Data Scientist und Data Engineer mit Python und KI

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
   Schöpfen Sie als Data Scientist aus unstrukturierten Rohdaten eine strukturierte Datenbasis. Schaffen mit sie mit sauberer Analytik klare und wichtige Entscheidungsgrundlagen für das Unternehmen.
2. 2

   Die Trainingsinhalte im Überblick

   Modul 1

3. 3

   AZ-900 Microsoft Azure Grundlagen

   Erlangen Sie grundlegende Kenntnisse über die wichtigsten Azure-Konzepte.

4. 4

   Behandelt werden

   Azure-Kernservices
   Kernlösungen und Management-Tools
   allgemeine Sicherheit und Netzwerksicherheit
   Zertifizierung: Microsoft Azure Grundlagen
   Modul 2

5. 5

   DP-900 Microsoft Azure Daten Grundlagen

   Sie lernen die Grundlagen von Datenbankkonzepten in einer Cloud-Umgebung kennen, erhalten grundlegende Kenntnisse in Cloud-Daten-Services und bauen grundlegende Kenntnisse über Cloud-Daten-Services in Microsoft Azure auf.
   Zertifizierung: Microsoft Azure Daten Grundlagen
   Modul 3
   DP-100 Azure Data Scientist
   Erwerben Sie das erforderliche Wissen über die Verwendung von Azure-Diensten zum Entwickeln, Trainieren und Bereitstellen von Machine Learning-Lösungen, wie z.B. Data Science-Dienste von Azure um die Data Science-Pipeline zu automatisieren.
   Zertifizierung: Microsoft Azure Data Scientist
   Modul 4

6. 6

   DP-203 Azure Data Engineer

   In diesem Kurs lernen Sie die Data Engineering-Muster und Praktiken im Zusammenhang mit der Arbeit mit Batch- und Echtzeitanalyselösungen unter Verwendung von Azure-Datenplattformtechnologien kennen.
   Zertifizierung: Microsoft Azure Data Engineer
   Modul 5
   Python 3 Essentials und Data Science Dieser Kurs bietet einen Einstieg in das Schreiben und Ausführen von Python-Skripts, er ist für Anfänger wie auch fortgeschrittenere Nutzer gleichermaßen geeignet. Behandelt werden beispielsweise: Variablen, Funktionen, Datentypen, Fehlersuche und reguläre Ausdrücke.
   Zertifizierung: New Horizons Teilnahmezertifikat
   Modul 6
   AI-901 Azure AI Fundamentals
   Zertifizierung: Microsoft Azure AI Fundamentals
   Modul 7
   EXIN® Agile Scrum Foundation
   Mit der EXIN® Agile Scrum Foundation Zertifizierung stellen Sie Ihr Wissen und Fähigkeiten unter Beweis, Agile- und Scrum- Frameworks Praktiken erfolgreich und zielführend anwenden zu können.
   Zertifizierung: EXIN® Agile Scrum Foundation
   Modul 8

7. 7

   EXIN Kanban Foundation Kanban

   ist eine Methode der Produktionsprozesssteuerung. Ziel der Kanban-Methode ist es, die Wertschöpfungskette auf jeder Fertigungs-/Produktionsstufe einer mehrstufigen Integrationskette kostenoptimal zu steuern.
   Zertifizierung: EXIN Kanban Foundation
   Dieses Training kann ebenfalls um weitere technische Inhalte oder um Trainings im Projekt- oder Prozessmanagement ergänzt werden.
   Prüfungsvorbereitung: Trainingsunterlagen, Musterexamentools
   Mögliche Jobprofile: Data Scientist, Data Analyst, BI-Entwickler

1. 1

   Passau

   28.09.2026 · Blended Learning · Vollzeit · 3–6 Monate · 1.000–5.000 €

2. 2

   Passau

   28.09.2026 · Blended Learning · Teilzeit · 6–12 Monate · 1.000–5.000 €

3. 3

   München

   30.09.2026 · Blended Learning · Vollzeit · 3–6 Monate · 1.000–5.000 €

4. 4

   München

   30.09.2026 · Blended Learning · Teilzeit · 6–12 Monate · 1.000–5.000 €

5. 5

   Regensburg

   03.10.2026 · Blended Learning · Teilzeit · 6–12 Monate · 1.000–5.000 €

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