Bitte wählen Sie die Bereiche, die Sie exportieren möchten:
Schulung CompTIA DataAI (DY0-001): Zertifizierungsvorbereitung
Schulungsformen
Inhouse-/Firmenschulung
- 5 Tage - anpassbar
- Termin nach Wunsch
- In Ihrem Hause oder bei der GFU
- Preis nach Angebot
- Lernumgebung in der Cloud
- Inhalte werden auf Wunsch an die Anforderungen Ihres Teams angepasst.
Beschreibung
Bei Interesse an einem passenden CompTIA Kurs, werfen Sie einen Blick auf unser gesamtes Portfolio.
Schulungsziel
Wer das Seminar besucht hat, kann die Prüfung CompTIA DataAI (DY0-001) fundiert ablegen und seine Data-Science-Expertise nachweisen: die mathematischen und statistischen Grundlagen sicher anwenden, Modelle entwickeln, bewerten und ihre Ergebnisse verantwortungsvoll interpretieren, das maschinelle Lernen einschließlich Deep Learning und produktivem Betrieb beherrschen, den Data-Science-Lebenszyklus mit MLOps, Datenpipelines und Modellüberwachung überblicken, rechtliche und ethische Anforderungen berücksichtigen und spezialisierte Anwendungen wie NLP, Computer Vision und Anomalieerkennung einordnen - über alle fünf Prüfungsdomänen hinweg.
Details
Inhalt
- Ziele und Erwartungen der Teilnehmenden
- Klärung individueller Lernziele und Erwartungen für ein praxisnahes und relevantes Seminar
- Tag 1: Mathematik und Statistik als Fundament
- 1. Mathematische Grundlagen der Data Science
- Zentrale Konzepte aus linearer Algebra und Analysis im Data-Science-Kontext
- Wahrscheinlichkeitsrechnung und ihre Rolle in Modellen
- Verteilungen und ihre Bedeutung
- 2. Statistische Methoden
- Deskriptive und schließende Statistik
- Hypothesentests und Signifikanz
- Statistische Fallstricke und ihre Vermeidung
- 3. Von der Fragestellung zur Analyse
- Datenverständnis und explorative Datenanalyse
- Merkmalsauswahl und -aufbereitung
- Umgang mit Unsicherheit und Verzerrung
- Praxis-Übung (Tag 1): Einen realen Datensatz explorativ und statistisch analysieren, geeignete Verfahren begründet auswählen und die Ergebnisse gegen typische statistische Fehlerquellen prüfen - in der Tiefe, die die performance-based Aufgaben verlangen.
- Tag 2: Modellierung, Analyse und Ergebnisbewertung
- 4. Modelle entwickeln
- Modellierungsansätze und ihre Auswahl
- Überwachtes und unüberwachtes Lernen im Überblick
- Modellannahmen und ihre Grenzen
- 5. Modelle bewerten
- Bewertungsmetriken und ihre richtige Wahl
- Über- und Unteranpassung erkennen und behandeln
- Validierungsstrategien
- 6. Ergebnisse interpretieren und kommunizieren
- Ergebnisse einordnen und ihre Aussagekraft beurteilen
- Erklärbarkeit und Nachvollziehbarkeit von Modellen
- Verantwortungsvoller Umgang mit Modellergebnissen
- Praxis-Übung (Tag 2): Mehrere Modelle für eine Aufgabenstellung entwickeln, mit geeigneten Metriken vergleichen, Über- und Unteranpassung diagnostizieren und die Modellwahl begründet verteidigen.
- Tag 3: Grundlagen und Anwendung des maschinellen Lernens
- 7. Maschinelles Lernen vertiefen
- Zentrale Algorithmen und ihre Einsatzfelder
- Ensemble-Methoden und fortgeschrittene Verfahren
- Hyperparameter und Modelloptimierung
- 8. Neuronale Netze und Deep Learning
- Grundlagen tiefer neuronaler Netze
- Typische Architekturen und ihre Anwendung
- Wann Deep Learning trägt - und wann nicht
- 9. Modelle produktiv machen
- Vom Prototyp zum produktiven Modell
- Modelle bereitstellen und versionieren
- Überwachung und Pflege im Betrieb
- Praxis-Übung (Tag 3): Ein Machine-Learning-Modell für ein vorgegebenes Szenario auswählen, optimieren und für die Bereitstellung vorbereiten - mit begründeten Entscheidungen zu Verfahren, Hyperparametern und Validierung.
- Tag 4: Data-Science-Operations und -Prozesse
- 10. Der Data-Science-Lebenszyklus
- Von der Fragestellung über das Modell bis zum Betrieb
- Prozessmodelle und ihre praktische Anwendung
- Zusammenarbeit im Data-Science-Team
- 11. MLOps und produktiver Betrieb
- MLOps-Grundlagen und ihre Bausteine
- Datenpipelines und Automatisierung
- Modelle überwachen: Drift, Qualität, Wiederholbarkeit
- 12. Daten, Recht und Verantwortung
- Datenschutz und rechtliche Rahmenbedingungen
- Verzerrung, Fairness und Transparenz
- Verantwortungsvolle Data Science in der Praxis
- Praxis-Übung (Tag 4): Für ein produktives Modell einen Betriebs- und Überwachungsplan entwerfen - Pipeline, Drift-Erkennung, Qualitätssicherung - und die Verantwortungs- und Compliance-Aspekte benennen.
- Tag 5: Spezialisierte Anwendungen und Prüfungsvorbereitung
- 13. Sprache und Text
- Natürliche Sprachverarbeitung (NLP) im Überblick
- Sprachmodelle und ihre Anwendung
- Typische Aufgaben und Verfahren
- 14. Bild und weitere spezialisierte Anwendungen
- Computer Vision und Bildverarbeitung
- Anomalieerkennung
- Weitere spezialisierte Anwendungsfelder der Data Science
- 15. Gezielte Prüfungsvorbereitung
- Überblick über alle fünf Domänen und ihre Gewichtung
- Aufbau der Prüfung: Multiple-Choice und performance-based Aufgaben, Zeitrahmen
- Prüfungsstrategie für ein Bestanden/Nicht-bestanden-Format
- Probefragen und Besprechung
- Praxis-Übung (Tag 5, Peer-Review): Eine Probeprüfung unter realistischen Bedingungen bearbeiten, anschließend die Ergebnisse gemeinsam auswerten, verbliebene Lücken je Domäne identifizieren und mit einer anderen teilnehmenden Person die anspruchsvollen performance-based Aufgaben durchsprechen.
Zielgruppe & Vorkenntnisse
- Erfahrene Data Scientists, die ihre Expertise zertifizieren lassen wollen
- Machine-Learning-Engineers mit mehrjähriger Praxis
- Analytics- und KI-Fachkräfte, die den gesamten Data-Science-Lebenszyklus verantworten
- Data-Science-Verantwortliche, die anspruchsvolle Modelle und Prozesse in Produktion bringen
Ihre Schulung
In Präsenz | Online |
|---|---|
| Lernmethode | |
Ausgewogene Mischung aus Theorie und praktischen Übungen auf persönlichem Schulungs-PC. | Wie auch bei unseren Präsenz-Seminaren: Ausgewogene Mischung aus Theorie und praktischen Übungen. Trainer durchgehend präsent. |
| Unterlagen | |
Seminarunterlagen oder Fachbuch inklusive. Das Fachbuch wählt der Trainer passend zum Seminar aus - Ihren individuellen Buch-Wunsch berücksichtigen wir auf Nachfrage gerne. | Seminarunterlagen oder Fachbuch inklusive (via DHL). Das Fachbuch wählt der Trainer passend zum Seminar aus - Ihren individuellen Buch-Wunsch berücksichtigen wir auf Nachfrage gerne. |
| Arbeitsmaterialien | |
Din A4 Block, Notizblock, Kugelschreiber, USB-Stick, Textmarker, Post-its | |
| Teilnahmezertifikat | |
Nach Abschluss des Seminars erhalten Sie das Teilnahmezertifikat inkl. Inhaltsverzeichnis per E-Mail als PDF. | |
Organisation
In Präsenz | Online | |
|---|---|---|
| Teilnehmendenzahl | ||
min. 1, max. 8 Personen | ||
| Garantierte Durchführung * | ||
Ab 1 Teilnehmenden | ||
| Schulungszeiten | ||
| ||
| Ort der Schulung | ||
 GFU SchulungszentrumAm Grauen Stein 27 51105 Köln-Deutz oder online im Virtual Classroom oder europaweit bei Ihnen als Inhouse-Schulung Um ein optimales Raumklima zu gewährleisten, haben wir das Schulungszentrum mit 17 hochmodernen Trotec TAC V+ Luftreinigern ausgestattet. Diese innovative Filtertechnologie (H14 zertifiziert nach DIN EN1822) sorgt dafür, dass die Raumluft mehrfach pro Stunde umgewälzt wird und Schadstoffe zu 99.995% im HEPA-Filter abgeschieden und infektiöse Aerosole abgetötet werden. Zusätzlich sind alle Räume mit CO2-Ampeln ausgestattet, um jederzeit eine hervorragende Luftqualität sicherzustellen. | ||
| Räumlichkeiten | ||
Helle und modern ausgestattete Räume mit perfekter Infrastruktur | Bequem aus dem Homeoffice von überall | |
| All-Inclusive | ||
Frühstück, Snacks und Getränke ganztägig, Mittagessen im eigenen Restaurant, täglich 6 Menüs, auch vegetarisch | Eine Auswahl unserer Frühstücks-Snacks und Nervennahrungs-Highlights senden wir Ihnen mit den Seminarunterlagen via DHL zu. | |
| Barrierefreiheit | ||
Das GFU-Schulungszentrum (Am Grauen Stein 27) ist barrierefrei | - | |
Kostenfreie Services
In Präsenz | Online |
|---|---|
|
|
Buchungsmöglichkeiten
Online oder in Präsenz teilnehmen
Sie können sowohl Online als auch in Präsenz am Seminar teilnehmen. Klicken Sie bei Ihrer Buchung oder Anfrage einfach die entsprechende Option an.
- Lernumgebung in der Cloud
- Inhalte werden auf Wunsch an die Anforderungen Ihres Teams angepasst.
Was bedeutet Offene Schulung und Inhouse Schulung?
Bei einer offenen Schulung stehen Ort und Termin vorab fest. Jeder Interessent kann eine offene Schulung buchen, daher treffen Teilnehmer aus verschiedenen Unternehmen aufeinander.
Inhouse Schulungen können auf Ihren individuellen Schulungsbedarf zugeschnitten werden. Sie bestimmen den Teilnehmerkreis, Termin und Schulungsort.
Ist eine Inhouse Schulung die richtige Wahl?
Bei einer Inhouse Schulung gehen wir auf die individuellen Bedürfnisse Ihres Unternehmens ein und decken den Schulungsbedarf direkt bei Ihnen im Unternehmen ab.
Das spart Zeit und Geld und sorgt für einen schnellen Wissenstransfer Ihrer Mitarbeiter.
Wer kümmert sich um die Technik bei Inhouse Schulungen?
Eine komplette Lernumgebung in der Cloud mit Remote Zugriff ist für uns selbstverständlich. Sie müssen sich um nichts kümmern. Lediglich ein funktionierender PC oder Notebook mit Internetanschluss sollte für jeden Teilnehmer am Schulungstag bereit stehen.
Vorteile einer Inhouse Schulung
- Kompetente Seminarberatung
- Dozenten aus der Praxis
- Auf Ihre Bedürfnisse zugeschnittener individueller Lernstoff
- Sie können den Termin flexibel gestalten, so wie es für Sie am besten passt
- Unsere Inhouse Schulungen können Europaweit durchgeführt werden
- Der Fokus liegt auf Ihrem Schulungsbedarf, somit schonen Sie Ihr Budget
- Wissenslücken Ihrer Mitarbeitet werden schnell geschlossen