Artificial Intelligence (AI): Data Analyst mit Künstlicher Intelligenz

Passt der Kurs zu dir?

1. 1
   Sicherer Umgang mit Excel, Prozentrechnung und Grundbegriffen der Statistik wie Mittelwert, Median und Streuung.
2. 2
   Für die IHK-Prüfung zur Berufsspezialistin oder zum Berufsspezialisten für Datenanalyse: eine IT-Ausbildung, eine andere Ausbildung mit einem Jahr Praxis, sechzig Leistungspunkte aus einem Studium mit zwei Jahren Praxis oder vier Jahre einschlägige Berufspraxis (§ 2 DAFPrV).
3. 3
   Bereitschaft, Datenschutzregeln einzuhalten, denn Auswertungen mit Kunden- oder Personaldaten fallen unter die DSGVO.

Das lernst du

1. 1
   Titel: Künstliche Intelligenz - Data Analyst mit Künstlicher Intelligenz
2. 2
   1. Kursbeschreibung
3. 3
   Der Kurs,,Künstliche Intelligenz - Data Analyst mit Künstlicher Intelligenz" vermittelt praxisorientierte Kenntnisse zur Analyse, Visualisierung und Nutzung von Daten mithilfe moderner KI-Methoden. Teilnehmende lernen, maschinelles Lernen, Power BI und Cloud-basierte KI-Dienste zu kombinieren, um datengetriebene Entscheidungen zu treffen und automatisierte Analysen zu entwickeln. Die Weiterbildung verbindet Data Analytics mit Künstlicher Intelligenz und bietet eine fundierte Vorbereitung auf Tätigkeiten im Bereich Data Science und Business Intelligence.
4. 4
   2. Zielgruppe
5. 5
   Der Kurs richtet sich an Data Analysts, Data Scientists, Business-Intelligence-Spezialist:innen, Projektleiter:innen und IT-Fachkräfte, die sich auf KI-basierte Datenanalyse spezialisieren möchten.
6. 6
   3. Kursniveau
7. 7
   Fortgeschrittene - Grundkenntnisse in IT, Datenanalyse oder Statistik sind hilfreich.
8. 8
   4. Vorkenntnisse und empfohlene Vorkurse
9. 9
   Empfohlen:,,Azure Fundamentals (AZ-900)" und,,Introduction to Python", um Cloud- und Programmiervorkenntnisse zu vertiefen.
10. 10
    5. Agenda (4-6 Themenblöcke)
11. 11
    Modul 1: Grundlagen der Künstlichen Intelligenz und Datenanalyse
12. 12
    Teilnehmende lernen die theoretischen und technischen Grundlagen von KI und datengetriebener Analyse kennen.
13. 13
    Praxisbeispiel: Erstellung eines KI-gestützten Datenmodells zur Umsatzanalyse.
14. 14

    Kursinhalte

    Einführung in Künstliche Intelligenz und Machine Learning
    Datenaufbereitung, Analyse und Visualisierung
    Grundlagen der Statistik und des Data Mining
    Einsatzgebiete von KI in der Datenanalyse
    Modul 2: Microsoft DP-100 - Azure Data Scientist Associate
    Dieses Modul vermittelt fundierte Kenntnisse im Aufbau, Training und Deployment von Machine-Learning-Modellen.
    Praxisbeispiel: Entwicklung eines Vorhersagemodells mit Azure Machine Learning.
    Azure Machine Learning Workflows
    Feature Engineering und Modelltraining
    Evaluierung und Deployment von Modellen
    Überwachung und Automatisierung mit MLOps
    Modul 3: Microsoft PL-300 - Power BI Data Analyst Associate
    Hier lernen Teilnehmende, Daten in aussagekräftige Visualisierungen und Dashboards zu verwandeln.
    Praxisbeispiel: Erstellung eines interaktiven Dashboards zur Vertriebsanalyse mit KI-Prognosen.
    Datenmodellierung mit DAX und Power Query
    Visualisierung und Berichtserstellung
    Sicherheit und Rollenmanagement
    Veröffentlichung und Zusammenarbeit im Power BI Service
    Modul 4: Microsoft AI-102 - Azure AI Engineer Associate
    Dieses Modul vertieft die Entwicklung und Integration von KI-Anwendungen in Azure.
    Praxisbeispiel: Entwicklung einer KI-Anwendung zur Textanalyse und Integration in Power BI.
    Azure Cognitive Services und Azure OpenAI
    Text-, Sprach- und Bilderkennung
    Integration von KI-Modellen in Datenanalysen
    Skalierung und Governance von KI-Anwendungen
    Modul 5: Praxisprojekt - KI-gestützte Datenanalyse
    Im Abschlussprojekt erstellen Teilnehmende eine End-to-End-KI-Analysepipeline.
    Praxisbeispiel: Entwicklung eines automatisierten Analyse-Tools zur Vorhersage von Kundenverhalten.
    Kombination von Machine Learning, Power BI und Azure Services
    Datenintegration und Visualisierung
    Modellbewertung und Ergebnispräsentation
    Prüfungsvorbereitung und Zertifizierung
    6. Zusatzinformationen
    Der Kurs ist AZAV-zertifiziert und kann über Bildungsgutschein oder Qualifizierungschancengesetz (QCG) gefördert werden.
    Er richtet sich an Einzelpersonen und B2B-Kund:innen und wird über New Horizons (München, Stuttgart, Nürnberg) sowie learn2program.de angeboten.
    ,,Künstliche Intelligenz - Data Analyst mit Künstlicher Intelligenz" kombiniert Datenanalyse und KI-Entwicklung in einem praxisnahen Lernkonzept. Teilnehmende lernen, aus Daten intelligente Entscheidungen abzuleiten und KI-Modelle in Unternehmensprozesse zu integrieren - ideal für die moderne datengetriebene Arbeitswelt.
    Alle Kurse können deutschlandweit online belegt werden. Viele unserer Kurse finden auf Deutsch und/oder auf Englisch statt.

1. 1

   Stuttgart

   Blended Learning · Teilzeit · 1–3 Monate · 5.000–10.000 €

2. 2

   München

   Blended Learning · Vollzeit · 1–3 Monate · 5.000–10.000 €

3. 3

   Nürnberg

   Blended Learning · Vollzeit · 1–3 Monate · 5.000–10.000 €

4. 4

   München

   Blended Learning · Teilzeit · 1–3 Monate · 5.000–10.000 €

5. 5

   Nürnberg

   Blended Learning · Teilzeit · 1–3 Monate · 5.000–10.000 €

Förderwege

Wer deinen Kurs zahlt

Brutto im Monat

Mitte und Viertel bundesweit

3 Schritte vom Kurs in den Beruf

1. 1

   Berichte, die sich selbst aktualisieren

   Du verbindest in Power BI Daten aus ERP, CRM und Excel-Listen, modellierst Beziehungen und schreibst Kennzahlen mit DAX. Ein solcher Bericht holt neue Zahlen ohne Kopierarbeit. Beispiel: Der monatliche Umsatzbericht für die Vertriebsleitung aktualisiert sich jeden Morgen aus dem Warenwirtschaftssystem.

2. 2

   Ergebnisse verständlich präsentieren

   BERUFENET nennt das Visualisieren und Präsentieren der Ergebnisse in den Fachabteilungen als Aufgabe von Data Analysts. Im Kurs übst du, aus einer Auswertung eine klare Aussage mit passendem Diagramm zu machen. Beispiel: Du zeigst der Einkaufsleitung in einem Dashboard, welche Lieferanten wiederholt zu spät liefern.

3. 3

   Mit Data Engineers und Data Scientists zusammenarbeiten

   Du lernst, Anforderungen an Datenqualität und Datenmodelle so zu formulieren, dass Data Engineers sie umsetzen können. Für Prognosen übergibst du aufbereitete Daten an Data Scientists oder nutzt einfache Verfahren der Predictive Analytics selbst. Beispiel: Du meldest dem Datenteam, dass doppelte Einträge im Kundenstamm die Umsatzzahlen verfälschen.

Themen

Arbeitsmarkt

Data Analyst bundesweit in Zahlen