Die Schulung richtet sich an Datenanalyst:innen, Softwareentwickler:innen und Ingenieur:innen, die fundierte Kenntnisse in Datenanalyse, Statistik und maschinellem Lernen aufbauen möchten.
Voraussetzungen: Grundkenntnisse in Python oder R, Statistik-Grundlagen von Vorteil
12:30–14:30 Uhr: Vertiefung, Gruppenarbeit oder Übungen
14:30–17:00 Uhr: Transfer, Diskussion & Abschluss
Dieses kompakte Tagesformat ist auf ca. 8 Zeitstunden ausgelegt und bietet eine ausgewogene Mischung aus Input, Anwendung und Reflexion – bei maximal 30 Minuten Pause.
Lernziele nach dem Lehrbaummodell
Diese Lernziele orientieren sich am Lehrbaummodell (Ellmann 2022) und fördern nachhaltiges Lernen auf kognitiver, motivationaler und metakognitiver Ebene.
Stamm: Planung & Motivation:
Die Teilnehmenden erkennen den praktischen Nutzen datengetriebener Analyse- und Entscheidungsverfahren, formulieren persönliche Lernziele und sind motiviert, Data-Science-Methoden im Berufsalltag anzuwenden.
Kommunikation:
Die Lernenden diskutieren Datenvisualisierungen, interpretieren ML-Ergebnisse, reflektieren statistische Aussagen im Team und präsentieren Analyseergebnisse adressatengerecht.
Material & Struktur:
Die Teilnehmenden arbeiten mit strukturierten Notebooks, praxisnahen Datensätzen, Modelltutorials und Dokumentationen zu pandas, scikit-learn und matplotlib.
Gedächtnis & Aufmerksamkeit:
Kernkonzepte wie Regression, Klassifikation, Modellgüte oder Feature Engineering werden durch konkrete Anwendungsbeispiele, Wiederholungen und visuelle Darstellungen verankert.
Aktivierung & Lernstörung:
Die Teilnehmenden bereinigen, analysieren und modellieren reale Daten, experimentieren mit ML-Verfahren, reflektieren Fehlermodelle und entwickeln eine kritische Haltung zu automatisierten Entscheidungen.
Gipfel: Überprüfung & Transfer:
Die Lernenden evaluieren ihre Modelle mit Metriken wie Accuracy oder F1-Score, dokumentieren Erkenntnisse und reflektieren Anwendungsszenarien für datenbasierte Entscheidungen in ihrem Fachbereich.
Kursbezogene Ziele
Kompetenter Umgang mit Daten und ML-Algorithmen
Systematische Datenaufbereitung und Modellierung
Verständnis für die Bewertung und Optimierung von ML-Modellen
Quelle des Lehrbaummodells zur Gestaltung effektiver Lehre in der IT vom Inhaber:
M. Ellmann (2022). Effektives Lehren und Lernen in der Informatik, Wirtschaftsinformatik und verwandten Fachgebieten. Veröffentlicht in: Informatik Spektrum, Springer Nature. SPRINGER NATURE Link:
https://doi.org/10.1007/s00287-022-01436-5
Bin ich bereit für das Data Science Schulung?
Diese kurze Selbstreflexion hilft Ihnen, Ihren Wissensstand besser einzuschätzen:
</> Wenn Sie 3 oder mehr Kästchen ankreuzen, ist diese Schulung eine sehr gute Grundlage für Ihren Einstieg oder Ausbau im Data-Science-Bereich.
Datenschutzhinweis: Ihre Eingaben in dieser Checkliste werden nicht gespeichert und nicht an den Server übertragen.
Passende Fachliteratur
Diese Fachbücher ergänzen die Schulung und eignen sich zur Vertiefung,
Begleitung und Nachbereitung datenanalytischer Inhalte.
Deutsche Ausgabe
Von Daten zu Lösungen in Data Science mit Python
Vom Problem zur verantwortbaren Lösung
Das Buch betrachtet Data Science als systematischen Problemlösungsprozess. Es führt von der Problemdefinition über Datenbeschaffung, Datenverständnis, Analyse und Modellierung bis zu Entscheidungen und verantwortbaren Lösungen.
From Data to Solutions in Data Science with Python
From Problem Definition to Responsible Solutions
The book presents Data Science as a systematic problem-solving process. It connects problem definition, data acquisition, data understanding, analysis and modeling with decisions and responsible solutions.
Das Buch verbindet Datenanalyse, Argumentation, Statistik, Python und Modellbewertung mit kritischem Denken. Es zeigt, wie aus Beobachtungen, Daten und Modellergebnissen nachvollziehbare und verantwortbare Entscheidungen entstehen.
The book connects data analysis, reasoning, statistics, Python and model evaluation with critical thinking. It explains how observations, data and model results can support transparent and responsible decisions.
Von Modellen zu Entscheidungen in Machine Learning mit Python
Vom Modell zur verantwortbaren Entscheidung
Das Buch zeigt, warum Vorhersagen noch keine Entscheidungen und Modelle noch keine Lösungen sind. Es verbindet Machine Learning, Modellbewertung, Unsicherheit, Urteilskraft und Verantwortung mit praktischen Python-Anwendungen.
From Models to Decisions in Machine Learning with Python
From Models to Responsible Decision-Making
The book explains why predictions are not decisions and why models are not complete solutions. It connects Machine Learning, model evaluation, uncertainty, judgment and responsibility with practical Python applications.
Die vollständigen Buchinformationen und Bezugsquellen befinden sich
auf www.mathiasellmann.de.
Nächste Kurstermine
Hinweis: Gesetzliche Feiertage wurden bei der Terminberechnung automatisch berücksichtigt.
Startzeitraum
Kontakt
02
Nov
2026
bis 06.11.2026
5 Schulungstage
inkl. individueller Vertiefung
Mathias Ellmann
Ing., M. Sc.
16
Nov
2026
bis 20.11.2026
5 Schulungstage
inkl. individueller Vertiefung
Mathias Ellmann
Ing., M. Sc.
30
Nov
2026
bis 04.12.2026
5 Schulungstage
inkl. individueller Vertiefung
Mathias Ellmann
Ing., M. Sc.
14
Dec
2026
bis 18.12.2026
5 Schulungstage
inkl. individueller Vertiefung
Mathias Ellmann
Ing., M. Sc.
28
Dec
2026
bis 04.01.2027
5 Schulungstage
inkl. individueller Vertiefung
Mathias Ellmann
Ing., M. Sc.
Kein passender Termin dabei? Gerne prüfen wir individuelle Schulungswünsche.
Mathias Ellmann
Ing., M. Sc.
Musterzertifikat
Dies ist die erste Seite des Zertifikats für Data Science Schulung:
Das vollständige Musterzertifikat kann auf Anfrage per E-Mail bereitgestellt werden.
Häufige Fragen zur Data Science Schulung
Welche Vorkenntnisse benötige ich für die Data Science Schulung?
Für die Data Science Schulung sind erste Erfahrungen mit Python oder R hilfreich. Grundkenntnisse in Statistik, wie Mittelwert oder Standardabweichung, erleichtern den Einstieg – sind aber nicht zwingend erforderlich.
Wie lange dauert die Data Science Schulung und in welchem Format findet die IT-Schulung statt?
Die Data Science Schulung dauert 5 Tage und findet jeweils von 08:30 bis 17:00 Uhr statt – entweder in Hamburg oder online als interaktive Remote-Schulung.
Was lerne ich in der Data Science Schulung konkret?
Sie lernen zentrale Methoden der Datenanalyse und des maschinellen Lernens – von der Datenaufbereitung über Feature Engineering bis hin zur Modellierung mit Algorithmen wie Regression, SVM oder Entscheidungsbäumen. Tools: pandas, scikit-learn, matplotlib.
Für wen eignet sich die Data Science Schulung besonders?
Die Schulung richtet sich an Analyst:innen, Entwickler:innen und technische Fachkräfte, die datenbasierte Entscheidungen treffen oder ML-Modelle entwickeln möchten – ob in Forschung, IT oder Wirtschaft.
Erhalte ich ein Zertifikat für die Teilnahme an der Data Science Schulung?
Ja, Sie erhalten ein offizielles Teilnahmezertifikat mit den vermittelten Inhalten und der Gesamtdauer der IT-Schulung.
Wie unterstützt die Data Science Schulung meinen Lernerfolg?
Das Lehrbaummodell sorgt für nachhaltiges Lernen durch strukturierte Inhalte, praxisnahe Beispiele, individuelle Reflexionen und Austausch über datenbasierte Analyse- und Modellierungsstrategien.
Wie erfolgt die Bezahlung für die Data Science Schulung?
Nach Ihrer Anmeldung erhalten Sie eine Rechnung per E-Mail. Die Zahlung erfolgt per Überweisung vor Schulungsbeginn. Ratenzahlung ist nach individueller Absprache möglich.
Kann ich die Data Science Schulung stornieren?
Ja, bis 14 Tage vor Kursstart ist eine kostenfreie Stornierung möglich. Danach fallen gestaffelte Gebühren an. Eine kostenfreie Umbuchung auf einen anderen Termin ist jederzeit möglich.
Ist die Data Science Schulung auch für Gruppen geeignet?
Ja, wir erstellen gern ein maßgeschneidertes Angebot für Unternehmen oder Teams – als Inhouse-Schulung oder exklusive Remote-Variante.
Kann ich die Data Science Schulung über einen Bildungsgutschein finanzieren?
Nein, derzeit ist keine Förderung über Bildungsgutscheine (z. B. AZAV) möglich.
Fachportal: Data Science
Dieses Fachportal bündelt Einblicke, Inhalte und Hintergrund zur jeweiligen Schulung.
Termine & Buchung erfolgen zentral über sematrain.de;
hier im Portal erhalten Sie die fachliche Orientierung.
Zum Fachportal: Data Science
