facebook
Unterricht anbieten

Computer & Elektronik Unterricht آكسأونبروفانس

Finde den idealen computer & elektronik Lehrer آكسأونبروفانس.
Lerne computer & elektronik mit unserem Lehrern bei Dir oder bei denen zu Hause.

NachhilfeComputer & ElektronikComputer & Elektronik آكسأونبروفانس

156 computer & elektronik Lehrer آكسأونبروفانس

0 Lehrer in meiner Wunschliste
|
+-

156 computer & elektronik Lehrer آكسأونبروفانس

star icon
active star icon
(21 Bewertungen)
Manoj - Soest25Fr
25FrComputergrundlagen bis hin zu Front-End, Back-End, App-Entwicklung, Services und Tests usw.
Vertrauter Lehrer: Ich bin ein professioneller Full-Stack-Entwickler mit über 15 Jahren praktischer Erfahrung in Softwareentwicklung, Systemdesign und künstlicher Intelligenz. Ich habe in den Bereichen Frontend, Backend, DevOps und KI gearbeitet und Systeme auf Unternehmensniveau für reale Anwendungen entwickelt – von groß angelegten Microservices bis hin zu kognitiven KI-Plattformen. Ich unterrichte mit Leidenschaft die echte, moderne Art des Programmierens – und kombiniere dabei tiefe technische Grundlagen mit den fortschrittlichsten Technologien von heute: Generative KI, Agentensysteme, RAG-Architekturen, Cloud-Automatisierung und intelligente DevOps. Egal, ob Sie ein Anfänger sind, der sein erstes „Hello World“ erkundet, ein Profi, der seinen Stack verbessert, oder ein Forscher/Entwickler, der KI-Systeme erforscht, ich kann Sie Schritt für Schritt anleiten – konzeptionell, praktisch und strategisch. 🧩 Was Sie lernen werden 🖥️ Front-End-Entwicklung Erfahren Sie, wie Sie reaktionsschnelle, interaktive und leistungsstarke Schnittstellen erstellen: HTML / HTML5 – Struktur, Semantik, Formulare, Barrierefreiheit CSS / CSS3 / SCSS – Layout, Animationen, Responsive Design, Flexbox, Grid Bootstrap / Tailwind / Material UI – Schnelle Design-Frameworks JavaScript (ES6+) – Funktionale Programmierung, Ereignisschleife, Closures, async/await TypeScript – Starke Typisierung, Schnittstellen, Dekoratoren, Generika React.js / Next.js – Komponenten, Hooks, Statusverwaltung, Routing, APIs Angular (1.x bis 17) – Module, Abhängigkeitsinjektion, RxJS, erweiterte Architektur Vue.js (optional) – Reaktive Programmierung, Lebenszyklusmanagement jQuery / AJAX – Legacy-Unterstützung und Backend-Kommunikation Web-Performance – Lighthouse, Core Web Vitals, PWA, Caching-Strategien ⚙️ Back-End- und Unternehmensentwicklung Erstellen Sie skalierbare, sichere und intelligente serverseitige Systeme: C / C++ / Datenstrukturen / Algorithmen / OOPS Java / J2EE / Spring / Spring Boot / Spring Cloud / Hibernate / Struts / Wicket Microservices-Architektur – API-Gateway, Service-Registry, Kommunikation zwischen Diensten Node.js / Express / NestJS – Modernes JavaScript/TypeScript-Backend REST- und SOAP-Webdienste – API-Design, Sicherheit, Dokumentation (Swagger/Postman) Python (Flask / FastAPI) – REST-APIs, ML-Pipelines, Automatisierung Shell-Skripting (Linux/Unix) – Automatisierung, Cron-Jobs, Protokollanalyse, DevOps-Skripting PHP / Laravel / CodeIgniter – Klassische Web-Backend-Entwicklung Containerisierung und Orchestrierung: Docker, Kubernetes, Helm CI/CD und Cloud: Jenkins, GitHub Actions, Azure DevOps Pipelines ☁️ Cloud- und DevOps-Meisterschaft Erfahren Sie, wie Sie Anwendungen in der Cloud erstellen, bereitstellen und skalieren: AWS (EC2, S3, Lambda, DynamoDB, API Gateway, ECS) Azure (App-Dienste, Funktionen, CosmosDB, DevOps) Google Cloud (GCP, Vertex AI, BigQuery, Cloud Run) Überwachung und Protokollierung: ELK-Stack (Elasticsearch, Logstash, Kibana), Grafana, Prometheus Infrastruktur als Code (IaC): Terraform, AWS CDK, Azure Bicep Versionskontrolle und Zusammenarbeit: Git, GitHub, GitLab, Bitbucket CI/CD-Pipelines: Erstellen, Testen, Bereitstellen von Automatisierung, Rollback, Release-Management 📱 App-Entwicklung Entwickeln Sie mobile und hybride Apps von Anfang bis Ende: Android (Java/Kotlin) – UI/UX, Aktivitätslebenszyklus, API-Integration Hybrid-Frameworks: Ionic, Cordova, React Native Progressive Web Apps (PWA) – Offline-First, Caching, Mobile-Optimierung Firebase-Integration: Auth, Firestore, Cloud Messaging 🤖 Künstliche Intelligenz und maschinelles Lernen Erfahren Sie, wie moderne KI-Systeme erstellt und eingesetzt werden: KI-Grundlagen: Neuronale Netze, überwachtes/unüberwachtes Lernen Maschinelles Lernen mit Python: scikit-learn, TensorFlow, PyTorch Verarbeitung natürlicher Sprache (NLP): Transformers, BERT, GPT Computer Vision: OpenCV, YOLO, Bildklassifizierung KI-APIs und -Integrationen: Google DialogFlow, Azure Cognitive Services, OpenAI API 🧬 Generative KI, RAG und Agentensysteme Besonderer Fokus auf realer KI-Integration und Automatisierung: Generative KI-Modelle (GPT, Claude, Gemini, Llama, Mistral) – Praktische Umsetzung Prompt Engineering – Entwicklung leistungsstarker, wiederverwendbarer Prompt-Frameworks Retrieval-Augmented Generation (RAG) – Hybride Such- und Generierungsarchitekturen Agentische KI-Systeme – Erstellen autonomer Multi-Agent-Workflows (z. B. AutoGPT, CrewAI) Agentic RAG – Kontextuelle Gedächtnis-, Verkettungs- und Schlussfolgerungssysteme LangChain / LlamaIndex – RAG-Pipelines, Dokumentlader, Einbettungen, Vektor-DBs Vektordatenbanken: Pinecone, Chroma, Weaviate, FAISS Wissensgraphen & Kontextmanagement – Unternehmensdatenverknüpfung mit RAG Bereitstellung von KI-Apps: FastAPI + Streamlit + LangServe + Docker Copilot und KI-Tools: GitHub Copilot, ChatGPT-API, Code-Interpreter, Vertex AI Studio Google AI Developer Kit (ADK) – Edge AI, TensorFlow Lite, Coral und Modellbereitstellung Sprach-KI und Konversationsdesign: Dialogflow CX, OpenAI Assistants, ElevenLabs 🔬 Daten, Tests und Qualität Datenbanksysteme: MySQL, PostgreSQL, MongoDB, Oracle, DB2, Redis Datenbankdesign: ERD, Normalisierung, Indizierung, Leistungsoptimierung Testtools: JUnit, Mockito, Selenium, Cypress, Postman TDD/BDD-Praktiken: Unit-, Integrations- und End-to-End-Tests Protokollierung und Überwachung: ELK, Splunk, Prometheus Leistungsoptimierung: Profiling, Caching, Parallelität 🧩 Betriebssysteme und Skripting Windows-/Linux-/Ubuntu-/Unix-Administration Dateisysteme, Berechtigungen, Vernetzung, Prozessmanagement Shell-Skripting / Automatisierung / Protokollanalyse Systemsicherheit und SSH-Härtung 🧠 Bonusthemen Mathematik für Programmierer – Logik, Kombinatorik, Wahrscheinlichkeit, Graphentheorie Grundlagen der Spieleentwicklung: Unity, Phaser.js, HTML5 Canvas KI-Ethik, Datenschutz, verantwortungsvolles KI-Design Automatisierungsprojekte und Web-Crawling/Scraping: BeautifulSoup, Selenium, Puppeteer No-Code-/Low-Code-Integrationen: Zapier, Make, KI-Automatisierungen
Programmierung · Java · Javascript
Diesen Text mit Google Translate übersetzen.
star icon
active star icon
(5 Bewertungen)
Jerome - Boutigny-sur-Essonne136Fr
136FrPhD in Kognitionspsychologie und Statistiker lehrt Psychologie, Neurowissenschaften und Statistik
Vertrauter Lehrer: Als erfahrener Naturwissenschaftslehrer und Doktor der Psychologie und kognitiven Neurowissenschaften mit Abschluss an der Universität Straßburg (Inhaber eines Masters 2 in Forschung in Biologie und eines professionellen Masters 2 in Wissenschaftskommunikation) biete ich Privatunterricht in Psychologie (kognitive Psychologie, Sozialpsychologie, Entwicklungspsychologie) an , Neuropsychologie usw.), Neurowissenschaften sowie in Statistik (theoretisch und angewandt auf experimentelle Protokolle) mit einer personalisierten Methodik entsprechend den Bedürfnissen und Möglichkeiten jedes Schülers. Dank eines rigorosen pädagogischen Ansatzes, der spezifisch und an jede Anfrage angepasst ist, biete ich eine effektive methodische Unterstützung (Referenzen verfügbar), um die Erwartungen der Schüler zu erfüllen und die gesetzten Ziele zu erreichen oder sogar zu übertreffen. Meine Kurse beinhalten auch eine Coaching-Methode, um das Lernen und Training zu optimieren, das zum Bestehen von Universitätsprüfungen in Psychologie, Neurowissenschaften und Statistik (sowie Ihren Forschungsarbeiten und mündlichen Verteidigungen mit oder ohne PowerPoint-Unterstützung) erforderlich ist. Meine Kurse richten sich an Studierende (Psychologie, Neurowissenschaften, Medizin etc.), die ihre Leistungen und Noten in Prüfungen und Wettbewerben optimieren möchten. Schulen, Universitäten und Lehrinstitute: Universitäten Straßburg und Paris 8, CNRS, Ecole Polytechnique, ESSEC Business School, ISTH, IONIS Education Group, EEEA, Institut Tocqueville etc.
Statistik · Datenbank · Kognitive psychologie
Diesen Text mit Google Translate übersetzen.
Kian - Bern35Fr
35FrStatistik. Machine Learning. Mathematik. Klarheit & Kompetenz aus Bern – Für Schweizer Studierende
Vertrauter Lehrer: Data Science, Statistik & Mathematik – klar erklärt, persönlich begleitet. Ich bin Kian, erfahrener Nachhilfelehrer aus Bern. Ich unterstütze Studierende, Berufseinsteiger:innen und Fachpersonen auf ihrem Weg in die datengetriebene Welt – sei es im Studium, bei Projekten oder im Berufsalltag. Mit meiner strukturierten, verständlichen und motivierenden Herangehensweise helfe ich dir nicht nur, Aufgaben zu lösen – sondern Daten zu durchdringen, Zusammenhänge zu erkennen und fundierte Entscheidungen zu treffen. Mein Unterricht ist individuell, effizient und auf Augenhöhe. Wer ich bin – und warum ich unterrichte: Ich unterrichte in Bern und habe den MAS-Studiengang in Statistical Data Science an der Universität Bern erfolgreich abgeschlossen – mit Schwerpunkt auf Statistik, Mathematik und Data Science. Seit mehreren Jahren unterrichte ich mit Leidenschaft, sowohl im akademischen Kontext als auch für Berufspraktiker:innen, die datenbasierter denken und arbeiten wollen. Parallel zu meinem Unterricht habe ich zahlreiche Data-Science-Projekte realisiert – von der explorativen Analyse über Datenmodellierung bis hin zur Entscheidungsunterstützung im Business-Kontext. Diese Verbindung von Theorie und Praxis macht meinen Unterricht besonders nah an der Realität und gleichzeitig verständlich. Ich liebe es, komplexe Themen greifbar zu machen, Aha-Momente zu erzeugen und Menschen zu befähigen, sicher mit Daten umzugehen. Für mich ist Nachhilfe nicht nur Wissensvermittlung – sie ist Denkentwicklung auf Augenhöhe. -Was du bei mir erwarten kannst: Einzelunterricht mit Fokus auf Datenverständnis, Statistik & analytisches Denken Unterstützung bei Projekten, Arbeiten, Prüfungen oder dem Einstieg in die Datenwelt Praxisnahe Erklärungen – Schritt für Schritt und an deinen Alltag angepasst Vermittlung moderner Methoden zur Datenanalyse, Modellierung & Interpretation Langfristige Strategien zur Problemlösung & strukturiertem Denken Flexibler Unterricht in Bern oder online – persönlich, kompetent & zuverlässig Warum ich dir Data Science verständlich machen kann: Weil ich an der Schnittstelle von Wissenschaft und Praxis arbeite. Ich weiß, wie schnell man sich in Formeln und Tools verlieren kann – und helfe dir, den roten Faden zu sehen: Wie Daten Geschichten erzählen, wie du sie analysierst und daraus kluge Entscheidungen ableitest. Du lernst bei mir nicht nur Methoden – du lernst, mit Daten zu denken. Ob im Studium oder im Beruf: Ich begleite dich dabei, Daten wirklich zu verstehen und souverän anzuwenden. Lerne Datenanalyse. Analysiere und modelliere komplexe Datensätze – verständlich, praxisnah und mit Struktur. Wenn du bereit bist, mit Daten klarzukommen, bin ich bereit, dich zu begleiten.
Statistik · Programmierung · Mathematik
star icon
active star icon
(3 Bewertungen)
Tommie - Amsterdam28Fr
28FrPython-Programmierung für Anfänger bis Fortgeschrittene. Werden Sie zum Experten.
Vertrauter Lehrer: 🐍 Python-Programmierung – Lernen durch praktisches Tun Kursübersicht Dieser Kurs richtet sich an alle, die Python von Grund auf lernen oder ihre Programmierkenntnisse vertiefen möchten. Egal, ob Sie absoluter Anfänger sind oder Python in der Datenanalyse, Automatisierung oder Webentwicklung einsetzen möchten – dieser Kurs führt Sie Schritt für Schritt anhand praktischer Beispiele und Projekte durch den Lernprozess. Was Sie lernen werden ✅ Python-Grundlagen: Variablen, Datentypen, Operatoren und Kontrollfluss ✅ Funktionen und Module: Wiederverwendbaren, sauberen Code schreiben ✅ Arbeiten mit Dateien und Daten (CSV, JSON, Text) ✅ Konzepte der objektorientierten Programmierung (OOP) ✅ Bibliotheken für reale Aufgaben (z. B. pandas, matplotlib) ✅ Problemlösungsstrategien und Debugging-Techniken Unterrichtsstil Praxisorientiertes Lernen: Sie werden in jeder Sitzung Code schreiben. Projektorientiert: Entwickeln Sie Mini-Projekte wie Taschenrechner, Datenvisualisierungen oder einfache Web-Apps. Flexibles Lerntempo: Der Unterricht wird auf Ihr Niveau und Ihre Ziele (akademisch, beruflich oder als Hobby) zugeschnitten. Für wen ist es geeignet? Studierende, die sich auf Prüfungen oder Informatikkurse vorbereiten Fachleute, die Aufgaben automatisieren oder Daten analysieren möchten Neugierige Lernende, die Programmieren als Hobby beginnen möchten. Praktische Details 📍 Online oder persönlich (je nach Ihrem Standort) ⏱ Flexible Terminplanung, die sich Ihrer Verfügbarkeit anpasst 🧑‍🏫 Individuelle Betreuung mit klaren Erklärungen und Übungen
Programmierung
Diesen Text mit Google Translate übersetzen.
star icon
active star icon
(1 Bewertung)
Kevin - Luzern41Fr
41FrStatistik, Data Analytics, Machine Learning und KI in der Schweiz – Professionelle Begleitung von der Theorie bis zur Praxis
Vertrauter Lehrer: Seit vielen Jahren begleite ich erfolgreich Schweizer Studierende in den Bereichen Statistik, Data Analytics, Machine Learning und künstliche Intelligenz. Ich habe dabei umfassende Erfahrung mit dem Einsatz von R als statistisches Programmierwerkzeug gesammelt und weiss genau, welche Anforderungen an Studierende in der Schweiz gestellt werden. Ich verfüge über zahlreiche Beispielprojekte, Datensätze und Prüfungsaufgaben und habe viele Studierende gezielt, nachhaltig und mit grossem Erfolg auf ihre Arbeiten und Prüfungen vorbereitet. Mein Fokus liegt darauf, komplexe statistische Verfahren, Algorithmen und Datenanalysen verständlich zu erklären, praxisnah zu demonstrieren und das Vertrauen in den sicheren Umgang mit Daten zu stärken. Mein Ziel ist nicht nur die Verbesserung der Noten, sondern langfristig die Entwicklung eines tiefen Verständnisses für datengetriebene Fragestellungen und moderner Technologien wie Machine Learning und KI, die im späteren Berufsleben entscheidend sind ► Wie unterrichte ich? ►Ich lege grossen Wert darauf, dass meine Studierenden statistische Konzepte, Data Analytics-Methoden sowie Machine Learning- und KI-Modelle wirklich verstehen und nicht nur mechanisch anwenden – so erzielen wir nachhaltigen Erfolg in Statistik, Datenanalyse und modernen Technologien. ►Mein Erfolg beruht auf meiner Fähigkeit, meinen Unterrichtsstil flexibel an die individuellen Bedürfnisse der Studierenden in Statistik, Data Analytics, Machine Learning und KI anzupassen, inklusive Themen wie Regressionsverfahren, logistischer Regression und anderen maschinellen Lernalgorithmen. ►Ich verwende praxisnahe, lebendige Beispiele aus Statistik, Data Science und KI, um abstrakte Konzepte wie Hypothesentests, Varianzanalyse, lineare und nichtlineare Modelle anschaulich zu erklären und tief im Gedächtnis zu verankern. ►Mit Geduld und Klarheit breche ich komplexe statistische Analysen, Machine-Learning-Modelle und Datenprozesse in ihre wesentlichen Bestandteile herunter, damit kein Studierender überfordert wird und ein stabiles Fundament in Statistik, Data Analytics und KI aufbauen kann. ►Ich bin überzeugt, dass eine vertrauensvolle Zusammenarbeit entscheidend ist, um Unsicherheiten in Statistik oder Data Science abzubauen und eine produktive Lernatmosphäre zu schaffen. ►Ich biete intensive Prüfungsvorbereitung und Projektbetreuung in Statistik, Data Analytics, Machine Learning und KI an, entwickle mit meinen Studierenden Strategien gegen Prüfungsangst und trainiere mit ihnen reale Datensätze und komplexe Algorithmen. ►Als erfahrener Online-Tutor für Statistik, Data Analytics, Machine Learning und KI nutze ich moderne Tools wie interaktive Whiteboards und Live-Coding-Sessions in R, um den Unterricht so effizient und praxisorientiert wie möglich zu gestalten. ►Standorte: Ich unterrichte Statistik, Data Analytics, Machine Learning und KI bei Ihnen zuhause, online oder nach Absprache – flexibel, professionell und genau auf Ihre Bedürfnisse zugeschnitten.
Statistik · Programmierung · Numerische analyse
Diesen Text mit Google Translate übersetzen.
Anita - Wien60Fr
60FrArtem Forum | Konzeptkunst, Illustration & Portfolio-Mentoring
Vertrauter Lehrer: Das Programm richtet sich an Studierende mit Interesse an Konzeptkunst, Illustration, visuellem Storytelling und der Erstellung eines Portfolios für Kunsthochschulen, Animations-/Spieleentwicklungsprogramme oder die eigenständige künstlerische Weiterentwicklung. Es verfolgt einen mentororientierten Ansatz und kombiniert künstlerische Grundlagen, konzeptionelles Denken und Portfolio-Strategien, angepasst an den individuellen Stil, die Vision und die langfristigen Ziele jedes Einzelnen. Was ist da drin? TEIL I 1. Künstlerische und visuelle Sprache • Traditionelle Zeichen- und Illustrationstechniken • Form- und Gestaltstudie • Licht, Farbe und Werte • Komposition und visuelles Storytelling 2. Weltenbau und visuelles Denken • Umweltgestaltung (natürliche und gebaute Räume) • Requisiten, Objekte und visuelle Details • Charakterkonzepte (Anatomiegrundlagen, Silhouetten, Ausdruck) • Stilerkundung (realistisch, stilisiert, symbolisch, experimentell) • Referenzen vs. Originalität: Wie man auf Forschung aufbaut, ohne zu imitieren 3. Kognitiver und kreativer Prozess • Künstlerisches Denken & Arbeitsablauf • Von der Idee zum Bild • Dokumentations- und Referenzsammlung • Moodboards & visuelle Recherche • Iteration, Auswahl, Verfeinerung • Zu wissen, wann ein Stück fertig ist 4. Digitale Grundlagen (optional / hybrid) • Übergang von traditionellen zu digitalen Systemen • Digitale 2D-Werkzeuge und Arbeitsabläufe • Ebenenlogik, Pinsel, Texturen • Grundlagen der digitalen Malerei • Präsentationsfertige Bilder • Fallstudien von professionellen Konzeptkünstlern und Illustratoren Dieser Abschnitt ist optional und kann von Studierenden mit Vorkenntnissen im digitalen Bereich übersprungen werden. In diesem Fall liegt der Schwerpunkt auf der Verfeinerung und Vertiefung der bereits erworbenen Kenntnisse. WICHTIG! Alle Abschnitte in Teil I (künstlerische Praxis, Bildsprache, Weltenbau, technische und digitale Grundlagen) werden dem jeweiligen Kenntnisstand der Studierenden angepasst, vom Anfänger bis zum Fortgeschrittenen. Sind die Grundlagen bereits vorhanden, werden diese Bereiche nicht mechanisch wiederholt; stattdessen liegt der Fokus auf der Portfolioentwicklung, der konzeptionellen Vertiefung und der Weiterentwicklung bestehender Arbeiten. TEIL II Portfolioentwicklung & Mentoring 1. Portfolioaufbau • Die künstlerische Ausrichtung des Schülers festlegen • Auswahl und Entwicklung starker Themen • Erstellung zusammenhängender Bilderserien, nicht isolierter Bilder • Den persönlichen Stil an akademische oder berufliche Erwartungen anpassen • Kontinuierliche Überprüfung, Feedback und Optimierung 2. Anwendungsspezifische Unterstützung (sofern zutreffend) • Portfolioauswahl & -sequenzierung • Künstlerstatements oder Motivationsschreiben (mit Bildmaterial) • Anpassung der Arbeit an spezifische Institutionen oder Programme • Verständnis der Bewertungskriterien
Darstellung · Zeichnen & skizzieren · Digitale kunst
Diesen Text mit Google Translate übersetzen.
Suchergebnisse 1 - 25 of 1561 - 25 van 156
Weiter »»

Unsere Schüler آكسأونبروفانس bewerten ihren Computer & Elektronik Lehrer.

Um die Qualität unserer Computer & Elektronik Lehrer zu sichern, bitten wir unsere Schüler آكسأونبروفانس, sie zu bewerten.
Es werden nur Bewertungen von Schülern veröffentlicht und diese werden von Apprentus garantiert. Bewertet 4.8 von 5 basierend auf 117 Bewertungen.

Finite Elemente Methode (FEM) und Analyse (FEA) Nachhilfe für Studenten (Bachelor und Master) (Hannover)
Haider
rating star
rating green star
Eine sehr gute Lehrkraft. Er erklärt die Sachen einfach, Verständlich und zügig, aber nicht zu schnell. Der Untericht fand via Skype statt. Der Preis für einen freien unabhängigen Ingeieur ist gerechtfertigt, wenn man als angehender Ingenieur die Stundensätze auf dem freien Markt kennt. Wobei der unabhängige Ingenieur hat einen Supercomputer mit einer 5000€ Grafikkarte und einen 64 Kern Prozessor, den er für komplexe 3D berechnungen benutzt. Herr Heider benutzt zuhause nur einen "normalen" Leistungsstarken Rechner. Das reicht aber vollkommen aus, um die Problemstellungen von Studenten zu Lösen.
Bewertung von AKIRA
Meistern Sie Grafikdesign und Druckvorbereitung mit Adobe Illustrator (Lausanne)
David
rating star
rating green star
David hat mich bei der Nutzung von Adobe Illustrator bei Änderungen an einem fertigen Design unterstützt. Da ich das Programm nicht kannte, hat er mir genau gezeigt, was ich wo und wie ändern muss. Er hat mich geduldig durch die Einstellungen geführt und alles verständlich erklärt. Jetzt habe ich alles so, wie ich es haben möchte, und weiss auch, wie ich in Zukunft selbst Änderungen vornehmen kann. Vielen Dank für deine grosse Unterstützung!
Bewertung von ILDIKO
Elektrotechnik I und II (Elektrophysik, Grundlagen und Einführung, Elektronik) (Wels)
Arianit
rating star
rating green star
Arianit ist ein ausgezeichneter Lehrer ! Sehr höflich, freundlich, großzügig, geduldig, zuverlässig, auf jede Unterrichtsstunde vorbereitet und vor allem, er gibt seinen Unterricht immer mit sehr viel Leidenschaft und klarer Erklärung. Ich kann Arianit wärmstens empfehlen !
Bewertung von MURIEL

Du bist hier

Nachhilfe
Computer & Elektronik
Computer & Elektronik آكسأونبروفانس
map iconKarte