Data Science: Visualization and Storytelling Konzepte

Passt der Kurs zu dir?

1. 1
   Mathematik auf Oberstufenniveau mit linearer Algebra, Ableitungen und Wahrscheinlichkeitsrechnung, weil Regression und neuronale Netze darauf beruhen.
2. 2
   Programmierkenntnisse in Python oder die Bereitschaft, sie in einem Vorkurs aufzubauen, bevor Machine Learning beginnt.
3. 3
   Wenn dein Betrieb KI-Systeme einsetzt: Die KI-Verordnung der EU verpflichtet Anbieter und Betreiber, nach besten Kräften für ausreichende KI-Kompetenz ihres Personals zu sorgen; frage, ob dein Kurs dafür einen Nachweis ausstellt.

Das lernst du

1. 1
   Datenwissenschaft: Datenvisualisierung und Storytelling
2. 2
   Dieser Kurs bietet einen strukturierten Ansatz für die Datenvisualisierung und das Storytelling und vermittelt den Lernenden die Fähigkeiten, Rohdaten in aussagekräftige Erkenntnisse umzuwandeln. Die Teilnehmer sammeln praktische Erfahrungen mit Python-Visualisierungsbibliotheken, Storytelling-Techniken und Datenpräsentationsstrategien.
3. 3

   Kursmodule

   Einführung in Python für die Datenwissenschaft
   Erlernen der Python-Syntax, -Schleifen und -Funktionen für die Datenverarbeitung.
   Verstehen der Rolle von Python bei der Datenvisualisierung und -analyse.
   Arbeiten mit Python-Bibliotheken wie Pandas, NumPy und Matplotlib.
   Einrichten von Entwicklungsumgebungen
   Installieren und konfigurieren Sie Jupyter Notebooks und Anaconda.
   Verwenden Sie Git für die Versionskontrolle in datenwissenschaftlichen Projekten.
   Erkunden Sie Python-IDEs wie PyCharm und VS Code für nahtlose Arbeitsabläufe.
   Grundlagen der Datenvisualisierung
   Verstehen Sie, warum Visualisierung in der Datenwissenschaft von entscheidender Bedeutung ist.
   Lernen Sie die Prinzipien einer effektiven visuellen Darstellung kennen.
   Erkunden Sie verschiedene Diagrammtypen für unterschiedliche Datenerkenntnisse.
   Arbeiten mit Matplotlib und Seaborn
   Erstellen Sie Balkendiagramme, Streudiagramme, Histogramme und Liniendiagramme.
   Verwenden Sie Heatmaps und Pair-Plots für Korrelationsanalysen.
   Passen Sie Diagramme mit Anmerkungen, Beschriftungen und Themen an.
   Fortgeschrittene Visualisierungstechniken
   Erkunden Sie interaktive Visualisierungen mit Plotly und Dash.
   Erstellen Sie Echtzeit-Dashboards für die dynamische Datenanalyse.
   Arbeiten Sie mit georäumlichen und mehrdimensionalen Visualisierungen.
   Techniken des Data Storytelling
   Lernen Sie, wie Sie eine überzeugende Erzählung mit Daten erstellen.
   Verstehen Sie die Bedeutung von Kontext, Klarheit und Zielgruppe.
   Verwenden Sie Farbtheorie, Typografie und Designprinzipien, um das Storytelling zu verbessern.
   Integration von Datenvisualisierungen in Berichte und Dashboards
   Betten Sie Visualisierungen in PowerPoint, PDFs und Webanwendungen ein.
   Lernen Sie, Tableau, Power BI und Google Data Studio für das Storytelling mit Daten zu nutzen.
   Entwickeln Sie interaktive Berichte für Stakeholder und Geschäftspräsentationen.
   Praktische Datenvisualisierung und Storytelling-Projekte
   Wenden Sie Visualisierungstechniken auf reale Datensätze an.
   Arbeiten Sie an Fallstudien und Projekten, um wichtige Erkenntnisse zu vermitteln.
   Erstellen Sie eine datengesteuerte Geschichte mit Python-Visualisierungstools.
   Der Kurs Datenvisualisierung umfasst Techniken wie interaktive Visualisierungen, die mit Tools wie Matplotlib, Seaborn und Plotly umgesetzt werden.

1. 1

   Aachen

   19.10.2026 · Blended Learning · Vollzeit · bis 1 Monat · über 10.000 €

2. 2

   Bielefeld

   19.10.2026 · Blended Learning · Vollzeit · bis 1 Monat · über 10.000 €

3. 3

   Bonn

   19.10.2026 · Blended Learning · Vollzeit · bis 1 Monat · über 10.000 €

4. 4

   Dresden

   19.10.2026 · Blended Learning · Vollzeit · bis 1 Monat · über 10.000 €

5. 5

   Duisburg

   19.10.2026 · Blended Learning · Vollzeit · bis 1 Monat · über 10.000 €

Förderwege

Wer deinen Kurs zahlt

Brutto im Monat

Mitte und Viertel bundesweit

3 Schritte vom Kurs in den Beruf

1. 1

   Vorhersagen aus Daten bauen

   Du trainierst Modelle, die etwa Nachfrage, Maschinenausfälle oder Kündigungen vorhersagen, und misst ihre Güte mit Daten, die das Modell vorher nicht gesehen hat. Dabei lernst du auch, wann ein einfaches lineares Modell genügt. Beispiel: Ein Händler plant mit deinem Modell die Bestellmenge für die nächste Saison.

2. 2

   Datenpipelines und Cloud

   Die Kombikurse mit Data Engineering zeigen, wie Daten aus Datenbanken, Logdateien und Schnittstellen automatisch in eine Analyseumgebung fließen. Cloud-Data-Science-Kurse ergänzen SQL-Datenbanken und Rechenleistung auf Abruf. Beispiel: Du richtest eine Pipeline ein, die Sensordaten einer Maschine stündlich bereinigt und speichert.

3. 3

   Modelle erklären und verantworten

   Du prüfst Trainingsdaten auf Verzerrungen und fehlende Werte und machst nachvollziehbar, welche Merkmale ein Ergebnis treiben. Bei Entscheidungen über Menschen, etwa zu Krediten oder Bewerbungen, achtest du zusätzlich auf Datenschutz und Gleichbehandlung. Beispiel: Du zeigst dem Vertrieb, welche Merkmale die Vorhersage eines Kündigungsrisikos am stärksten beeinflussen.

Themen

Arbeitsmarkt

Data Scientist bundesweit in Zahlen