactor code using AI tools.Identify when AI is useful and when a manual approach is preferable. | Understanding of Javascript/Typescript | English (US) |
| 112 | Digital Learning Hub Luxembourg (DLH) | Créer des prompts efficaces pour Microsoft 365 Copilot Premium | Découvrir Copilot pour Microsoft 365 .Décrire l'objectif et les fonctionnalités de Copilot pour Microsoft 365.Décrire les principes de fonctionnement de Copilot pour Microsoft 365.Identifier les composants de base intégraux de Copilot pour Microsoft 365.Articuler l'engagement de Microsoft aux pratiques d'IAR.Explorer les possibilités offertes par Copilot pour Microsoft 365.Identifier et appliquer les fonctionnalités clés de Copilot pour Microsoft 365 dans chaque application Microsoft 365 afin d'améliorer votre productivité et votre flux de travail.Découvrir comment Copilot pour Microsoft 365 s'intègre à Teams pour fournir un hub centralisé pour toutes vos informations professionnelles.Utiliser les fonctionnalités d'IA de Copilot pour Microsoft 365 pour transformer votre approche des tâches dans Microsoft 365, en les rendant plus intuitives et plus efficaces Gérer et étendre Copilot pour Microsoft 365 .Décrire les meilleures pratiques d'utilisation de Copilot pour Microsoft 365.Utiliser efficacement des prompts dans Copilot pour Microsoft 365.Décrire les fonctionnalités des plug-ins dans Copilot pour Microsoft 365.Découvrir les connecteurs Microsoft Graph et comment ils peuvent être utilisés pour intégrer des données provenant de sources externes dans Copilot pour Microsoft 365 Résumer avec Microsoft Copilot pour Microsoft 365 .Identifier les éléments clés d'un prompt efficace et les appliquer à ses propres prompts.Demander à Copilot de résumer ou d'extraire des informations clés dans des documents Word, des tableaux Excel et des présentations PowerPoint.Résumer les conversations et les réunions pour rechercher les éléments d'action clés avec Copilot dans Teams.Utiliser Copilot dans Outlook avec résumé des e-mails pour rechercher des éléments d'action ou des mentions.Compiler des informations à partir de plusieurs documents et générer un résumé combiné avec Microsoft Copilot Créer et brouillonner avec Microsoft Copilot pour Microsoft 365 .Utiliser Copilot pour créer des agendas, des listes de tâches, des plans de projet à partir de Word, Excel et OneNote.Demander à Copilot dans Outlook de rédiger de nouveaux mails, de composer des réponses et de planifier des réunions.Utiliser Microsoft Copilot pour Microsoft 365 pour générer de nouvelles idées, du nouveau contenu et des FAQ à partir de fichiers existants Modifier et transformer du contenu avec Microsoft Copilot pour Microsoft 365 .Organiser les plans et le contenu dans Word avec Copilot.Convertir du texte en tableaux et écrire en toute confiance avec Copilot dans Word.Ajouter des images, des diapositives et organiser sa présentation avec Copilot dans PowerPoint.Mettre en forme, trier, filtrer et mettre en surbrillance les données avec Copilot dans Excel.Réécrire des messages avec coaching par Copilot dans le nouvel Outlook Poser des questions et analyser du contenu avec Microsoft Copilot pour Microsoft 365 .Demander à Copilot comment accomplir une tâche dans les applications Microsoft 365.Utiliser Copilot pour répondre aux questions et fournir des insights sur les documents, les présentations, les tableaux et les notes.Discuter avec Copilot dans Microsoft 365 des projets, des documents et des données au sein de votre organisation . | .Découvrir Copilot pour Microsoft.;365 .Explorer les.;possibilités offertes par Copilot pour Microsoft.;365 .Gérer et.;étendre Copilot pour Microsoft.;365 .Résumer avec Microsoft Copilot pour Microsoft.;365 .Créer et.;brouilloner avec Microsoft Copilot pour Microsoft.;365 .Modifier et.;transformer du.;contenu avec Microsoft Copilot pour Microsoft.;365 .Poser des.;questions et.;analyser du.;contenu avec Microsoft Copilot pour Microsoft.;365 . | Familiarité avec l'utilisation des applications Microsoft 365 | French / Français |
| 113 | Digital Learning Hub Luxembourg (DLH) | Deep Learning - Créer et adapter un LLM | Une vue résumée de l’histoire de l’IA .Compréhension de comment fonctionne l’IA .Une connaissance des termes clés ; Bonus : Lexique.Une connaissance des outils standards en IA ; Bonus : nos recommandations.Des idées de où l’IA peut vous aider Les outils d’IA No code .Développer son propre LLM et le finetuner Comment mettre en production un modèle de ML - Couche projet & technique . | À la fin de la formation, les participants seront capables de : .Expliquer les bases de l’intelligence artificielle et ses principaux concepts .Utiliser des outils no-code pour prototyper des cas d’usage IA .Développer et fine-tuner un modèle de langage (LLM) en Python .Comprendre et appliquer le cycle de vie d’un projet IA Présenter un projet IA de manière claire et professionnelle . | Connaissances techniques .Notions de base en programmation Python (variables, boucles, fonctions, compréhension de code simple) .Une première familiarité avec les librairies Numpy, Pandas et Matplotlib est un plus mais non obligatoire .Une première familiarité avec les concepts de machine learning est un plus mais non obligatoire .Curiosité pour les sujets liés à l’intelligence artificielle .Compétences générales .Être à l’aise avec la navigation web et l’utilisation d’outils en ligne (Google Colab, interfaces no-code) .Avoir un esprit d’analyse, un goût pour l’expérimentation et la résolution de problèmes . | French / Français |
| 114 | Digital Learning Hub Luxembourg (DLH) | Designing Recommender Systems: A Case Study Approach from Discriminative to Generative AI | Introduction to Personalization and Recommender Systems .Collaborative Filtering, .Content-based Filtering, .Hybrid Computational methods for designing Recommender Systems (Discriminative modelling) .Learning representations from data.Unimodal and Multimodal representation learning.Transfer Learning.Neural Topic Modelling.Matrix Factorization and Singular Value Decomposition (SVD) Introduction to Generative AI for Recommender Systems: .Autoencoders .Variational Autoencoders (VAEs),.Generative Adversarial Networks( GANs) Introduction to Reinforcement Learning (RL) for Recommender Systems .Contextual Bandits for Personalized Recommendations.Multi-Armed Bandit Problem and Real-Time Recommendations Human-Centered Recommendation Systems .Why Human-centered RecSys.Human-centred RecSys design pipeline.Multi-stakeholder awareness in Recommender systems.Context-aware recommender systems Evaluating Recommender systems .Evaluation Metrics.Offline Evaluation.Conducting a User study Online Evaluation . | Develop foundational knowledge of Recommender Systems (RecSys), including both discriminative and generative approaches.Understand a wide variety of RecSys algorithms and their application across diverse domains, including healthcare and visual arts.Design and evaluate human-centred RecSys, incorporating principles of user experience, ethical AI, and interdisciplinary considerations.Apply practical skills to design, implement, and evaluate RecSys using real-world datasets, with a focus on personalization and innovative solutions Analyze case studies to understand the role of RecSys in addressing challenges and propose solutions . | Familiarity with Machine Learning .Knowledge of Algebra and Calculus .Prior experience with Python programming language | English (US) |
| 115 | Digital Learning Hub Luxembourg (DLH) | Designing Your Own Generative AI Assistant: From Concept to Creation | The main parts of the training are: .Quick introduction to the fields of artificial intelligence, deep learning, Large language models (LLM) and self-attention networks (Transformers).Design approaches to custom AI assistants:.prompt engineering.personas / personas orchestration.retrieval augmented generation (RAG).fine tuning .Demonstration and practice of the design approaches to custom AI assistants . | Understanding of the main aspects to consider for the definition, design and implementation of a generative AI ChatBot.Apply basic prompt engineering, persona engineering and retrieval-augmented generation techniques to create a custom generative AI ChatBot assistant . | There are no prerequisites . | English (US) |
| 116 | Digital Learning Hub Luxembourg (DLH) | Generative AI skills and use cases for beginners | Introduction to AI .Key language and terms .Explain the AI landscape .Introduction to the ChatGPT user interface .Demonstrating the basic functionality .Demonstrating advanced use cases .How to identify use cases .Introduction to Prompt Engineering .Prompting Techniques .Practice the learnings with support .GPT demonstrations .Brainstorm AI Assistant possibilities .Build an AI assistant with support .Share and demonstrate your AI assistants .Wrap up/Q&A . | Understand the importance of skills in adopting AI.;.Discover the key trends around AI in the workplace.;.Learn the fundamentals of interacting with generative AI.;.Become proficient at identifying tasks in which you can use AI.;.Learn prompt engineering: how to craft clear and accurate prompts.;.Discover what a GPT is and the different types of AI assistants.;.Learn how to build an AI assistant.; . | No prior technical knowledge needed | English (US) |
| 117 | Digital Learning Hub Luxembourg (DLH) | Green IT – Fundamentals | Morning: Digital collage: in groups, participants collectively explore the overall big picture of digital technology's environmental and social impacts and challenges through a multi-round card game Afternoon: Introduction to the Life-cycle thinking illustrated by a digital service example Introduction to eco-design approach in the context of digital projects Introduction to key actions at each stage of the life cycle to reduce or limit the footprint of digital service | Understanding of social and environmental issues raised by the development of digital technologies, as well as the impact sources and factors Leverage life-cycle thinking in the decision making process of digital solution design Understanding of the key elements of a holistic eco-design approach | there are no prerequisites | English (US) |
| 118 | Digital Learning Hub Luxembourg (DLH) | HR 360° with AI: Decode Your Practices | Introduction to AI in HR .What is AI? How is it used in HR?.Role of generative AI and chatbots .Essential skill: "prompt engineering" .Workshop: Create an effective prompt for an HR case (e.g., CV analysis) AI in Recruitment .Automatic CV scoring and sourcing messages .AI pre-qualification and job posting writing .Ethical issues: bias, transparency, GDPR .Workshop: Optimize a recruitment process with AI AI in HR Administration .Repetitive tasks: leave requests, onboarding, HR FAQ .Document centralization .Interactive simulation for those without existing HR processes AI for Learning & Development (L&D) .Personalized pathway recommendations .Microlearning, nudges, and engagement tracking .Workshop: Create a mini L&D plan with AI AI in Performance Management .Automated feedback and real-time recognition .Engagement analysis and performance trends .Key KPIs to track with AI .Workshop: Define an HR dashboard Demo: Using Aura HR .HR chatbot interface.Internal policy downloads .Process automation (leave, payslips, training) .Engagement tracking and dashboards Group Discussion .World Café format (3 rotating groups).AI adoption and change management.Legal and ethical issues.HR automation limitations. | Upon completion of this course, learners will be able to:.Understand how AI strengths HR functions.Identify use cases in recruitment, L&D, admin, performance.Experiment with an HR AI tool (Aura).Know how to write a prompt and pilot AI adoption in your organization. | Interest in HR digitalization .Basic knowledge of HR processes .Comfort with web tools and browsers | English (US) |
| 119 | Digital Learning Hub Luxembourg (DLH) | How to apply AI to your daily tasks (ChatGPT, Copilot & Gemini) | Introduction to AI .Key language and terms .Explain the AI landscape .Introduction to the ChatGPT user interface .Demonstrating the basic functionality .Demonstrating advanced use cases .How to identify use cases .Introduction to Prompt Engineering .Prompting Techniques .Practice the learnings with support .GPT demonstrations .Brainstorm AI Assistant possibilities .Build an AI assistant with support .Share and demonstrate your AI assistants .Wrap up/Q&A . | Understand the importance of skills in adopting AI.;.Discover the key trends around AI in the workplace.;.Learn the fundamentals of interacting with generative AI.;.Become proficient at identifying tasks in which you can use AI.;.Learn prompt engineering: how to craft clear and accurate prompts.;.Discover what a GPT is and the different types of AI assistants.;.Learn how to build an AI assistant.; . | No prior technical knowledge needed The hands-on part of the workshop works best when you can experiment with your own material Before you arrive, please ensure you have local or cloud access to whichever resources suit you, for example: .If you often write reports: a recent report and the spreadsheet or data it’s built from .If you're looking for a job: your CV and any role descriptions you’re tailoring it to .Anything you normally work on and would like to try using AI for | English (US) |
| 120 | Digital Learning Hub Luxembourg (DLH) | IA Générative Appliquée pour les Webmasters | Introduction à l'IA et applications pratiques : .Explorez les fondamentaux de l'intelligence artificielle.Acquérir une expérience pratique avec des outils d'IA de pointe tels que ChatGPT, la reconnaissance d'images et la synthèse vocale.Comprendre les considérations et les cadres éthiques pour une mise en œuvre responsable de l’IA Apprentissage profond et grands modèles de langage : .Apprenez les concepts de base des réseaux de neurones.Comprendre les grands modèles de langage (LLM) et les transformateurs, leurs applications et leurs limites.Discutez des défis tels que le surapprentissage, le sous-apprentissage et l’efficacité du modèle Ingénierie rapide : .Découvrez des techniques pour créer des prompts efficaces pour améliorer le contenu généré par l'IA.Entraînez-vous avec des outils comme Quasible Assistant pour affiner vos compétences en ingénierie rapide.Découvrez comment créer des personas d’assistant et gérer les flux d’expertise Développement WordPress et intégration de l'IA : .Passez en revue les composants WordPress essentiels et les extensions utiles pour l’intégration de l’IA.Explorez les outils et les frameworks pour développer des chatbots d'IA génératifs sans codage approfondi.Apprenez à gérer différents types de documents et sources de données pour la base de connaissances de votre chatbot Projets individuels : .Définissez et planifiez l'amélioration de votre site Web existant ou développez-en un nouveau.Concevez et mettez en œuvre un chatbot alimenté par l’IA adapté aux besoins de votre site.Préparez la base de connaissances de l'assistant en utilisant vos propres sources multimédias.Intégrez le chatbot à votre site WordPress, garantissant une fonctionnalité et une expérience utilisateur transparentes .Testez, validez et apprenez les meilleures pratiques pour entretenir votre assistant IA, en vous concentrant sur la qualité et l'éthique. | À la fin de la formation GenerativeAI Web App Development, les participants ont acquis les compétences suivantes : Application des outils d'IA au développement Web .Utilisez des outils d'IA tels que ChatGPT, la reconnaissance d'images et la synthèse vocale pour améliorer les fonctionnalités du site Web.Utilisez des applications d'IA pour améliorer l'expérience utilisateur sur votre site Web.Analysez l'impact de l'intégration de l'IA sur l'engagement des utilisateurs et les performances du site Mettre en œuvre des pratiques éthiques d’IA .Appliquez des cadres éthiques et juridiques à vos projets d’IA.Assurer une mise en œuvre responsable et durable de l’IA dans le développement Web.Identifiez les considérations éthiques spécifiques à l’utilisation de l’IA dans les sites Web Utiliser l'apprentissage profond et les grands modèles de langage .Comprendre les principes fondamentaux des principaux modèles de réseaux neuronaux.Utiliser correctement les grands modèles de langage (LLM) et les transformateurs dans des applications Web pratiques Maîtriser l’ingénierie rapide .Créez des prompts efficaces pour améliorer la qualité du contenu généré par l’IA.Configurez des personnages d'assistant pour guider le comportement et les réponses de l'IA.Expérimentez avec des outils tels que Quasible Assistant et divers LLM pour développer des prompts et des profils d'assistant IA Intégrer l'IA dans WordPress .Concevez des sites Web WordPress qui intègrent de manière transparente des fonctionnalités basées sur l'IA.Étendez les fonctionnalités de WordPress à l'aide de plugins et d'extensions pour l'intégration de l'IA.Déployez des chatbots IA sur des sites WordPress sans connaissances approfondies en codage Développement et déploiement de projets basés sur l'IA .Planifiez des améliorations pour les sites Web existants ou développez-en de nouveaux avec des capacités d'IA intégrées.Créez des chatbots basés sur l'IA adaptés aux besoins spécifiques et au public de votre site.Préparez des bases de connaissances complètes en utilisant diverses sources multimédias pour votre assistant IA.Intégrez des chatbots à votre site Web, garantissant une fonctionnalité et une expérience utilisateur optimales.Entretenez les assistants IA en mettant régulièrement à jour le contenu et en respectant les normes éthiques. | Cette formation peut être suivie par tous, depuis les participants débutant leur parcours pour devenir webmaster jusqu'aux développeurs Web expérimentés Plusieurs niveaux de séances de pratique seront proposés pour permettre à chacun de pratiquer selon son propre niveau de connaissances. | French / Français |
| 121 | Digital Learning Hub Luxembourg (DLH) | Inside the brain of ChatGPT, DeepL & Co. | 1 Introduction into AI and generative AI capabilities 2 High-Level explanation of LLM's, the brains behind ChatGPT, Dall-E and more 3 Showcase of AI applications and their limitations 4 How to use and NOT use generative AI 5 Ecological impact of generative AI | Upon completion of this course, learners will have: Explored the power of AI brains behind programs like ChatGPT Discovered how computers understand the meaning and context of words in human language Understood about the ecological impact of generative AI Gained an understanding of the importance of using AI responsibly . | there are no prerequisites | English (US) |
| 122 | Digital Learning Hub Luxembourg (DLH) | Intelligent Automation in a day (FR) | Introduction aux concepts et définitions de base.Présentation de la Power Platform, Power Automate et AI Builder.Présentation des scenarios à créer par les stagiaires.Déroulé des scenarios: Création et utilisation d’un workflow, Hyper automation : intégration avec Power Automate cloud et l’IA avec AI Builder, sujets avancés (gestion des erreurs, flux non supervisés, introduction au process mining.) Roadmap & licences . | À l’issue de la journée, les participants sauront : .Créer des flux automatisés avec Power Automate pour déclencher des actions sans intervention humaine .Intégrer des modèles d’IA avec .AI Builder (Form Processing, Classification, AI Prompts…) dans leurs workflows .Connecter des sources de données multiples et automatiser des tâches transverses entre applications Microsoft et tierces .Gérer les erreurs, suivre les exécutions, et optimiser les performances de leurs flux .Concevoir une solution d’automatisation complète répondant à un cas d’usage métier concret . | Familiarité avec l'utilisation des applications Microsoft 365 | French / Français |
| 123 | Digital Learning Hub Luxembourg (DLH) | Introduction appliquée à l'intelligence artificielle pour le citoyen | Découvrir l'IA par la pratique Présentation synthétique du domaine de l'intelligence artificielle Utilisation pratique et guidée de tout ou partie des produits d'IA suivants disponibles à ce jour : - Génération de texte (par exemple, ChatGPT) - Reconnaissance d'objets dans des images ou des vidéos - Reconnaissance de l'écriture manuscrite - Génération d'images à partir de texte - Traduction automatique du texte dans toutes les langues - Reconnaissance de la parole - Synthèse de discours Des exercices pratiques avec des objectifs prédéfinis sont suivis d'une séance de discussion, permettant d'échanger et de réfléchir sur ce qui a été accompli Comprendre les concepts de base de l'apprentissage profond en IA Présentation synthétique de l'apprentissage profond Environnement de travail IA - Présentation simple et "non technique" des technologies nécessaires aux travaux pratiques du module - Machine virtuelle en ligne (par exemple, Google Cloud Platform) - Langage de programmation Python et concept de 'Notebook' - Jupyter Lab pour la programmation interactive en Python - Calculs et mémoire dans les ordinateurs Présentation de l'exemple de reconnaissance de l'écriture manuscrite (MNIST) utilisé dans le module Compréhension, illustration et pratique des concepts de base suivants : - classification, régression, couches, neurone, poids, fonction d'activation - ensembles de données (apprentissage, validation et test) - efficacité d'un réseau de neurones (fonction de coût, précision, sur-ajustement ou sous-ajustement) Comprendre et pratiquer différentes approches d'apprentissage en profondeur Reconnaissance d'images - Réseau neuronal convolutif (CNN) Synthèse d'images - Réseau antagoniste génératif (GAN) Traitement des séquences d'informations - Réseau de neurones récurrent à longue mémoire court terme (LSTM) - Réseau autoattentif (Transformers) et ChatGPT Comprendre comment les sociétés peuvent s'organiser pour vivre avec l'IA Éthique et IA - Comprendre la notion d'éthique dans le contexte de l'Intelligence Artificielle - Présentation synthétique des principales approches pour donner un cadre éthique au développement de l'IA propositions des principales organisations (UNESCO, OCDE, Parlement/Conseil/Commission de l'Europe) - Présentation du règlement européen sur l'IA (i.e AI Act) Société & IA - Présentation de la place des développements scientifiques et technologiques dans le développement de la société humaine - Présentation de l'impact actuel et attendu de l'IA sur les principaux secteurs ou métiers - Présentation des principales compétences adaptées pour vivre avec l'IA - IA et préservation de l'environnement Discussion pratique sur l'IA, l'éthique et la société - Réfléchir ensemble à des scénarios pratiques et individualisés basés sur les propres activités des participants dans lesquels les perspectives éthiques, sociologiques et personnelles peuvent être considérées ensemble pour permettre un développement optimal de chacun de nous et de l'intelligence artificielle. | A l'issue de cette formation, vous serez capable de : expliquer quelles sont les principales notions liées à l'apprentissage profond lister et illustrer les domaines d'application actuels de l'apprentissage profond consulter, comprendre et analyser l'actualité générale de l'intelligence artificielle mieux utiliser et vivre avec les capacités de l'intelligence artificielle dans votre vie de tous les jours . | Aucun prérequis nécessaire - cette formation est conçue pour être suivie par tous, qu'ils soient débutants ou non Il n'est pas nécessaire d'avoir des compétences techniques en informatique, en mathématiques ou dans d'autres sciences Cependant, ceux qui ont des compétences dans ces domaines peuvent néanmoins bénéficier de leurs connaissances lors de la formation, qui contient des exercices pratiques adaptables à tous les niveaux. | French / Français |
| 124 | Digital Learning Hub Luxembourg (DLH) | Introduction to Generative AI Technologies - (Defense sector) | Module 1: From Defense to AI Module 2: Fundamentals of AI Module 3: Practical AI Applications Module 4: Professional Development Module 5: Cybersecurity and AI Ethics Module 6: Practical Project Development Module 7: Final Project: Generative AI Project . | Engage effectively in online forum discussions, demonstrating the ability to communicate ideas and collaborate with peers .Participate actively in weekly Q&A sessions, highlighting an understanding of course concepts and seeking further knowledge .Leverage instructor support to enhance their learning experience and achieve academic success .Develop strong collaborative skills through opportunities for peer interaction and joint projects .Exhibit competency in creativity, generating innovative solutions to problems and presenting original ideas .Demonstrate digital literacy by effectively using various digital tools and platforms to support learning and productivity .Apply critical thinking skills to analyze complex issues and make informed decisions .Adapt to modern technologies and learning environments, showing flexibility and resilience .Exercise ethical reasoning in decision-making processes, considering the broader impact of their actions. | Basic computer literacy and understanding of IT in general . | Luxembourgish |
| 125 | Digital Learning Hub Luxembourg (DLH) | Introduction to Image Generation with AI | .History and Ethics of image generation .Popular Tools - paid and free .AIHorde, AIScribbles and ArtBot .Prompt Engineering Image2Image techniques. | .Understand the possibilities and limitations of image generation AI .Know the basics for efficient prompting .Understand the key ethical and legal implications of AI-generated content.Know some advanced techniques for fine-grained control . | There are no prerequisites. | English (US) |
| 126 | Digital Learning Hub Luxembourg (DLH) | L'IA pour le Marketing (FR) | Introduction à l’IA générative dans le marketing.Outils d’IA générative et meilleures pratiques pour la création de contenu (textuel et visuel).L’IA générative pour tous les aspects de la stratégie marketing (création de personas, analyse concurrentielle, campagnes de communication, etc.).Mise en œuvre de l’IA générative dans votre organisation.L’IA générative pour la communication interne . | Comprendre l’importance de l’IA dans le marketing.Utiliser des outils d’IA générative pour la création de contenu.Explorer l’utilisation de l’IA générative dans les stratégies de marketing digital.Développer des stratégies pour intégrer l’IA générative dans les flux de travail marketing . | Connaissance de base de la terminologie du marketing | French / Français |
| 127 | Digital Learning Hub Luxembourg (DLH) | L’IA générative au service des tests | Comprendre et explorer l’IA pour la QA .Bases de l’IA, NLP et IA générative appliquées aux tests.Limites du testing traditionnel et apports de l’IA.Identification des cas d’usage pertinents pour les testeurs.Revue des outils IA dédiés au test logiciel Expérimenter, encadrer et intégrer .Ateliers pratiques : prompts, données, logs, scripts.Cas fil rouge : application complète des usages IA.Bonnes pratiques, limites et encadrement éthique.Élaboration d’un plan d’action IA pour son contexte projet . | À l’issue de la formation, les participants seront capables de : .Comprendre les fondamentaux de l’IA appliquée au test logiciel, en identifiant les concepts clés (IA, ML, NLP, LLM) et leur utilité dans un contexte QA.Identifier les limites des approches de test traditionnelles, et expliquer comment l’IA peut répondre aux enjeux de dette de test, de maintenabilité et de rapidité.Reconnaître les principaux cas d’usage de l’IA en qualité logicielle, en distinguant les apports possibles selon les étapes du cycle de test (conception, exécution, analyse…).Utiliser efficacement des IA génératives pour produire des artefacts de test, en formulant des prompts adaptés pour générer cas, données ou rapports avec esprit critique.Comparer des outils IA du marché adaptés au testing, et sélectionner les solutions pertinentes selon le type de projet, les contraintes et les profils utilisateurs.Appliquer concrètement l’IA sur un scénario de test complet, en générant et exploitant cas de test, scripts, données et analyses de logs dans une démarche fil rouge.Maîtriser les bonnes pratiques et limites liées à l’usage de l’IA, en intégrant les notions de validation humaine, confidentialité, traçabilité et gouvernance responsable.Élaborer un plan d’action réaliste pour intégrer l’IA en QA, en définissant des quick wins, des indicateurs pertinents et une feuille de route progressive . | Aucun prérequis technique n’est nécessaire La formation s’adresse aux testeurs de tous niveaux, automaticiens, chefs de projets, désireux d’améliorer leur pratique de test. | French / Français |
| 128 | Digital Learning Hub Luxembourg (DLH) | Master class: Increase efficiency in UX research with AI tools | Presentation of common tools in the research process.Creating guidelines with AI – the right prompting is crucial.Conducting interviews using AI bots – opportunities and limitations.Interview analysis with AI – how data becomes insights.Recognising AI potential in everyday work – looking to the future. | try.;out various AI tools in the research process and learn about their strengths and weaknesses.be able to better assess the quality and reliability of AI-generated results.know how to get the best results from AI tools through targeted prompting.develop your own ideas on how artificial intelligence can support you in your daily work. | solid understanding of user experience (UX) | English (US) |
| 129 | Digital Learning Hub Luxembourg (DLH) | Master class: User interviews for product teams – The basics of successful continuous discovery | it is | Understand and be able to apply the methodological principles of qualitative user interviews.Create structured and targeted interview guidelines, also with AI support.Master techniques for conducting professional user interviews.Recognise and avoid common mistakes and distorting influences in interviews.Apply efficient analysis methods for qualitative data.Use AI tools specifically to support the interview and analysis process. | English (US) | |
| 130 | Digital Learning Hub Luxembourg (DLH) | Mastering ChatGPT and Prompt Engineering to unleash your productivity and creativity | Introduction to prompt engineering, a crucial aspect of AI communication Understanding the fundamental rules of prompt engineering Applying prompt engineering skills to personal projects. | On completing this course, learners will be able to: Understand prompt engineering: This includes mastering its core rules as applied to AI communication Apply prompt engineering: Learners will be able to use these skills in real-life situations Create high-quality prompts: They will show proficiency in generating effective prompts quickly Refine prompts: Learners will demonstrate the ability to improve their initial prompts Use ChatGPT for personal projects: They will apply prompt engineering skills to enhance ChatGPT's effectiveness in their own work . | there are no prerequisites | English (US) |
| 131 | Digital Learning Hub Luxembourg (DLH) | Microsoft Copilot Premium For Daily Tasks | Introduction: ChatGPT, Free Microsoft Copilot Agents, and Microsoft 365 Copilot.The Art of Writing a Prompt.The Business Chat, in the Microsoft 365 Copilot page.Copilot for Word.Copilot for PowerPoint.Copilot for Excel.Copilot for OneNote.Copilot for OneDrive.Copilot for Outlook.Copilot for Teams.The Copilot Lab.Conclusion . | By the end of the course, participants will be able to:.Understand the vision behind M365 Copilot.Gain a shared experience across diverse use cases . | Familiarity with using Microsoft 365 applications | English (US) |
| 132 | Digital Learning Hub Luxembourg (DLH) | Microsoft Copilot Premium pour les tâches quotidiennes | Introduction : ChatGPT, Agents Microsoft Copilot gratuits et Microsoft 365 Copilot.L'art de rédiger un prompt.Le Business Chat, dans la page Microsoft 365 Copilot.Copilote pour Word.Copilote pour PowerPoint.Copilote pour Excel.Copilote pour OneNote.Copilote pour OneDrive.Copilote pour Outlook.Copilot pour Teams.Le laboratoire Copilot .Conclusion. | A la fin du cours, les participants seront capables de : .Comprendre la vision de M365 Copilot.Acquérir une expérience partagée dans divers cas d'utilisation. | Familiarité avec l'utilisation des applications Microsoft 365 | French / Français |
| 133 | Digital Learning Hub Luxembourg (DLH) | No-Code AI: Real-World AI App Mastery | From Basics to Functional AI Apps .Introduction to No-Code AI Tools: Flowise AI, n8n, Open WebUI, and more.Build a Chatbot: Create your first conversational AI.Automate: Connect your chatbot to workflows for real-time automation.Agent Systems Intro: Learn how AI agents can collaborate to solve complex tasks More Advanced Development and Deployment .Tailor apps Open WebUI.Multi-Agent Applications: Design and build collaborative AI systems.Deploy and Integrate: Move your apps to production and integrate into web pages.Capstone Project: Develop, test, and showcase your custom AI application. | Upon completion of this course, participants will benefit from.Immediate Application: Create functional AI solutions that can be applied immediately .Enhanced Skills: Gain practical skills in using no-code AI tools and techniques .Increased Productivity: Accelerate AI development without the need for coding .Broad Applicability: Applicable across various industries and roles . | Awareness and basic knowledge on Machine Learning and AI | English (US) |
| 134 | Digital Learning Hub Luxembourg (DLH) | Outils de l’écosystème de l’IA : Exploration pratique des technologies clés de l’intelligence artificielle | Introduction Obtenez une vue d’ensemble détaillée des capacités de chaque outil, de leurs fonctionnalités principales et de leur utilité dans vos tâches quotidiennes, de l’automatisation des workflows à la génération de contenus créatifs Exploration interactive Participez à des activités pratiques, testez les outils en temps réel et apprenez par l’expérimentation Les participants créeront des résultats, analyseront les rendus et résoudront les difficultés rencontrées Discussion et retours d’expérience Prenez du recul sur les points forts de chaque outil et discutez de leurs applications dans des contextes réels variés Les participants partageront leurs expériences et échangeront des idées pour tirer le meilleur parti de ces technologies . | À l’issue de cette formation, les apprenants sont capable de : .Comprendre l’écosystème de l’IA Acquérir une compréhension claire de l’écosystème de l’intelligence artificielle et de son évolution, afin de savoir naviguer parmi les outils disponibles et choisir ceux qui répondent le mieux à ses besoins.Comprendre les capacités des outils d’IA Expliquer les principales fonctionnalités, caractéristiques et cas d’usage des outils présentés.Appliquer les outils à des scénarios concrets Utiliser chaque outil pour répondre à des problématiques spécifiques liées au codage, au machine learning, au traitement du langage naturel ou aux applications créatives de l’IA.Améliorer la productivité et l’efficacité Exploiter les outils d’IA pour optimiser les flux de travail, automatiser les tâches répétitives et accélérer la réalisation des projets.Expérimenter de manière créative Générer des contenus innovants avec des outils d’IA générative comme Midjourney, et gagner en confiance dans l’exploration de nouvelles approches créatives basées sur l’IA . | Compréhension de base des concepts de l’IA : Les participants doivent avoir une connaissance fondamentale de l’intelligence artificielle, incluant des termes clés comme le machine learning, le traitement du langage naturel et l’IA générative Familiarité avec les outils logiciels : Être à l’aise avec l’utilisation d’outils et de plateformes numériques ; une expérience préalable des environnements de codage (par exemple, Python ou JavaScript) est un plus, mais non obligatoire Curiosité et état d’esprit de croissance : Une volonté d’expérimenter avec de nouveaux outils et d’apprendre par la pratique . | French / Français |
| 135 | Digital Learning Hub Luxembourg (DLH) | Power Apps et Power Automate - Avancé | Présentation de Power Apps .Cas pratique : l’application « Sondage » .Cas pratique : l’APP « l’inventaire naturaliste » .Cas pratique : « Feedback », une App pour les remontées d’informations et la résolution de problèmes .Cas pratique : « Créer une application d'entrainement sportif » .Présentation de Power Automate .Cas pratique : Utiliser Power Automate dans OneDrive .Cas pratique : Utiliser Power Automate dans SharePoint .Cas pratique : Utiliser Power Automate dans Forms .Cas pratique : l’application de notes de frais pour apprendre à utiliser Power Automate en complément de Power Apps .L’IA COPILOT entre en jeu ! Démo : s’aider de COPILOT pour définir son processus . | L'apprenant comprend le mode de fonctionnement des outils de conception Power Apps et Power Automate, sait se connecter à différentes sources de données, créer en mode No Code et Low Code et est en capacité de concevoir des sources de données et des applications mobiles. | Il est recommandé d’avoir préalablement suivi la formation « Power Apps et Power Automate – Initiation » OU d’avoir vérifié maîtriser les bases de l’utilisation avancée d’Excel/Power BI pour la création de formules et de fonctions. | French / Français |
| 136 | Digital Learning Hub Luxembourg (DLH) | Power Apps et Power Automate - Initiation | Présentation de Power Apps .Cas pratique : l’APP « Présentez-vous » .Cas pratique : l’APP « le nuancier » .Cas pratique : La calculette de surface » .Cas pratique : Des formules pour modifier le comportement de l’application .Démo : Ajouter son application Power Apps dans Microsoft Teams .Présentation de Power Automate .Power Automate et l’automatisation de processus .Cas pratique : le flux de « Gestion des pièces-jointes » .Cas pratique : Utiliser Power Automate pour effectuer un flux de validation d’un document soumis dans SharePoint .Niveau avancé : la complémentarité Power Apps et Power Automate .L’IA COPILOT entre en jeu ! Démo : s’aider de COPILOT pour définir son processus . | L'apprenant comprend le mode de fonctionnement des outils de conception Power Apps et Power Automate en mode No Code et est initié au mode Low Code ; il est en capacité de concevoir des solutions à partir de sources de données Excel et SharePoint et des partager. | Familiarité avec l'utilisation des applications Microsoft 365 | French / Français |
| 137 | Digital Learning Hub Luxembourg (DLH) | Practical AI for Design Thinking | Foundations: Grasp the fundamentals of AI and design thinking, including key principles like human-centered design and the ethical considerations of AI integration .Responsible AI: Learn to use AI tools responsibly, evaluating their risks and mitigating potential biases .AI-Powered Synthesis: Utilize AI to accelerate research, synthesize findings, and extract insights while critically evaluating AI-generated outputs .AI-Driven Ideation: Explore AI-powered brainstorming techniques to generate diverse ideas, overcome limitations, and push creative boundaries .AI-Augmented Prototyping: Leverage AI tools for rapid prototyping, concept visualization, and interactive simulations .Future of AI in Design: Discuss the evolving landscape of AI in design, ethical implications, and develop a vision for responsible AI integration .Wrap-up and Action Planning: Conclude with a Q&A, key takeaways, resource sharing, and develop personalized action plans for integrating AI into your design practice . | Understand the core principles of design thinking and generative AI.;.Apply AI tools to enhance each stage of the design thinking process.;.Effectively gather and analyze user insights with AI.;.Generate innovative ideas and prototypes using AI.;.Understand the ethical considerations of using AI in design.;.Create an action plan for integrating AI into their design workflow.;. | Solid understanding of design thinking principles | English (US) |
| 138 | Digital Learning Hub Luxembourg (DLH) | Project Management Using AI | Introduction to AI for PM .AI Fundamentals for PM .AI/ML (Machine Learning) basics.Use cases in project contexts.ML workflow for project data/reports .Task & Resource Automation .AI tools for automation.Scheduling and resource allocation.AI-enabled PM platforms.Progress tracking .Risk Management with AI .AI-driven risk modelling.Historical data and simulations.Identification of bottlenecks .Collaboration & Communication .AI transcriptions.Intelligent dashboards.Integrating AI chatbots.Agentic AIs .Implementation & Case Study .Hands-on project: use AI tools (e.g GPTs, AgenticAIs, Automation).AI scheduling script (e.g Atlassian API) .Evaluating AI risk scoring model.Analyze results and best practices . | Upon completion, learners will be able to:.Understand the fundamentals of AI and machine learning in the context of project management.Identify key AI use cases across project planning, execution, monitoring, and closure phases.Use AI tools to automate task scheduling, timeline optimization, and resource allocation.Apply predictive analytics to identify potential risks and bottlenecks before they impact project timelines.Leverage AI platforms (e.g, Jira, Asana) for real-time progress tracking and status reporting.Integrate AI chatbots and assistants to support team communication and reduce manual reporting workloads.Analyze project data to detect patterns and improve forecasting accuracy using AI techniques.Evaluate ethical, practical, and organizational considerations when deploying AI in project workflows.Implement and assess AI tools in a guided hands-on case study scenario Develop strategies for responsible adoption and scaling of AI across project portfolios . | English (US) | |
| 139 | Digital Learning Hub Luxembourg (DLH) | RH 360° avec l’IA : Décryptez vos pratiques de A à Z | Cette formation couvrira les points suivants : Introduction à l’IA en RH .Qu’est-ce que l’IA ? Comment est-elle utilisée en RH ? .Rôle de l’IA générative et des chatbots .Compétence essentielle : le "prompt engineering" .Atelier : Créer un prompt efficace pour un cas RH (ex analyse CV) IA dans le Recrutement .Scoring automatique des CV et messages de sourcing .Préqualification par IA et rédaction d’offres .Enjeux éthiques : biais, transparence, RGPD .Atelier : Optimiser un processus de recrutement avec IA IA en Administration RH .Tâches répétitives : demandes de congés, onboarding, FAQ RH .Centralisation documentaire .Simulation interactive pour ceux sans processus RH existant IA pour le Learning & Development (L&D) .Recommandations de parcours personnalisés .Microlearning, nudges et suivi d’engagement .Atelier : Créer un mini-plan L&D avec IA IA en Gestion de la Performance .Feedback automatisé et reconnaissance en temps réel .Analyse de l’engagement et tendances de performance .KPIs clés à suivre avec IA .Atelier : Définir un tableau de bord RH Demo : Utilisation de Aura HR .Interface chatbot RH .Téléchargement de politiques internes .Automatisation des processus (congés, bulletins de salaire, formations) .Suivi et tableaux de bord d’engagement Group Discussion .Format World Café (3 groupes tournants) : .Adoption de l’IA et conduite du changement .Enjeux juridiques et éthiques .Limites de l’automatisation RH . | Comprendre comment l’IA renforce les fonctions RH Identifier les cas d’usage en recrutement, L&D, admin, performance Expérimenter un outil IA RH (Aura) Savoir rédiger un prompt et piloter l’adoption de l’IA dans son organisation . | Intérêt pour la digitalisation RH Connaissance de base des processus RH Aisance avec les outils web et navigateurs | French / Français |
| 140 | Digital Learning Hub Luxembourg (DLH) | Snapshots of Masterpieces: creative prompt engineering for AI vision tools | Introduction to visual AI tools (ChatGPT, Grok, Copilot, DALL·E).Basics of prompt engineering for visual analysis.Strategies for AI-assisted interpretation of artistic elements (style, symbolism, context).Ethical considerations in AI-generated content (bias, authorship, cultural sensitivity).Collaborative analysis and peer feedback.AI-based image generation techniques.Practical troubleshooting and vocabulary development for prompts. | On successful completion of this course, learners will be able to: .Use internet search tools and AI systems to analyze visual artworks.Craft and refine prompts to generate AI-based interpretations of images.Evaluate the accuracy and relevance of AI-generated content.Identify and explain ethical issues in AI-generated visual analysis, including bias and authorship.Distinguish between artistic value in original photos and AI-generated reinterpretations. | Participants should be comfortable using standard internet applications, including web-based tools and platforms such as Microsoft 365 .Participants should bring at least four digital images they wish to explore during the workshop .Participants will benefit from having the following preparations: .Some knowledge of AI tools and prompt engineering .A strong interest in using creativity in digital practices .Some knowledge of art history .A keen interest in visual art | English (US) |
| 141 | Digital Learning Hub Luxembourg (DLH) | Trouver sa voie dans l’ère de l’IA : mieux se connaître, explorer les métiers, construire son orientation | Session 1: Mieux se connaître pour mieux s’orienter : révélez votre profil DISC .Explorez votre style de travail, vos motivations et vos points d’attention grâce au modèle DISC Cette première session permet de poser les bases d’une orientation professionnelle alignée avec votre personnalité Session 2: Explorer l’univers de la data et de l’IA : métiers et compétences clés .Plongez dans l’écosystème des métiers de la donnée et de l’IA Comprenez les rôles, les compétences requises, les parcours possibles, et vivez un atelier immersif pour expérimenter un rôle de l’intérieur Session 3: Trouver sa voie : Aligner son profil avec les métiers de l’IA .Analysez des offres d’emploi réelles, identifiez les rôles qui vous correspondent le mieux et construisez une feuille de route pour avancer concrètement vers un métier en lien avec votre profil DISC . | À l’issue du parcours, les participants seront capables de : Mieux se connaître professionnellement (style de travail, motivations, environnement idéal) grâce au modèle DISC Comprendre les principaux métiers de la donnée et de l’IA, ainsi que les compétences associées Analyser des offres d’emploi et évaluer leur adéquation avec leur profil Construire un plan d’action personnalisé pour s’orienter vers un rôle qui leur correspond . | French / Français | |
| 142 | Digital Learning Hub Luxembourg (DLH) | Trouver sa voie: Aligner son profil avec les métiers de l’IA | Le contenu de l’atelier est ajusté selon les profils, les besoins et le niveau d’avancement des participants Il s’articule autour des axes suivants : .Moi au travail : mes sources de motivation et les éléments à éviter dans un poste.Analyse d’offres d’emploi dans le secteur de l’IA en petits groupes à partir de vraies annonces.Discussion en groupe sur les différents rôles, les profils recherchés, les types de questions posées en entretien d’embauche, et des conseils pratiques sur comment bien se préparer, se valoriser et se présenter efficacement.Réflexion individuelle sur l’adéquation profil / rôle: Choix du/des poste(s) qui résonnent, forces DISC activables, écarts à combler, plan d’action concret Clôture & partages: Debrief collectif et engagement personnel sur une première action concrète à mettre en place . | À la fin de l’atelier, les participants seront capables de : Prendre conscience de ce qui leur correspond.;et de ce qu’ils veulent éviter dans leur parcours professionnel Décrire leur style de travail et leurs motivations professionnelles Lire et analyser des offres d’emploi dans le domaine de l’IA Évaluer l’adéquation entre leur profil et les différents types de rôles (techniques, non-techniques, hybrides) Identifier des compétences à développer pour s’aligner avec leur poste cible Présenter leur profil de façon plus claire et confiante dans un contexte professionnel . | Il est indispensable d’avoir suivi les deux ateliers précédents du Learning track avant de participer à cet atelier: Mieux se connaître pour mieux s’orienter : révélez votre profil DISC Explorer l’univers de la data et de l’IA : métiers et compétences clés . | French / Français |
| 143 | Digital Learning Hub Luxembourg (DLH) | Using and specializing large language models like ChatGPT | First Part Introduction to AI and Deep Learning Large language models (LLM) and self-attention networks (Transformers) ○ Understanding LLMs and Transformers ○ Applications and use cases ○ Challenges and limitations Understanding the ethical implications of AI ○ Discuss potential risks and challenges (privacy, security, inappropriate content) ○ Importance of ethical considerations in AI development Practical session on the use of LLMs ○ Practical experimentation with various LLMs ○ Practical exploration of different techniques and application areas Second Part Approaches for creating ChatBot programs ○ Introduction to current techniques ○ Building a Basic ChatBot using existing Transformers Specialization of Transformers models ○ Understand how to specialize Transformers models ○ Focus on specific tasks and areas ○ Processing specific document types (text, PDF, audio, videos) Practical session on model specialization ○ Hands-on practice on adapting and optimizing Transformers models ○ Evaluation of model efficiency and accuracy ○ Filtering Transformers Model Results | At the end of this training, participants will be able to: Understand the artificial intelligence landscape, with a focus on the role and importance of deep learning Understand what large language models (LLMs) built using self-attention networks are and understand their capabilities and applications Use various LLMs in different application areas through hands-on experience and hands-on exploration Understand the social and ethical dimensions of ChatBots, including potential risks and challenges such as inappropriate content generation, privacy concerns, and data security concerns Effectively use current technologies to create ChatBot programs that utilize self-attention networks Specialize ChatBots for specific tasks or domains, focusing particularly on processing specific documents in text or PDF format Develop an understanding of how to adapt and optimize Transformer models to ensure their efficiency and accuracy Critically evaluate the results generated by Transform models and make informed decisions on their usefulness for specific tasks or applications . | The practical exercises are designed to be suitable for people who: either have no knowledge of Python either have basic or more advanced knowledge of Python Depending on the level in Python, different practical exercises will be offered. | English (US) |
| 144 | Digital Learning Hub Luxembourg (DLH) | Utilisation Pratique de l'IA Générative pour les Services Administratifs et de Support | Session 1 : Introduction et Fondamentaux de l'IA Générative .Introduction à l'IA et à l'IA Générative.Définition de l'IA et de l'IA Générative.Aperçu des outils d'IA générative disponibles.Comprendre le fonctionnement des modèles de langage.Fonctionnement des modèles de langage (ChatGPT, Gemini, Co-Pilot, Claude, Dall-e etc.).Limites, capacités et éthique des IA génératives.Introduction à l'ingénierie des prompts.Concepts de base de la création de prompts.Exemples pratiques de prompts simples.Atelier pratique.Exercices guidés sur la création de prompts simples.Retour d'expérience et optimisation des prompts Session 2 : Techniques Avancées de Conception de Prompts .Techniques avancées pour des prompts efficaces.Stratégies pour des prompts complexes.Gestion des réponses inattendues.Personnalisation et contextualisation des prompts.Adapter les prompts pour des tâches spécifiques.Utilisation des métadonnées et des contextes.Outils et plateformes pour l'ingénierie des prompts.Présentation des plateformes et outils courants.Comparaison des fonctionnalités et des usages.Atelier pratique.Création de prompts complexes pour des scénarios spécifiques.Analyse et feedback collaboratif Session 3 : Intelligence Artificielle Ethique et Société .Introduction à l'éthique dans le contexte de l'Intelligence Artificielle.Éthique de l'IA selon les organisations internationales (UNESCO, OCDE, Europe).Impact de l'IA sur les principaux secteurs ou métiers.Compétences adaptées pour vivre avec l'IA.Mini-Atelier pratique sur l'IA, l'éthique et la société.Étude de cas éthiques concrets.Application à l'IA générative pour la génération éthique ou conforme à une règlementation Session 4 : Applications Pratiques et Études de Cas .Applications dans les services administratifs.Automatisation des tâches administratives.Rédaction de documents et rapports.Applications dans les services RH et juridique.Recrutement et gestion des talents.Assistance juridique et conformité.Applications dans la communication et le service client.Création de contenus et gestion de la communication.Amélioration du support client.Atelier pratique et évaluation finale.Mise en situation réelle avec des cas pratiques.Évaluation des compétences acquises et feedback Session 5&6 : Mini-projet Professionnel .Conception d'un mini-projet personnalisé.Choix du contexte professionnel et des objectifs.Planification des étapes du projet.Réalisation du mini-projet.Utilisation des techniques et outils appris.Production de documents à l'aide de l'IA générative.Présentation des projets.Démonstration des projets réalisés.Feedback et discussions collaboratives.Conclusion et perspectives.Synthèse des apprentissages.Discussions sur les applications futures et les développements potentiels . | Comprendre les concepts fondamentaux de l'IA générative et ses applications dans un contexte professionnel.Formuler des prompts efficaces pour diverses tâches administratives et de support.Adapter les techniques de création de prompts aux besoins spécifiques de leur service.Utiliser des outils et plateformes d'IA générative pour automatiser et améliorer les processus métier.Analyser et optimiser les prompts pour obtenir des résultats précis et pertinents.Appliquer les compétences acquises dans des scénarios réels pour augmenter la productivité et l'efficacité des services.Concevoir et réaliser un mini-projet professionnel utilisant l'IA générative pour la production de documents, en intégrant les techniques et connaissances acquises durant la formation. | Cette formation ne nécessite aucun prérequis mis à part les connaissances de base pour l'utilisation de logiciels standards (navigateur Internet, traitement de texte .). | French / Français |
| 145 | Digital Learning Hub Luxembourg (DLH) | Utilisation et spécialisation de grands modèles de langues comme ChatGPT | Introduction à l'IA et à l'apprentissage profond Grands modèles de langues (LLM) et réseaux autoattentifs (Transformers) - Comprendre les LLM et les transformeurs - Applications et cas d'utilisation - Défis et limites Comprendre les implications éthiques de l'IA Discuter des risques et défis potentiels (confidentialité, sécurité, contenu inapproprié) Importance des considérations éthiques dans le développement de l'IA Séance pratique sur l'utilisation des LLM - Expérimentation pratique avec divers LLM - Exploration pratique de différentes techniques et domaines d'application API Python pour la création de programmes ChatBot - Introduction aux API Python pertinentes - Création de ChatBot de base à l'aide de Transformers existants Spécialisation des modèles de Transformers - Comprendre comment spécialiser les modèles Transformers - Se concentrer sur des tâches et des domaines spécifiques - Traitement de types de documents spécifiques (texte, PDF, audio, vidéos) Séance pratique sur la spécialisation des modèles - Pratique pratique sur l'adaptation et l'optimisation des modèles Transformers - Évaluation de l'efficacité et de la précision du modèle - Filtrage des résultats des modèles Transformers | À l'issue de cette formation, les participants seront en mesure de : Comprendre le paysage de l'intelligence artificielle, en mettant l'accent sur le rôle et l'importance de l'apprentissage profond Comprendre ce que sont les grands modèles de langues (LLM) construits à l'aide des réseaux autoattentifs et comprendre leurs capacités et leurs applications Utiliser divers LLM dans différents domaines d'application grâce à une expérience pratique et à une exploration pratique Comprendre les dimensions sociales et éthiques des ChatBots, y compris les risques et défis potentiels tels que la génération de contenu inapproprié, les problèmes de confidentialité et les problèmes de sécurité des données Utiliser efficacement les API Python pour créer des programmes ChatBot qui utilisent les réseaux autoattentifs Spécialiser les ChatBots pour des tâches ou des domaines spécifiques, en se concentrant particulièrement sur le traitement de documents spécifiques au format texte ou PDF Développer une compréhension de la façon d'adapter et d'optimiser les modèles Transformer pour assurer leur efficacité et leur précision Évaluer de manière critique les résultats générés par les modèles Transformer et prendre des décisions éclairées sur leur utilité pour des tâches ou applications spécifiques . | Les exercices pratiques sont conçus pour être adaptés à des personnes qui: soit n'ont pas de connaissance en Python soit ont des connaissances de base ou plus avancées en Python En fonction du niveau en Python, des exercices pratiques différents seront proposés. | French / Français |
| 146 | Digital Learning Hub Luxembourg (DLH) | Vibe Coding - Créer votre landing page | Introduction à la création web moderne Comprendre le fonctionnement d'un site web Découvrir les outils de création basés sur l'IA Comparer différentes approches de création de pages web Créer votre première page web avec l'aide de l'IA Créer une structure de page grâce aux conseils de l'IA Concevoir l'apparence visuelle grâce à des suggestions intelligentes Ajouter des éléments interactifs simples grâce aux invites de l'IA Mettre votre site web en ligne Comprendre les bases de l'hébergement web Publier votre création en ligne Partager votre travail avec d'autres Création numérique responsable Sensibilisation à la consommation énergétique de l'IA et pratiques de codage durables Comprendre l'impact environnemental des requêtes IA sur les centres de données Comprendre les limites des outils d'IA et leur utilisation appropriée Reconnaître le besoin d'une expertise professionnelle Considérations éthiques dans la création assistée par l'IA | A l'issue de cette formation, les apprenants seront capable de Créer une page d'accueil personnelle et fonctionnelle grâce à l'IA Comprendre les composants de base du fonctionnement des sites web Identifier les cas où les outils d'IA sont utiles et ceux où l'expertise humaine est nécessaire Naviguer dans des processus simples de publication web Appréhender les considérations environnementales et éthiques de la création numérique Prendre confiance en soi pour explorer les outils de création numérique de manière autonome | Connaissances informatiques de base, incluant la navigation web, la gestion de fichiers et l'édition de texte Les participants doivent être à l'aise avec la souris et le clavier, l'ouverture et la fermeture d'applications et la navigation web Aucune expérience préalable en programmation ou en développement web n'est requise La curiosité pour la création numérique et l'envie d'expérimenter de nouveaux outils sont essentielles Ce cours s'adresse à des apprenants de tous âges et de tous horizons professionnels souhaitant comprendre les possibilités modernes de la création web. | FR |
| 147 | Digital Learning Hub Luxembourg (DLH) | Vibe Coding - Créer votre web app | Planification stratégique assistée par l'IA Compréhension du fonctionnement d'un site web Conception de l'architecture applicative avec accompagnement et évaluation critique de l'IA Création de modèles de données à l'aide de recommandations et de techniques de validation de l'IA Sélection de la pile technologique par analyse comparative de l'IA Développement front-end avec assistance de l'IA Structure des composants et gestion de l'état avec assistance de l'IA Implémentation de l'interface avec affinement du code généré par l'IA Intégration des principes UX/UI de base grâce à l'accompagnement de l'IA Intégration du développement back-end Conception et implémentation d'API avec assistance de l'IA Intégration et stratégies d'optimisation de la base de données Modèles d'implémentation de l'authentification et de la sécurité 4 Développement en direct et validation technique Prototypage en temps réel avec intégration des retours des parties prenantes Évaluation de la qualité du code et prévention de la dette technique Génération de la documentation et stratégies de maintenance Évaluation critique des suggestions de l'IA tout au long du développement | A l'issue de cette formation, les participants seront capables de: Concevoir des architectures applicatives avec des conseils stratégiques de l'IA tout en maintenant une surveillance critique Créer des modèles de données optimisés pour une évolutivité future grâce aux recommandations de l'IA Développer des composants front-end et back-end grâce à des workflows assistés par l'IA Mettre en œuvre des workflows de développement en direct avec une collaboration en temps réel des parties prenantes Évaluer et affiner les suggestions de l'IA pour les décisions techniques et de conception Créer des prototypes structurés pour une transition de production fluide | Contexte technique essentiel : Connaissance pratique des langages de programmation web (HTML, CSS, JavaScript, Python) Capacité à lire et à comprendre la structure du code et les concepts de base de la programmation Compréhension de base des concepts de base des bases de données et des principes des API Familiarité avec les systèmes de contrôle de version (bases de Git) Autres aspects : Expérience préalable dans des projets de développement web (personnels ou professionnels) Compréhension de base des concepts de séparation front-end/back-end Volonté d'évaluer de manière critique et de modifier manuellement le code généré par l'IA | FR |
| 148 | Luxembourg National Data Service (LNDS) | Metadata Catalogue Creation for AI Model Trainings | EN | |||
| 149 | Digital Learning Hub Luxembourg (DLH) | Advanced Generative AI for Developers | Fine-tuning LLMs, prompt chaining, integration into apps with APIs. | Implement advanced prompt engineering, integrate GPT-like models into workflows. | Python, API basics | EN |
| 150 | University of Luxembourg – Scienteens Lab | Inside the Brain of ChatGPT, DeepL & Co | Explains how generative AI (e.g ChatGPT) encodes meaning, generates content, and processes language; includes energy use, limitations, ethics | Understand how LLMs work (word embeddings, context linking); recognize AI’s ecological and functional limitations; develop critical thinking about AI | None required; suitable for classes aged 14+ in secondary education (Luxembourg grades 5th+) | French, English, German, or Luxembourgish (depending on class language preference) |
| 151 | University of Luxembourg – Scienteens Lab | Art and Artificial Intelligence | Students learn the concept of AI through art creation: design an unplugged AI, prepare data, train & evaluate, then create drawings using coding | Understand AI principles, data’s role in AI, how to build and evaluate AI; reflect on the nature of creativity and machine capabilities | None—open to students aged ~14-16; adaptable for older classes | French, English, German, or Luxembourgish (based on class preference) |
| 152 | LuxProvide | Image Generation - Contextual generation with FLUX | Image generation and its architectures, FLUX.1, contextual generation and how it compares to inpainting, prompting and seeds | People with knowledge of basic concepts of AI, NLP, and Python, but not necesarilly experts. | EN | |
| 153 | LuxProvide | Document Summarization using GenAI | Text summarization with AI | Audience already familiar with launching CNN trainings on HPC Python, Pytoch profiler | EN |
ML & Deep Learning
| No. | Provider | Course Title | Content | Learning Outcomes | Prerequisites | language |
|---|---|---|---|---|---|---|
| 154 | Digital Learning Hub Luxembourg (DLH) | Advanced Machine Learning Algorithms | Machine Learning Types, Theories, Techniques in Machine Learning, Decision Trees, Naive Bayes, Neural Networks, Advanced understanding of the Evaluation Metrics, Feature Engineering, Hyperparameters Tuning, Best Practices to build a performant Model. | Optimize model performance Conduct thorough evaluations Apply advanced machine learning techniques effectively across various domains. | Basic understanding of programming concepts Experience in coding with Python Good understanding of probability and statistics. | English (US) |
| 155 | Digital Learning Hub Luxembourg (DLH) | Computer Vision - Are computers blind? | Computer Vision Artificial Intelligence Neural Networks Digital images | - Introduced to the state of art of computer vision - Knowledge on digital images (binary, greyscale and colored image) - Understanding of the basics of neural networks and perceptrons - Basic knowledge of computer vision. | there are no prerequisites | English (US) |
| 156 | Digital Learning Hub Luxembourg (DLH) | Data Science and AI | Probability for Data Science .Statistics for Data Science .Mathematics for Machine Learning .Exploring Machine Learning Techniques.Deep Learning for Natural Language Processing . | Gain a solid understanding of probability and statistics in the context of data science.Master key mathematical concepts required for machine learning.;.Acquire hands-on experience with machine learning algorithms and techniques.;.Develop an understanding of deep learning and its applications in artificial intelligence.;.Learn how to apply deep learning methods specifically to natural language processing tasks . | See prerequisites for each module. | English (US) |
| 157 | Digital Learning Hub Luxembourg (DLH) | Deep Learning for Natural Language Processing | Introduction to NLP and Deep Learning: Overview of natural language processing and the role of deep learning .Text Processing with RNN, LSTM, and GRU: Understanding sequential data, recurrent neural networks, and their variations (LSTM, GRU) for text modeling .Transformers and Attention Mechanisms: Introduction to self-attention and transformer architectures, including BERT and GPT .Sentiment Analysis: Using deep learning models to analyze sentiment in text data .Machine Translation Applying sequence-to-sequence models and transformers for language translation .Text Summarization Exploring extractive and abstractive summarization techniques with deep learning .Hands-on Implementation and Case Studies . | On successful completion of this course, learners will be able to:.;.Understand the basics of NLP and deep learning techniques.;.Use RNNs, LSTMs, and GRUs for text processing.;.Explore transformer-based models like BERT and GPT.;.Perform simple sentiment analysis tasks.;.Understand the principles of machine translation.;Learn basic text summarization techniques . | Basic knowledge of machine learning concepts .Familiarity with Python and deep learning frameworks .Fundamental understanding of linear algebra and probability .Have followed a course on Introduction to Deep Learning for Artificial Intelligence | English (US) |
| 158 | Digital Learning Hub Luxembourg (DLH) | Demystifying the algorithms behind AI | Introduction to AI Algorithms.Key Types of Learning: Supervised, Unsupervised, Reinforcement.Deep Dive into Neural Networks.Popular Algorithms (e.g KNN, Linear Regression, K-Means).Practical Examples and Use Cases.Emerging Trends in AI Algorithms.Ethical Considerations and Limitations of AI Algorithms . | Understand the foundational algorithms behind AI systems.Differentiate between types of machine learning.Gain insights into neural networks and their applications.Learn how AI algorithms solve real-world problems.Explore trends and ethical challenges in algorithm design . | Basic familiarity with programming concepts (Python recommended) .Understanding of basic mathematical concepts (algebra, probability) .No prior AI experience required; beginner-friendly .Beginner to Intermediate: Designed for individuals with minimal AI knowledge but curious to understand the "how" behind AI Advanced learners can also benefit from practical insights and simplified explanations . | English (US) |
| 159 | Digital Learning Hub Luxembourg (DLH) | Exploring Machine Learning Techniques | Introduction to Machine Learning: Overview of machine learning, types of learning (supervised, unsupervised, and reinforcement) .Linear and Logistic Regression: Understanding the basics of regression, using linear regression for contnuous outcomes and logistc regression for binary classification.Classification Algorithms: Introduction to common classification methods, including k-Nearest Neighbors (k-NN), Support Vector Machines (SVM), and their applications.Decision Trees and Random Forests: Explanation of decision tree construction, advantages and disadvantages, and how random forests improve decision tree models by using an ensemble approach .Clustering Techniques: Introduction to unsupervised learning methods like k-means and DBSCAN for grouping data based on similarity .Model Evaluation Methods: Discussing techniques to assess model performance, including cross-validation, confusion matrices, accuracy, precision, recall, and F1 score . | By the end of this course, participants will be able to:.;.Understand and apply key machine learning concepts.Implement linear and logistic regression models.Use classification algorithms like k-NN and SVM.;.Build and interpret decision trees and random forests.;Apply clustering techniques such as k-means and DBSCAN.Evaluate models using cross-validation and confusion matrices.;Apply machine learning techniques to real-world datasets . | Understanding of fundamental statistical concepts (mean, variance, probability distributions) .Familiarity with linear algebra and calculus | English (US) |
| 160 | Digital Learning Hub Luxembourg (DLH) | Introduction to Deep Learning for Artificial Intelligence | Discovering the Scientific and Technological foundations .Understanding the basic concepts of deep learning .Understanding the main architectures of deep learning .MINI-PROJECT - PART 1 - Apply the learned notions of deep learning in the context of a mini-project .MINI-PROJECT - PART 2 - Apply the learned notions of deep learning in the context of a mini-project .Understanding how societies can organize themselves to live with AI . | After completion of this training, you will be able to:.Design, implement, and refine neural networks, including setting and adjusting parameters like weights, biases, learning rates, and understanding the mechanics of forward and backward propagation, dropout, and data augmentation techniques .Apply various deep learning architectures such as ANNs, LSTMs, Transformers, CNNs, GANs, and Vision Transformers to appropriate domains, such as natural language processing, image recognition, and generative tasks .Demonstrate expertise in managing datasets, including splitting into training, validation, and test sets, and competently training models while optimizing performance and preventing over-fitting .Understand the social and ethical implications of AI technologies, ensuring responsible and ethical decision-making in the development and deployment of AI solutions .Use Jupyter Notebooks as a versatile tool for developing, documenting, and testing deep learning models in an interactive environment . | Preliminary notions in Python equivalent to the content of the following trainings at DLH: .Python basics (modules P1 to P3) .Python – Basics Camp .Initial understanding of basic mathematics notions (algebra, calculus, statistics, probability). | English (US) |
| 161 | Digital Learning Hub Luxembourg (DLH) | Introduction to Machine Learning | Introduction to Machine Learning.Supervised Learning.Python for Machine Learning.Linear Regression.Logistics Regression.Unsupervised Learning.K-Means and K-Nearest Neighbors.Evaluation Metrics.Hands-on Machine Learning. | Understand the principles that drive machine learning algorithms.Apply machine learning algorithms to solve real-world problems. | Basic understanding of programming concepts .Familiarity with Python .Good understanding of probability and statistics | English (US) |
| 162 | Digital Learning Hub Luxembourg (DLH) | Introduction to Natural Language Processing | - Introduction and basics of text processing and preprocessing - Basics of regular expressions - Syntactic and semantic analysis - Sentiment analysis and text classification - Ethical consideration and bias in NLP - Speech processing | The students will learn about different tasks related to NLP and techniques utilized to handle different challenges They will learn how to process data and apply their knowledge to optimize the output of different algorithms. | - Basics of Python (List, dictionary, functions,.) - Basics of algebra - Basics of linear algebra (Will be covered) | English (US) |
| 163 | Digital Learning Hub Luxembourg (DLH) | Introduction to data-science and machine learning with python | Utilize Python libraries such as NumPy, pandas, and matplotlib for data manipulation, computations, and visualization Preprocess and manipulate datasets effectively for data analysis Interpret and represent complex data using Python's data visualization techniques Solve practical, data-driven problems using Python Prepare tabular datasets for model training Train standard supervised model for regression and classification Use trained models in a simple dashboard application Train deep learning model in simple setting Do image classification with deep learning Understand the basic theory of deep neural networks Grasp the various subfields of deep learning | there are no prerequisites | English (US) | |
| 164 | Digital Learning Hub Luxembourg (DLH) | Introduction to deep learning | Introduction to Deep Learning: Understanding its principles, techniques, and applications Feature Engineering: Understanding how hidden layers in deep learning models provide automatic feature engineering Deep Learning Model Training: Techniques and methods for training deep learning models Transfer Learning: An efficient technique for training models by leveraging pre-trained models Applications : Hands-on exercises in using deep learning models. | Upon completion of this course, learners are able to : train deep learning model in simple setting do image classification with deep learning understand the basic theory of deep neural networks grasp the various sub-fields of deep learning . | Python for data-science Basics of machine learning | English (US) |
| 165 | Digital Learning Hub Luxembourg (DLH) | Introduction to image processing | - Why do we need Image Processing? - Image Basics and Representation - Pre-processing Techniques - Applications in Machine Learning - Performance Metrics and Evaluation - Future Trends | The participants will get familiar with using different well-known packages such as Scikit-image, OpenCV, Pillow, and Matplotlib They will learn how deal with image data. | - Basic of Python - Basic of algebra | English (US) |
| 166 | Digital Learning Hub Luxembourg (DLH) | Introduction to machine learning with python | Introduction to Machine Learning: Understanding its concepts, principles, and types Supervised Learning: exploration of supervised learning methods with Python Model Assessment: Techniques for evaluating trained models Data Pre-processing: Methods for cleaning, transforming, and preparing data for model training Feature Engineering: Techniques for creating informative and relevant features for machine learning algorithms Basics of Unsupervised Learning: Brief overview and practical applications of unsupervised learning Hands-On Exercises: Practical assignments using Python for training, testing, and evaluating machine learning models. | Upon completion of this course, learners will be able to : prepare tabular datasets for model training train standard supervised model for regression and classification use trained models in a simple dashboarding application . | Basics of data-science with python | English (US) |
| 167 | Digital Learning Hub Luxembourg (DLH) | La Science des données et IA | Probabilités pour la science des données .Statistiques pour la science des données .Mathématiques pour le machine learning .Explorer les techniques de machine learning . | Acquérir une solide compréhension de la probabilité et des statistiques dans le contexte de la science des données.Maîtriser les concepts mathématiques clés nécessaires au machine learning.;.Acquérir une expérience pratique des algorithmes et techniques de machine learning.;. | Veuillez consulter chaque module individuel pour les prérequis. | French / Français |
| 168 | Digital Learning Hub Luxembourg (DLH) | Les Statistiques Essentielles pour Réussir Votre Carrière en IA et Data Science | Cette formation couvrira les points suivants: Introduction aux Statistiques et à l'Intelligence Artificielle .Dé finition des statistiques .Rôle des statistiques dans l'analyse de données (ex : choix d’une école en.Fonction de son % de réussite).Importance des statistiques en informatique et IA (ex : apprentissage supervisé,.Évaluation de modèle) .Les différents types de données .Données quantitatives vs qualitatives.Echelles de mesures (nominale, ordinale, ratio, intervalle).Exemple de données en IA (images, textes, bande audio) Statistique descriptive .Vue d’ensemble des données .Mesures de tendances centrales : moyenne/médiane/mode, quartiles.Mesure de dispersion : variance, écart-type, amplitude interquartile.Représentation graphique des données (histogrammes, diagramme en bâton, Boîte à moustache, nuage de point, ligne.).Cas pratique, analyse de jeu de données simple .Lien entre les données .Covariance.Corrélation linéaire (coefficient de Pearson).Corrélation vs causalité Probabilités .No tion de base .Définition de la probabilité.Événements disjoints et indépendants.Probabilité conditionnelle et théorème de Bayes.Modèles bayésien et IA (ex : détection de spam) .Q uiz et récapitulatif du jour .Récapitulatifs de la journée.Exemples interactifs : identification de pièges statistiques courants Inférence statistique .Introduction .Population vs échantillon.L’échantillonnage en IA (underfitting et overfitting).Estimateur : biais, efficacité, régularité.Intervalle de confiance et coefficient de confiance pour la moyenne.Evaluation d’un modèle avec des données simulées .Uti lisation dans L’IA .Distribution normale et modélisation d’erreurs.Régression linéaire et analyse de la variance (ANOVA) dans l’apprentissage supervisé.Étude de cas : Identifier les variables clés pour prédire un résultat Projet pratique et feedbacks .U tilisation des notions précédentes pour prédire des données .utiliser des statistiques descriptives et d’inférence pour résoudre un problème réel (ex., prédire des notes ou analyser des données clients).Travail en petits groupes pour encourager la collaboration .Quiz final et feedback .Test de l’ensemble des connaissances sur des exemples concrets.Questions/réponses et recommandations pour approfondir vos compétences . | À l’issue de ce cours, les participants seront capables de :.Expliquer le rôle des statistiques en IA et leur importance dans l'analyse de données .Identifier et différencier les types de données et leurs échelles de mesure .Appliquer des méthodes de statistique descriptive pour analyser et représenter des données .Comprendre et interpréter les concepts de covariance et de corrélation .Utiliser les probabilités et le théorème de Bayes dans des applications IA .Réaliser une inférence statistique en distinguant échantillon et population .Mettre en pratique les notions statistiques pour résoudre un problème réel en groupe . | Aucun prérequis | French / Français |
| 169 | Digital Learning Hub Luxembourg (DLH) | Machine Learning | Understand the principles that drive machine learning algorithms.Apply machine learning algorithms to solve real-world problems.Apply advanced machine learning techniques effectively across various domains. | Basic understanding of programming concepts .Familiarity with Python .Good understanding of probability and statistics | English (US) | |
| 170 | Digital Learning Hub Luxembourg (DLH) | Mathematics for Machine Learning | Vectors, Matrices, and Linear Systems: Introduction to vectors and matrices, basic operations, and solving linear systems Applications to data representation and manipulation.Differential Calculus and Partial Derivatives: Basic principles of differential calculus, focusing on partial derivatives, gradients, and their use in optimization.Optimization Techniques: Overview of optimization methods, with a focus on gradient descent and its role in machine learning models.Regularization and Cost Functions: Introduction to regularization techniques to prevent overfitting, and understanding cost functions for model evaluation and improvement . | By the end of this course, participants will be able to:.;.Understand and apply the basic concepts of vectors, matrices, and linear systems in machine learning.Compute and interpret partial derivatives and gradients for optimization tasks.Apply optimization techniques, including gradient descent, to minimize cost functions.Recognize and implement regularization techniques to improve model generalization and prevent overfitttng . | There are no prerequisites | English (US) |
| 171 | Digital Learning Hub Luxembourg (DLH) | Mathématiques pour l'apprentissage automatique (machine learning) | Vecteurs, Matrices et Systèmes Linéaires : Introduction aux vecteurs et matrices, opérations de base et résolution de systèmes linéaires Applications à la représentation et à la manipulation des données .Calcul Différentiel et Dérivées Partielles : Principes de base du calcul différentiel, en se concentrant sur les dérivées partielles, les gradients et leur utlisation dans l'optmisation .Techniques d'Optmisation : Vue d'ensemble des méthodes d'optmisation, avec un focus sur la descente de gradient et son rôle dans les modèles d'apprentissage automatique .Régularisaton et Fonctons de Coût : Introducton aux techniques de régularisation pour éviter le surapprentissage, et compréhension des fonctions de coût pour l'évaluation et l'amélioration des modèles . | À la fin de ce cours, les partcipants seront capables de :.;.Comprendre et appliquer les concepts de base des vecteurs, matrices et systèmes linéaires dans le cadre de l'apprentissage automatique.;.Calculer et interpréter les dérivées partielles et les gradients pour les tâches d'optmisation.;.Appliquer des techniques d'optmisation, y compris la descente de gradient, pour minimiser les fonctions de coût.;.Reconnaître et mettre en œuvre des techniques de régularisation pour améliorer la généralisation du modèle et éviter le surapprentissage . | Il n'y a pas de prérequis. | French / Français |
| 172 | Digital Learning Hub Luxembourg (DLH) | Probability for Data Science | Sample space and events .Basic axioms of probability theory .Bayesian vs frequentist: comparison of the two approaches .Conditional probability and independence Basics of two-state Markov chains .Bayes' theorem: Updating probabilities with new information .Introduction to naïve Bayes classifier .Classical distributions: discrete and continuous .Expected value, variance, and standard deviation . | Understand key probability concepts, including sample space and events.;.Apply probability axioms and compare Bayesian and frequentist approaches.;.Calculate conditional probabilities and recognize independence.;.Use Bayes' Theorem for probability updates.;.Apply Naïve Bayes for classification tasks.;Work with classical probability distributions.Calculate expected value and variance . | No prior knowledge of probability is required A high school level in mathematics, in particular the notions of integrals and exponential functions, is not compulsory, but is an asset for a better understanding of the concepts covered. | English (US) |
| 173 | Digital Learning Hub Luxembourg (DLH) | Probabilité pour la Science des Données | Univers et événements.Axiomes de base de la théorie des probabilités.Bayésien vs fréquentiste : comparaison des deux approches Probabilité conditonnelle et indépendance.Notions de base des chaînes de Markov à deux états.Théorème de Bayes : mise à jour des probabilités avec de nouvelles informations.Introduction au classificateur Naïve Bayes.Distributions classiques : discrètes et continues.Espérance, variance et écart-type. | Comprendre les concepts clés de la théorie des probabilités, y compris l'univers et les événements.Appliquer les axiomes de la théorie des probabilités et comparer les approches bayésienne et fréquentiste.Calculer des probabilités conditionnelles et reconnaître l'indépendance.Utliser le théorème de Bayes pour la mise à jour des probabilités.Appliquer le classificateur Naïve Bayes pour les tâches de classification.Travailler avec les distributions classiques de probabilité.Calculer l'espérance et la variance. | Aucune connaissance préalable en probabilités n’est requise Un niveau lycée en mathématiques, en particulier sur les notions d’intégrales et de fonctions exponentielles, n'est pas obligatoire, mais constitue un atout pour mieux comprendre les concepts abordés . | French / Français |
| 174 | Digital Learning Hub Luxembourg (DLH) | Techniques d'apprentissage automatique (machine learning) | Introducton à l'apprentissage automatique .Vue d'ensemble de l'apprentissage automatique, types d'apprentissage (supervisé, non supervisé et par renforcement) .Régression linéaire et logistique .Comprendre les bases de la régression, en utlisant la régression linéaire pour les résultats continus et la régression logistique pour la classifcation binaire .Algorithmes de classifcation .Introduction aux méthodes de classifcation courantes, telles que les k-plus proches voisins, les machines à vecteurs de support (SVM), et leurs applications .Arbres de décision et forêts aléatoires .Explication de la construction des arbres de décision, des avantages et inconvénients, et de la manière dont les forêts aléatoires améliorent les modèles d'arbres de décision grâce à une approche par ensemble .Techniques de clustering .Introduction aux méthodes d'apprentissage non supervisé telles que k-means et DBSCAN pour grouper les données en fonction de leur similarité .Méthodes d'évaluation de modèles .Présentation des techniques pour évaluer la performance des modèles, y compris la validation croisée, les matrices de confusion, la précision, la précision (precision), le rappel (recall) et le score F1 . | À la fn de ce cours, les partcipants seront capables de :.;.Comprendre et appliquer les concepts clés de l'apprentissage automatique.;.Mettre en œuvre des modèles de régression linéaire et logistique.;.Utliser des algorithmes de classifcation tels que k-NN et SVM.;.Construire et interpréter des arbres de décision et des forêts aléatoires.;.Appliquer des techniques de clustering comme k-means et DBSCAN.;.Évaluer des modèles à l'aide de la validation croisée et des matrices de confusion.;.Appliquer les techniques d'apprentissage automatique à des ensembles de données réels . | Les prérequis pour ce cours incluent : .Compréhension des concepts statistiques fondamentaux (moyenne, variance, distributions de probabilité) .Familiarité avec l'algèbre linéaire et le calcul différentiel. | French / Français |
| 175 | LuxProvide | Building your AI Application - How to combine LLM and embeddings for GenAI | The first half of this training talks about different aspects of LLMs, such as their architectures, inference servers, and why and how benchmark them. The second half talks about the characteristics of vector embeddings and vector databases, to finalize with a practical example of a notebook that shows the impact of vector dimensionality. | People with knowledge of basic concepts of AI, NLP, and Python, but not necesarilly experts. Mentions, but does not delve into concepts such as RAG, tokens, context windows, and APIs | EN | |
| 176 | LuxProvide | Deep learning model training | What is deep learning, what is a model, what does it mean to train a model and all the parameters. Focus on CNN and LSTM at the end. Introduction to PyTorch. | - basic linear algebra (what is a matrix) would be great | EN | |
| 177 | LuxProvide | Building your customlized RAG - Chunking strategies in practice | What is RAG, and in-depth training on chunking. | AI experienced users "Quantum Introduction" and "Deep learning model training" trainings are prerequisites | EN | |
| 178 | LuxProvide | Distributing a PyTorch Model Training | Lauching the training of your PyTorch training on an HPC, learn how to profile and optimize it, parallelize it | Anyone that wishes to learn more about image generation and how it works Transformers and embeddings are mentioned, but superficially | EN | |
| 179 | LuxProvide | Profiling a ML Training | Lauching the training of your PyTorch training on an HPC, learn how to profile and optimize it, parallelize it | Audience already familiar with launching CNN trainings on HPC Python, basic knowledge of slurm | EN |
Python for Data
| No. | Provider | Course Title | Content | Learning Outcomes | Prerequisites | language |
|---|---|---|---|---|---|---|
| 180 | Digital Learning Hub Luxembourg (DLH) | AI-Driven Finance: Market Analysis, Forecasting & Automation | Introduction to AI, Machine Learning Trading Fundamentals Data Collection, Pre-processing Handling Python for Trading AI Mathematics for AI in Trading Machine Learning for Trading Market, Trading Biases, Geopolitical, Economic Factors Natural Language Processing, Sentiment Analysis API Integration Real-Time Trading Bots. | Understand Al fundamentals and how they apply to trading Collect and pre-process real-time financial data Use Python and Al models for stock market analysis Analyze market biases, geopolitical, economic factors Build Al-based decision-making models for trading Implement automated trading strategies using Al. | Basic programming knowledge (preferably Python) (not mandatory but helpful).Interest in financial markets and Al applications No prior Al/Machine Learning knowledge required. | English (US) |
| 181 | Digital Learning Hub Luxembourg (DLH) | Data Analysis with Python | Introduction to Python Programming .Syntax .Variables .Inputs Control Flow .Loops .Conditions Functions and Modules .Functions .Modules Object-Oriented Programming (OOP) .Classes and Objects .Inheritance Data Analysis with Python .Introduction to DataFrames .Reading CSV Files Cleaning Data .Handling Empty Cells .Removing Data Duplication Data Visualization .Plotting Data .Customizing Plots . | On completion of this course, learners will be able to:.Write clean Python code and develop small projects proficiently .Utilize object-oriented programming (OOP), inheritance, and polymorphism to create and interact with objects, effectively passing data between them .Apply OOP principles to integrate data analysis modules in Python, enabling efficient manipulation and analysis of data sets .Retrieve data from Excel sheets and perform customized processing, facilitating the transformation and injection of data into new Excel sheets .Demonstrate mastery of course concepts by leveraging acquired knowledge to design and execute a comprehensive data analysis project encompassing all necessary steps . | Knowledge in programming with Python .Understanding of object-oriented programming .Basic knowledge of data analysis | English (US) |
| 182 | Digital Learning Hub Luxembourg (DLH) | Exploratory Data Analysis using Microsoft Excel | Introduction: What is Exploratory Data Analysis Start the Data Analysis flow : Ingest - Getting data from CSV or TXT files - Getting data from images of tables - Getting data from the web Your data is not perfect : Transform - Excel functions to detect missing data - Deciding what to do: excel conditionals (IF / SWITCH / CHOOSE ) - Excel functions to transform data types (VALUE / TEXT ) - Extract text : LEFT/RIGHT/MID/FIND, TEXTSPLIT, TEXTAFTER - Interpolation using FORECAST What does the data tell you : Analyse - Using Excel conditionals (SUMIF / COUNTIF) - Using excel min/max/average/STD.DEV functions - Using excel lookup functions (XLOOKUP, VLOOKUP, Index+Match combinations) Building the data story : Visualize - basic chart types: lines, bars, histograms, scatters - what to use when selecting a type of chart - when chats are misleading | After completing the course, the participants will be able to:.Understand and use the various options Excel provides to import data .Use excel functions to identify missing or incorrect data .Use conditionals to determine what data needs correcting and how to correct it .Use the available excel functions to compute basic data metrics and statistics .Use scatter plots, bar plots, histograms, or cumulative frequency plots to present insights about the data . | Basic knowledge of Excel | English (US) |
| 183 | Digital Learning Hub Luxembourg (DLH) | From Text to Insights: Preprocessing & Visualization for Natural Language Processing | Overview of Text Processing .Basic string Operations in Python .Regular Expressions .Tokenization, Stemming, and Lemmatization - Stop word removal .Hands-on Exercise . | By the end of this course, participants will be able to:.Understand the fundamentals of Text Processing .Learn how to handle and manipulate text data .Explore well-known libraries and tools for basic text processing . | Basic knowledge of Python | English (US) |
| 184 | Digital Learning Hub Luxembourg (DLH) | Introduction to data-science with python | vector, matrices with numpy vectorization and masks with numpy loading and processing data with pandas data visualization with matplotlib building a dashboard with streamlit | Upon completion of this course, learners will be able to: Utilize Python libraries such as NumPy, pandas, and matplotlib for data manipulation, computations, and visualization Preprocess and manipulate datasets effectively for data analysis Interpret and represent complex data using Python's data visualization techniques Solve practical, data-driven problems using Python . | Basics of python | English (US) |
| 185 | Digital Learning Hub Luxembourg (DLH) | Practical Introduction to regression analysis using Excel | What are Supervised and Unsupervised learning tasks, and what is regression ?.The basic linear regression functional form.Linear Interpolation and linear regression : are they the same ?.Relationship between variables : correlation and multicollinearity.Computing the parameters of single variable linear regression: minimisation of square of residuals.Practical examples: GDP vs Internet penetration, material stress/strain data, house prices .Excel Analysis tool-pak vs Excel functions SLOPE, INTERCEPT, FORECAST.How good is your model ? (assessing quality of fit) : coefficient of determination and distribution of residuals.Data problems affecting the linear regression outcome: the need for data scaling, overfitting/underfitting, and regression sensitivity to outliers.Advanced regression and parametric regression: regression on the coefficients.Regression on categories : the logistic regression: What is logistic regression and how does it differ from linear regression.What are the odds?.Logistic regression functional form.Calculation example . | Understand what regression means and what it is used for.Understand the basic mathematical principles behind ordinary least squares and sum of squares of residuals minimization.Understand the differences and relation between coefficient of determination, coefficient of correlation and residuals.Interpret properly the output of a linear regression and its coefficients.Use excel SOLVER and GOALSEEK for regression tasks . | Basic knowledge of excel .Basic knowledge of statistics | English (US) |
| 186 | Digital Learning Hub Luxembourg (DLH) | Python Fundamentals for Business Analysts: A Beginner’s Guide | Introduction to programming in general and in particular in Python and knowledge of its applications in data analysis and business analysis Learn how to use notebooks like Jupyter or Google Colab Write and execute Python programs that involves conditional and loop statements Analyze and visualize data using Pandas Know how to work with flat files and interact with SQL databases Prepare and visualize data using Matplotlib and Seaborn Analyze time series and price options using stochastic models | Upon completion of this course, participants will be able to: Demonstrate a solid understanding of the Python programming language: participants will show proficiency in understanding the Python language, its ease of use, simplicity, and versatility They will comprehend its unique features like data types, control structures, and functions, which make it suitable for data analysis and business operations Apply Python to data analysis tasks: participants will know how to create and execute Python programs that analyze data This includes using Python libraries such as Pandas for data manipulation and analysis, and handling flat files for data storage and retrieval Develop and execute data visualization using Python: participants will learn how to create visual representations of data, harnessing the power of Python libraries such as Matplotlib and Seaborn This will enable them to effectively present complex data in a simplified, understandable format Engage with SQL databases using Python: participants will learn how to interact with SQL databases using Python, allowing for more efficient data retrieval, manipulation, and storage in a business context Analyze time series and price options using stochastic models: participants will develop skills in assessing time-dependent data and pricing options, applying stochastic models for more precise and comprehensive analysis Navigate Python programming environments: participants will familiarize themselves with programming notebooks such as Jupyter and Google Colab . | there are no prerequisites | English (US) |
| 187 | Digital Learning Hub Luxembourg (DLH) | Statistics for Data Science | Overview of descriptive statistics, including measures of central tendency (mean, median, mode), dispersion, skewness, and quantiles, as well as the use of percentages and graphical representations for data visualization .Introduction to the fundamental concepts of probability, with a focus on key probability distributions such as uniform, Gaussian (normal), Poisson, and binomial distributions .Equip participants with the knowledge of statistical inference, covering point estimation, confidence intervals, and hypothesis testing .Depending on the participants’ interests and experience, delve deeper into advanced hypothesis testing methods (e.g., ANOVA, goodness-of-fit testing) and introduce basic concepts of statistical learning, such as linear regression and logistic regression . | On successful completion of this course, learners will be able to:.Calculate and interpret key descriptive statistics, including measures of central tendency (mean, median, mode), dispersion (variance, standard deviation), skewness, and quantiles .Understand and apply the concepts of probability and probability distributions, such as uniform, Gaussian (normal), Poisson, and binomial distributions .Perform statistical inference techniques, including point estimation and constructing confidence intervals .Conduct hypothesis testing, including understanding p-values and making decisions based on test results (Depending on participants' interests and experience) Apply advanced hypothesis testing methods, such as ANOVA and goodness-of-fit tests, to analyze complex datasets Develop foundational skills in statistical learning techniques, including performing linear regression and logistic regression for predictive modeling . | No prerequisites necessary | English (US) |
| 188 | Digital Learning Hub Luxembourg (DLH) | Statistiques pour la Science des Données | Vue d'ensemble des statistiques descriptives, incluant les mesures de tendance centrale (moyenne, médiane, mode), la dispersion, l'asymétrie, les quantiles, ainsi que l'utilisation des pourcentages et des représentations graphiques pour la visualisaton des données .Introduction aux concepts fondamentaux des probabilités, en mettant l'accent sur les distributions de probabilité clés telles que les distributions uniforme, gaussienne (normale), de Poisson et binomiale .Fournir aux participants les connaissances nécessaires en inférence statistique, en abordant l'estimation ponctuelle, les intervalles de confiance et les tests d'hypothèses .En fonction des intérêts et de l'expérience des participants, approfondir les méthodes avancées de tests d'hypothèses (par exemple, ANOVA, tests de conformité) et introduire les concepts de base de l'apprentissage statistique, tels que la régression linéaire et logistique . | À la fin de ce cours, les apprenants seront capables de :.;.Calculer et interpréter les principales statistiques descriptives, y compris les mesures de tendance centrale (moyenne, médiane, mode), la dispersion (variance, écart-type), l'asymétrie et les quantiles.;.Comprendre et appliquer les concepts de probabilité et les distributions de probabilité, telles que les distributions uniforme, gaussienne (normale), de Poisson et binomiale.;.Appliquer des techniques d'inférence statistique, y compris l'estimation ponctuelle et la construction d'intervalles de confiance.;.Réaliser des tests d'hypothèses, comprendre les p-valeurs et prendre des décisions basées sur les résultats des tests . | Il n'y a pas de prérequis. | French / Français |