Suche

CompTIA DataAI

  • 2 Tage
  • Experte
  • Deutsch
  • 1.390 € zzgl. MwSt.
  • Bescheinigung und digitales Badge
Termin & Ort wählenAlle Termine

Worum es geht

In dieser 2-tägigen Schulung "CompTIA DataAI" erhalten Sie einen umfassenden Einblick in die zentralen Methoden, Konzepte und Anwendungen der modernen Data Science und Künstlichen Intelligenz. Ziel der Schulung ist es, Sie in die Lage zu versetzen, Daten analytisch zu verstehen, aussagekräftige Modelle zu entwickeln und die Ergebnisse professionell zu kommunizieren. Dabei werden grundlegende mathematische und statistische Methoden vermittelt, darunter Wahrscheinlichkeitsrechnung, lineare Algebra, Analysis sowie zeitbasierte Modelle, um Daten korrekt zu modellieren und zu interpretieren.

Darüber hinaus lernen Sie praxisorientierte Techniken der Datenexploration und -aufbereitung kennen, einschließlich Feature Engineering, Skalierung, Datenanreicherung und Umgang mit typischen Datenproblemen wie Ausreißern oder fehlenden Werten. Ein Schwerpunkt liegt auf der Anwendung von Machine-Learning-Methoden, sowohl im überwachten als auch im unüberwachten Lernen, einschließlich Deep Learning, Entscheidungsbäumen, Clustering und Dimensionsreduktion.

Ein weiterer Fokus der Schulung liegt auf den organisatorischen und technischen Prozessen der Datenanalyse, einschließlich Data Ingestion, Data Wrangling, DevOps- und MLOps-Praktiken sowie verschiedenen Deployment-Umgebungen. Abgerundet wird die Schulung durch spezialisierte Anwendungen der Data Science, wie Optimierung, Natural Language Processing (NLP), Computer Vision und fortgeschrittene Analysen, um Ihnen praxisnahe Einsatzmöglichkeiten für unterschiedliche Geschäftsszenarien zu vermitteln.

Nach Abschluss der Schulung sind Sie in der Lage, datenbasierte Problemstellungen systematisch zu analysieren, geeignete Modelle zu entwickeln, deren Ergebnisse verständlich zu präsentieren und die erlernten Methoden in realen Projekten anzuwenden.

Für wen

  • Data Scientist

Inhalte

Mathematik und Statistik
  • Statistische Tests wie t-Tests, Chi-Quadrat-Tests und ANOVA für passende Analysefragen auswählen und anwenden
  • Hypothesen und Modellergebnisse anhand geeigneter statistischer Kennzahlen bewerten
  • Wahrscheinlichkeitsverteilungen, Stichprobenverfahren und fehlende Daten bei der Modellierung berücksichtigen
  • Lineare Algebra und Differentialrechnung als mathematische Grundlagen für Data Science verstehen
  • Zeitreihenmodelle, Survival Analysis und kausale Schlussfolgerungen vergleichen
Modellierung, Analyse und Ergebnisse
  • Daten mit Exploratory Data Analysis untersuchen und relevante Merkmale und Zusammenhänge erkennen
  • Datenprobleme wie Ausreißer, Saisonalität, Nichtlinearität und unterschiedliche Granularität analysieren
  • Datensätze durch Feature Engineering, Skalierung, Transformation und Geocoding anreichern
  • Modelle iterativ entwickeln, bewerten, auswählen und validieren
  • Modellentscheidungen anhand von Experimenten, Testergebnissen und Geschäftsanforderungen begründen
  • Ergebnisse mit aussagekräftigen und zugänglichen Visualisierungen verständlich kommunizieren
Machine Learning
  • Modellqualität mit Loss Functions, Regularisierung, Cross-Validation und Hyperparameter Tuning verbessern
  • Overfitting, Underfitting und Data Leakage erkennen und berücksichtigen
  • Verfahren des überwachten Lernens für Regression und Klassifikation auswählen
  • Entscheidungsbäume, Random Forests, Boosting und Bagging vergleichen und einsetzen
  • Deep-Learning-Konzepte wie neuronale Netze, Dropout, Batch Normalization und Backpropagation verstehen
  • Clustering, Dimensionsreduktion und Singular Value Decomposition für die Datenanalyse einordnen
Operations und Prozesse
  • Geschäftsanforderungen und KPIs in geeignete Data-Science-Lösungen übersetzen und Compliance berücksichtigen
  • Generierte, synthetische und öffentlich verfügbare Daten hinsichtlich ihrer Einsatzmöglichkeiten bewerten
  • Data Ingestion mit Pipelines, Streaming, Batch-Verarbeitung und Data Lineage strukturieren
  • Daten mit Data Wrangling bereinigen, zusammenführen und durch Imputation und Ground Truth Labeling aufbereiten
  • Den Data Science Lifecycle mit Versionsverwaltung, Clean Code, Dokumentation und Unit Tests unterstützen
  • DevOps- und MLOps-Prinzipien für CI/CD, Model Deployment, Container-Orchestrierung und Performance Monitoring einordnen
  • Cloud-, Hybrid-, Edge- und On-Premises-Umgebungen für die Bereitstellung vergleichen
Spezialisierte Anwendungen der Data Science
  • Optimierungsverfahren mit und ohne Nebenbedingungen für unterschiedliche Problemstellungen vergleichen
  • Natural Language Processing mit Tokenization, Embeddings, TF-IDF und Topic Modeling verstehen
  • Computer-Vision-Verfahren wie OCR, Objekterkennung, Tracking und Data Augmentation einordnen
  • Einsatzmöglichkeiten von Graphanalysen, Reinforcement Learning, Fraud Detection, Anomalieerkennung und Signalverarbeitung bewerten

Voraussetzungen

Für eine optimale Teilnahme am Kurs empfehlen wir folgende Vorkenntnisse:

  • 5 Jahre Erfahrung im Bereich Data Science oder einer ähnlichen Rolle werden empfohlen

Methode

Die Schulung bietet Ihnen eine ausgewogene Mischung aus Theorie und Praxis in einer erstklassigen Lernumgebung. Profitieren Sie vom direkten Austausch mit unseren projekterfahrenen Trainern und anderen Teilnehmern, um Ihren Lernerfolg zu maximieren.

Zertifizierung

Dieser Kurs bereitet Sie auf die CompTIA-DataAI-Zertifizierungsprüfung vor. Die Prüfungsgebühr ist nicht im Seminarpreis enthalten.

Informationen zur Prüfung

  • Anzahl der Fragen: maximal 90
  • Frageformate: Multiple-Choice
  • Prüfungsdauer: 165 Minuten
  • Prüfungsbewertung: bestanden oder nicht bestanden; keine skalierte Punktzahl
  • Empfohlene Erfahrung: mindestens fünf Jahre praktische Erfahrung als Data Scientist
  • Sprachen: Englisch

Weitere Infos unter: [Prüfungs- und Zertifizierungsinformationen von CompTIA](https://www.comptia.org/en-us/certifications/dataai/)

Im Preis enthalten

  • Offizielle CompTIA-Unterlage (digital, engl.)
  • Offizielle Schulungsumgebung (LAB)
  • Teilnahmebescheinigung und digitales Badge

Termine & Orte

Offener Kurs · 1.390 € pro Person zzgl. MwSt. Klicken Sie auf einen Ort, um genau diesen Termin anzufragen.

Termine und Orte werden täglich aus dem Seminarkatalog aktualisiert, zuletzt am 21.10.2026.

Lassen Sie uns über Ihr Projekt sprechen.

Unverbindliches Erstgespräch zu Beratung, Projekt oder Schulung.

Gespräch anfrageninfo@digitalhealthexperts.de