Data Science und Machine Learning mit Python (April 2026)

VERANSTALTUNGSORT: ONLINE (Webinar)

Daten sind das „Öl des 21. Jahrhunderts“ – diese oft zitierte Metapher beschreibt eindrücklich, wie zentral Daten in Wirtschaft, Verwaltung und Forschung geworden sind. Unternehmen, Behörden, Institutionen und Organisationen stehen heute vor der Herausforderung, aus der stetig wachsenden Menge an Informationen echten Mehrwert zu gewinnen. Genau hier setzt Data Science an: die systematische Analyse, Aufbereitung und Nutzung von Daten, um fundierte Entscheidungen zu treffen, Prozesse zu optimieren und Innovationen voranzutreiben.

Data Science ist eine Querschnittsdisziplin und wird nicht nur in Unternehmen und Behörden erfolgreich eingesetzt, sondern auch in anderen Bereichen wie z.B. in der Medizin, im Bildungswesen und Medienbereich sowie in sozial- und naturwissenschaftlichen Berufsfeldern.

Zielgruppe des Seminars sind Interessierte am Thema mit Grundkenntnissen in der Programmierung mit Python (Variablen, Standardfunktionen, individuelle Funktionen sowie Kontrollstrukturen wie if-Bedingung und Schleifen).

Warum Python für Data Science und Machine Learning lernen allein nicht ausreicht:

Data Science und Machine Learning mit Python zu erlernen, ist vergleichbar mit dem Erlernen des Kochens: Wer nur weiß, wie man einen Herd bedient und ein Messer benutzt, kann zwar Zutaten verarbeiten – aber noch kein überzeugendes Gericht servieren.

Genauso verhält es sich mit Data Science: Das Beherrschen von Python für Data Science und Machine Learning ist notwendig, aber allein nicht ausreichend. Erst das methodische Verständnissorgt dafür, dass Modelle nicht nur funktionieren, sondern auch belastbar, reproduzierbar und interpretierbar sind.

Das Seminar vermittelt nicht nur, wie man Daten mit Python analysiert und Machine Learning Modelle entwickelt, sondern vor allem,

• wann welche Methoden sinnvoll einsetzbar sind,
• wie Modelle korrekt bewertet und optimiert werden,
• und worauf es ankommt, damit Data-Science-Projekte den Weg in die Praxis finden und dort echte Mehrwerte schaffen.

Der besondere Mehrwert dieses Seminars liegt daher in seiner Praxisorientierung. Die Teilnehmenden arbeiten an konkreten Fallbeispielen, die sich an realen Herausforderungen aus Wirtschaft, Verwaltung und anderen Berufsfeldern, in denen Daten für den Erkenntnisgewinn genutzt werden, zu orientieren. Dabei wird stets der Bezug zur beruflichen Umsetzbarkeit hergestellt. Viele Seminare zu Data Science und Machine Learning werden von ausgebildeten Programmierern oder IT-Spezialisten angeboten, die sich zu diesen datenanalytischen Methoden und Techniken (selbst) theoretisch weitergebildet haben, dies auch gut beherrschen, jedoch wenig Erfahrung in der Umsetzung in der beruflichen Praxis haben. Diese sind jedoch essentiell, damit das Erlernte für Sie keine “akademische Übung” bleibt, sondern in Ihrem beruflichen Umfeld gewinnbringend eingesetzt werden kann. Hier profitieren Sie von den wertvollen praktischen Erfahrungen des Seminarleiters, der hierzu die “SUCCESS-Formel” für den erfolgreichen Einsatz von Machine Learning im beruflichen Umfeld entwickelt hat.

Für das Seminar benötigen Sie einen Laptop oder PC mit Windows- oder Mac-Betriebssystem, einen Browser und Mikrofon. Eine Kamera ist nicht zwingend erforderlich. Nach der Anmeldung zum Seminar erhalten Sie Download-Links für kostenfreie Data Science Software, die im Seminar verwendet wird.

SEMINARINHALTE:

EINFÜHRUNG IN DATA SCIENCE, DATA ANALYTICS UND MACHINE LEARNING (1. TAG)

o Algorithmen im Machine Learning

o Unsupervised Learning und Supervised Learning

o Explorative Analytics und Predictive Analytics

o Data Mining, Text Mining, Image Mining, Web Mining und Data Storytelling

o Nutzen und Treiber von Data Analytics und Machine Learning

o Anwendungsbereiche von Data Analytics und Machine Learning in der Praxis

o Rechtliche und ethische Aspekte von Data Analytics und Machine Learning

METHODISCHE GRUNDLAGEN DES MACHINE LEARNING (2. TAG)

o Modelltraining: Funktionsweise von ausgewählten Algorithmen des Machine Learning in der Cluster-, Klassifikations-, Regressions-, Zeitreihen- und Überlebenszeitanalyse

o Modellevaluierung: Evaluationstechniken und Evaluationsmetriken

o Modelloptimierung: Tuning von Algorithmen des Machine Learning sowie Aspekte des Data Preprocessing & Ensemble Learning

UMSETZUNG DER ERLERNTEN DATENANALYSE-TECHNIKEN MIT VERSCHIEDENEN DATA SCIENCE TOOLS IN PRAXISBEZOGENEN FALLSTUDIEN (3. BIS 5.TAG)

o Fallstudien zu Data Science und Machine Learning aus der beruflichen Praxis in Python 

Bei Interesse an einer Teilnahme bitte Email an [email protected] senden, Sie erhalten anschließend weitere Informationen zum Seminar sowie den behördlichen Anerkennungsbescheid.