Kurs: Data Engineer - Konzepte für maschinelles Lernen

Kursbeschreibung

Der Kurs ,,Data Engineer - Konzepte für maschinelles Lernen" vermittelt praxisnah die Grundlagen und fortgeschrittenen Konzepte für den Aufbau, die Verwaltung und die Optimierung von Datenpipelines, die speziell für Machine Learning (ML) genutzt werden. Teilnehmende lernen, wie Daten effizient vorbereitet, strukturiert und für Trainings- und Vorhersagemodelle nutzbar gemacht werden. Ziel ist es, die technische Basis für den erfolgreichen Einsatz von Machine Learning im Unternehmenskontext zu schaffen.

Zielgruppe
Data Engineers, Data Scientists, IT-Fachkräfte sowie Entwickler:innen, die sich im Bereich Datenmanagement und maschinelles Lernen spezialisieren möchten.

Kursniveau
Von Fortgeschritten bis Profi

Vorkenntnisse & empfohlene Vorkurse
Gute Kenntnisse in SQL, Python und Datenbanken sind empfohlen. Grundkenntnisse in Cloud-Technologien (Azure oder AWS) erleichtern den Einstieg.

Grundlagen von Datenpipelines für ML

Teilnehmende lernen, wie Datenpipelines aufgebaut und optimiert werden. Der Fokus liegt auf Datenqualität, Skalierbarkeit und der Integration in ML-Workflows. Praxisbeispiel: Aufbau einer Pipeline für Kundendaten zur Prognose von Abwanderungen.

  • Aufbau von Datenpipelines
  • Datenqualität und Skalierbarkeit
  • Integration in ML-Workflows
  • Praxisbeispiel Kundenabwanderung

Datenmanagement in Azure - Microsoft DP-900

Es werden grundlegende Datenbank- und Datenmanagement-Konzepte vermittelt. Praxisbeispiel: Nutzung von Azure SQL für die Vorverarbeitung von Trainingsdaten.

  • Microsoft DP-900 Azure Data Fundamentals
  • Relationale & NoSQL-Datenbanken
  • Datenmanagement in Azure
  • Praxisbeispiel Trainingsdaten

Big Data & Data Engineering - Microsoft DP-203

In diesem Modul lernen Teilnehmende, wie Daten im großen Maßstab gespeichert, verarbeitet und für ML-Anwendungen nutzbar gemacht werden. Praxisbeispiel: Verarbeitung von Logdaten mit Azure Data Lake.

  • Microsoft DP-203 Data Engineering on Microsoft Azure
  • Big Data Konzepte
  • Verarbeitung in Azure Data Lake
  • Praxisbeispiel Logdaten

Einführung in Künstliche Intelligenz - Microsoft AI-900

Die Teilnehmenden erhalten eine Einführung in Konzepte und Anwendungsfelder der KI. Praxisbeispiel: Nutzung von Cognitive Services für Bildklassifikation.

  • Microsoft AI-900 Azure AI Fundamentals
  • Grundlagen der KI in der Cloud
  • Cognitive Services
  • Praxisbeispiel Bildklassifikation

Entwicklung von KI-Lösungen - Microsoft AI-102

Es wird vermittelt, wie ML- und KI-Lösungen mit Azure entwickelt und implementiert werden. Praxisbeispiel: Aufbau eines Chatbots mit Azure Cognitive Services.

  • Microsoft AI-102 Azure AI Engineer Associate
  • Entwicklung von KI-Lösungen
  • Nutzung von Cognitive Services
  • Praxisbeispiel Chatbot

Zusatzinformationen

Der Kurs ist AZAV-zertifiziert, über Bildungsgutschein und Qualifizierungschancengesetz (QCG) förderbar.
Er eignet sich sowohl für Einzelpersonen als auch für B2B-Kund:innen. Durchführung über New Horizons (München, Stuttgart, Nürnberg) sowie learn2program.de.

Alle Kurse können deutschlandweit online belegt werden. Viele unserer Kurse finden auf Deutsch und/oder auf Englisch statt.

Fazit

Die Weiterbildung ,,Data Engineer - Konzepte für maschinelles Lernen" qualifiziert die Teilnehmenden, Datenpipelines aufzubauen, ML-Anwendungen vorzubereiten und KI-gestützte Lösungen mit Microsoft Azure umzusetzen. Mit DP-900, DP-203, AI-900 und AI-102 erwerben sie ein praxisorientiertes Kompetenzprofil im Data Engineering für Machine Learning.