Datenanalyse und Daten­visualisierung in SQL, Pandas

Passt der Kurs zu dir?

1. 1
   Logisches Denken in Mengen und Beziehungen, denn mit SQL beschreibst du, welche Daten du brauchst, nicht den Weg dorthin.
2. 2
   Eine Übungsdatenbank, etwa eine lokale MySQL- oder SQL-Server-Installation, in der du Tabellen anlegen, ändern und löschen darfst.
3. 3
   Für Administrationskurse Grundkenntnisse in Windows Server oder Linux, weil du Dienste, Speicherplatz und Rechte des Datenbankservers dort einrichtest.

Das lernst du

1. 1
   Datenanalyse und Datenvisualisierung in SQL, Pandas
2. 2
   Diese Schulung soll ein tiefgreifendes Verständnis der grundlegenden Konzepte und fortgeschrittenen Techniken vermitteln, die für Datenwissenschaft und -analyse erforderlich sind. Sie vermittelt Kenntnisse in Datenwissenschaft, maschinellem Lernen (ML), Deep Learning, Python, Datenmodellierung und Datenvisualisierung.
3. 3

   Einführung in die Datenwissenschaft und Python

   Überblick über Datenwissenschaft und die Rolle eines Datenwissenschaftlers bei der Lösung von Geschäftsproblemen
   Einführung in Python für die Datenanalyse und wichtige Bibliotheken wie Pandas und NumPy
   Verständnis der Verbindung zwischen maschinellem Lernen und Datenwissenschaft
   Einrichtung der Umgebung für Datenwissenschaftsprojekte mit Python und Jupyter Notebooks

4. 4

   SQL für Datenwissenschaftler

   Einführung in SQL zur Abfrage und Verwaltung von Daten in relationalen Datenbanken
   Schreiben von SQL-Abfragen zum Filtern, Aggregieren und Bearbeiten von Daten
   Verwendung von SQL zur Unterstützung der Datenanalyse und Integration mit Python zur Datenextraktion
   Bewährte Verfahren zur Optimierung von SQL-Abfragen für große Datensätze

5. 5

   Explorative Datenanalyse (EDA) mit Pandas

   Verwendung von Pandas zur Datenbereinigung und -vorbereitung in Data Science-Projekten
   Anwendung von EDA-Techniken zur Zusammenfassung und Visualisierung von Daten
   Muster und Erkenntnisse mit Matplotlib und Seaborn identifizieren
   Daten für Machine Learning-Modelle durch EDA vorbereiten

6. 6

   Datenpräsentation und -kommunikation

   Datenerkenntnisse mithilfe von Visualisierungen effektiv an Interessengruppen kommunizieren
   Data Science für Entscheidungsfindung und Geschäftswert nutzen
   Bewährte Verfahren für die Präsentation von Daten in klaren, umsetzbaren Formaten
   Prägnante Berichte schreiben und Präsentationen zu Ergebnissen der Datenanalyse halten
   Der Kurs fokussiert Datenanalyse und Datenvisualisierung in SQL und Pandas und vertieft Datenanalyse und Datenvisualisierung durch EDA, Matplotlib, Seaborn sowie Integration von SQL-Abfragen in Python und Jupyter Notebooks.

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

Was dir die Qualifikation beruflich bringt

1. 1

   Saubere Datenmodelle entwerfen

   Du lernst Normalisierung, Primär- und Fremdschlüssel und Entity-Relationship-Diagramme. Ein gutes Modell verhindert, dass sich eine Kundenadresse an mehreren Stellen widerspricht. Beispiel: Du überführst die Kundenliste eines Handwerksbetriebs in Tabellen für Kunden, Aufträge und Rechnungen.

2. 2

   Abfragen für andere Teams

   Mit sicherem SQL beantwortest du Fragen aus Vertrieb oder Controlling direkt in der Datenbank, statt Exporte zu verschicken. Views und Berechtigungen sorgen dafür, dass jedes Team nur die Spalten sieht, die es braucht. Beispiel: Du legst für die Buchhaltung eine View an, die offene Posten zeigt, aber keine Bankverbindungen.

3. 3

   Daten sichern und wiederherstellen

   Administrationskurse üben Backups, die Wiederherstellung auf einen bestimmten Zeitpunkt und die Rechtevergabe über Rollen. Damit übernimmst du Verantwortung für die Verfügbarkeit der Geschäftsdaten. Beispiel: Du testest jeden Monat, ob sich die Sicherung der Warenwirtschaft auf einem Testserver vollständig einspielen lässt.

Themen