Data Scientist | Guided E-Learning

Certified Data Scientist (KI)

Entwickle dich mit uns zum Certified Data Scientist. Lerne online im flexiblen Selbststudium, begleitet von einem Mentor. Erwirb Kompetenzen in
Python-Programmierung, Machine Learning und Datenanalyse. Eröffne dir neue berufliche Perspektiven mit sehr guten Verdienstmöglichkeiten.

Agentur der Arbeit 100% kostenlos mit Bildungsgutschein der Arbeitsagentur!
Beraten lassen
Community
Werde Teil unserer Community von 10K Absolventen
Certified Data Scientist (KI)
XDi Google Bewertung XDi Facebook Bewertung XDi Kursfinder Bewertung

Start

Wöchentlich, immer montags

Format

Guided E-Learning mit Mentoring

Dauer

Vollzeit: 3,5 Monate
Teilzeit: 7 Monate
Berufsbegleitend: 12 Monate

Umfang

Vollzeit: 30-40 h / Woche
Teilzeit: 10-20 h / Woche
Berufsbegleitend: 2-4 h / Woche

Lernniveau

Anfänger & Fortgeschrittene

Sprachen

Deutsch

Zertifikat

Staatlich anerkanntes Zertifikat
Beratung Kursangebot
Leg los. Starte durch. Zu deinem Traumjob

Starte jetzt deine neue Karriere in Data Science. 100% kostenlos!

Lerne in dieser Data Science-Weiterbildung online – zeitlich flexibel und ortsunabhängig nach deinem eigenen Zeitplan. Gestalte deine Lernreise und mache Fortschritte in einem Tempo, das zu deinem Lebensstil passt.

Erwerbe gefragte, praktische Fähigkeiten in Python-Programmierung, Maschinelles Lernen und Datenanalyse mit pandas und NumPy. Lerne 1:1 mit einem erfahrenen Mentor, begleitet von deinem persönlichen Studienberater und unseren Karriere-Coaches. Mach dich arbeitsmarktfähig und sichere dir einen Job mit Zukunft.

Tools, Techniken & Methoden
Python Python Pandas Pandas NumPY NumPY Seaborn Seaborn Matplotlib Matplotlib Scikit Learn Scikit Learn SpaCy SpaCy NLP NLP
Inhalte, Kompetenzen & Lernerfolge

  • Python Starter Package
  • Exploratory Data Analysis
  • Machine Learning - Supervised Learning
  • Machine Learning - Unsupervised Learning
  • Kreuzvalidierung, Gittersuche, Evaluationsmetriken und Pipelines
  • Data Representation, Feature Engineering und Natural Language Processing (NLP)

Jederzeit und von überall Lernen

Passe deine Weiterbildung deinen Vorlieben, deinem Kalender und deinem Lebensstil an. Lerne jederzeit, überall und in deinem eigenen Tempo.

Persönliches Mentoring über Videokonferenz

Buche jederzeit einen Termin mit deinem Mentor, der dich auf deinem Lern- und Karriereweg begleitet und dich persönlich unterstützt.

Job-ready Praxis in realen Projekten

Unsere Kurse basieren auf praktischen, branchenspezifischen Szenarien und vermitteln anwendungsorientierte Fähigkeiten, die sich direkt im Berufsleben anwenden lassen.

Multimediale Inhalte auf Hochschulniveau

Du profitierst von interaktiven Inhalten auf Hochschulniveau. Dich erwarten umfangreiche Artikel, Videos, Quiz und praktische Übungen, die die Theorie zum Leben erwecken.

Interaktive Live Sessions mit Branchenexperten

Nimm an interaktiven Live-Workshops mit Branchenexperten teil, um die behandelten Lerninhalte dynamisch zu überprüfen und zu vertiefen.

Karriereservices für deinen neuen Job

Mit Bewerbungstrainings, Karrieresprechstunden und unserer aktiven Jobvermittlung helfen wir dir auf dem Weg zu deinem neuen Job.

Diese Unternehmen bilden ihre Mitarbeiter mit uns weiter und stellen unsere Studenten ein

Investiere in dich und deine Karriere

Sichere dir beste Aussichten auf einen Job als Data Scientist

Sichere dir einen Job in einem der am schnellsten wachsenden Berufe in der Technologiebranche. Erwerbe fundierte Kenntnisse in Python-Programmierung, Maschinelles Lernen und Datenanalyse mit pandas und NumPy. Entwickle genau die Fähigkeiten, die du für eine Karriere als Data Scientist brauchst. Sichere dir einen attraktiven, gut bezahlten Job mit Zukunft in jeder Branche.

€ 64.000

200

+8-10%

Top 10

Durchschnittliches Jahresgehalt (Einstiegsgehalt)
Durchschnittliche monatliche Jobangebote
Geschätztes Beschäftigungswachstum bis 2030
Schnellstwachsende Jobs

€ 64.000

Durchschnittliches Jahresgehalt (Einstiegsgehalt)

200

Durchschnittliche monatliche Jobangebote

+8-10%

Geschätztes Beschäftigungswachstum bis 2030

Top 10

Schnellstwachsende Jobs
Zielgruppe

Für wen ist diese Weiterbildung?

Diese Data Science-Weiterbildung ist ideal für Anfänger und Fortgeschrittene, die ihre Data Science-Kenntnisse ausbauen möchten. Vorkenntnisse in Data Science sind nicht nötig. Wir starten mit den Grundlagen und widmen uns dann schrittweise fortgeschrittenen Themen. Ein grundlegendes Verständnis von Data Science kann den Einstieg erleichtern. 

Lass dir die Data Science-Weiterbildung mit einem Bildungsgutschein der Arbeitsagentur und des Jobcenters finanzieren. Solltest du als arbeitslos oder arbeitssuchend registriert sein, dann kannst du einen Bildungsgutschein für diesen Data Science-Kurs beantragen. Wir haben hierfür einen Bewerbungsleitfaden erstellt. Zur Beantragung des Bildungsgutscheins benötigst du ein Kursangebot.

Du bist Mitarbeiter eines Unternehmens und willst berufsbegleitend Data Science-Kompetenzen aufbauen? Du bist von Arbeitslosigkeit bedroht oder dein Unternehmen ist vom Strukturwandel betroffen? Dann kann dein Arbeitgeber das Qualifizierungschancengesetz nutzen und die Weiterbildung bis zu 100% finanzieren lassen und bis zu 75% der Gehaltskosten erstattet bekommen.

Es gibt viele gute Gründe, mit XDi zum Data Scientist zu werden. Starte jetzt und melde dich an oder lass dich von uns beraten. Wir helfen dir gerne.

Arbeitslose oder Arbeitssuchende

Du bist arbeitslos oder arbeitssuchend und hast Anspruch auf einen Bildungsgutschein und willst die Zeit nutzen, um dich für einen neuen Job als Data Scientist zu qualifizieren.

Quereinsteiger und Berufsumsteiger

Du bist eine branchenfremde, berufstätige Fachkraft und möchtest Data Scientist werden, um dich beruflich zu verändern, zu wachsen und neue Chancen zu nutzen.

Neue Mitarbeiter & Berufseinsteiger

Du hast gerade einen Job in einem neuen Arbeitsumfeld angetreten und dir fehlen relevante Skills, um den Anforderungen des Jobs gerecht zu werden und produktiv arbeiten zu können.

Von Arbeitslosigkeit bedrohte Angestellte

Du bist Mitarbeiter eines Unternehmens, das vom Strukturwandel betroffen ist, dein Job ist in Gefahr und du benötigst Qualifizierung, um deinen Arbeitsplatz zu sichern.

Angehende Data Scientist

Du bist Data Scientist und möchtest deine Kenntnisse im Bereich Data Science erweitern und deine Karriere voranbringen.

Absolventen und Studierende

Du hast kürzlich dein Studium abgeschlossen oder studierst noch und willst deine akademischen Qualifikationen durch praktische, branchenrelevante Fähigkeiten erweitern.

Fachkräfte und Spezialisten

Du bist Spezialist in deiner Disziplin, möchtest dein Fachwissen ausbauen, dich zertifizieren lassen oder dich optimal auf eine Zertifikatsprüfung vorbereiten.

Manager und Führungskräfte

Du willst deine Karriere, deine Abteilung oder dein Unternehmen voranbringen um Data Science gewinnbringend im Unternehmen zu etablieren.

Entrepreneure und Unternehmer

Du bist Entrepreneur oder Inhaber eines KMU und willst dein Unternehmen durch die Nutzung von Data Science-Wissen zukunftssicher machen.

Interessierte Personen

Du interessierst dich für Data Science und möchtest die praktische Anwendung von Data Science-Tools für persönliche oder berufliche Zwecke kennenlernen.
CURRICULUM

Was du lernen wirst!

In dieser Data Science-Schulung erwirbst du auf Basis eines von Branchenexperten erstellten Curriculums die wichtigsten Data Science-Kompetenzen. Die Data Science-Weiterbildung beinhaltet Industrie validierte, interaktive Inhalte auf Hochschulniveau und viel Praxis in realen Projekten. Du baust ein Portfolio auf und schließt den Kurs mit einem Capstone-Projekt ab.

1

Python Starter Package

2

Exploratory Data Analysis

3

Machine Learning - Supervised Learning

4

Machine Learning - Unsupervised Learning

5

Evaluieren und Optimieren

6

A Deeper Dive into Data Science

7

Capstone Projekt - Ein Machine Learning Projekt von A bis Z

Kurzbeschreibung

In diesem Modul lernst du die Grundlagen der Programmierung mit Python – speziell für den Einsatz in der Data Science. Du arbeitest mit wichtigen Konzepten wie Datentypen, Schleifen, Funktionen und komplexen Datenstrukturen wie Listen, Dictionaries und Sets. Außerdem machst du dich mit NumPy vertraut – der zentralen Bibliothek für numerische Berechnungen mit Arrays. So baust du ein solides Fundament für datenbasiertes Arbeiten mit Python auf.

Lernergebnisse

Du lernst:

  • einfache und strukturierte Datentypen in Python zu verwenden, z. B. Listen, Tupel, Dictionaries und Sets, um Daten effizient zu speichern und zu verarbeiten.
  • Bedingungen und Schleifen gezielt einzusetzen, um Abläufe im Code zu automatisieren und erste logische Programme zu entwickeln.
  • eigene Funktionen in Python zu schreiben, inklusive Parameterübergabe und Rückgabewerten, um wiederverwendbaren und lesbaren Code zu erstellen.
  • mit der Bibliothek NumPy mehrdimensionale Arrays zu erstellen, numerische Daten darzustellen und grundlegende Operationen durchzuführen.
  • Daten in Arrays zu filtern, zu indizieren und mathematisch zu verarbeiten, um sie für die spätere Datenanalyse vorzubereiten.
Inhalte
  • Coding in Python: Einfache Data Types, Automatisierung durch Loops, Structured Data Types (Tuple, Listen, Dictionaries und Sets), Funktionen schreiben
  • NumPy Beginners Guide: Arrays, Indizieren und Auswählen, Operatoren anwenden
Kernkompetenzen
Programmiergrundlagen in Python Datenstrukturen in Python Numerische Datenverarbeitung mit NumPy Automatisierung und algorithmisches Denken Strukturiertes und lesbares Coding
Kurzbeschreibung

In diesem Modul lernst du, wie du strukturierte Daten mit Pandas verarbeitest, zusammenführst und analysierst. Du arbeitest mit Zeitreihendaten und nutzt sie für explorative Analysen. Zusätzlich lernst du, wie du mit Matplotlib, Pandas und Seaborn wirkungsvolle Visualisierungen erstellst – für klare datenbasierte Aussagen und überzeugendes visuelles Storytelling.

Lernergebnisse

Du lernst:

  • strukturierte Daten mit Pandas zu verarbeiten, zu kombinieren und zu analysieren
  • Zeitreihendaten in Pandas auszuwerten und für Analysen nutzbar zu machen
  • mit Matplotlib, Pandas und Seaborn aussagekräftige Visualisierungen zu erstellen
  • statistische Erkenntnisse visuell aufzubereiten und verständlich zu präsentieren
  • Data Storytelling gezielt einzusetzen, um Analyseergebnisse überzeugend zu kommunizieren
Inhalte
  • Learning Pandas: Series und DataFrames, Merging, Joining und Concatenating, More Pandas, Data Management, Pandas for Time Series
  • Data Visualization und Storytelling: Visualization mit Matplotlib, Matplotlib for Professionals, Visualization mit Pandas, Visualization mit Seaborn
Kernkompetenzen
Datenanalyse mit Pandas Datenvorverarbeitung und Transformation Explorative Datenanalyse (EDA) Datenvisualisierung mit Matplotlib, Pandas und Seaborn Visuelles Storytelling und Ergebnispräsentation Analyse von Zeitreihendaten
Kurzbeschreibung

In diesem Modul baust du ein solides Fundament für datenbasierte Analysen mit Python. Du lernst die wichtigsten Konzepte der deskriptiven Statistik, Wahrscheinlichkeitsrechnung, Verteilungen und statistischen Tests kennen – und setzt sie Schritt für Schritt praxisnah in Python um.

Lernergebnisse

Du lernst:

  • statistische Kennzahlen wie Mittelwert, Median, Varianz und Standardabweichung zu berechnen und zu interpretieren.
  • Daten mit Hilfe von Wahrscheinlichkeitsmodellen wie Binomial- oder Normalverteilungen zu beschreiben.
  • Hypothesentests (z. B. t-Test, Chi²-Test) durchzuführen, um Aussagen über Populationen aus Stichproben abzuleiten.
  • Konzepte wie p-Wert, Signifikanzniveau und Konfidenzintervall korrekt einzuordnen.
  • statistische Verfahren mit Python umzusetzen und auf reale Datensätze anzuwenden.
Inhalte

Supervised Learning mit Scikit-Learn: Generalisation, Overfitting und Underfittin, k-Nearest Neighbours, Lineare Modelle, Decision Trees, Ensembles und Random Forests, Support Vector Machines (SVM), Neuronale Netze und Deep Learning

Kernkompetenzen
Deskriptive und schließende Statistik Wahrscheinlichkeitsverteilungen und Parameterverständnis Hypothesentests und statistische Inferenz Statistische Analyse mit Python Interpretation und Bewertung analytischer Ergebnisse
Kurzbeschreibung

In diesem Modul lernst du zentrale Methoden des unüberwachten Lernens (Unsupervised Learning) kennen – darunter Dimensionsreduktion und Clusteranalyse. Du wendest sie auf praxisnahe Szenarien an, zum Beispiel bei der Gesichtserkennung oder zur Kundensegmentierung, und gewinnst so Einblicke in Muster und Strukturen in deinen Daten.

Lernergebnisse

Du lernst:

  • Methoden der Dimensionsreduktion wie PCA (Principal Component Analysis) zur Vereinfachung hochdimensionaler Daten anzuwenden.
  • Normalisierungs- und Standardisierungsverfahren als Vorbereitung für maschinelles Lernen zu unterscheiden und korrekt einzusetzen.
  • Clustering-Verfahren wie k-Means und DBSCAN zur Erkennung von Mustern und Segmenten in unlabeled Daten zu verwenden.
  • unterschiedliche Clustering-Algorithmen zu vergleichen, zu bewerten und deren Ergebnisse zu interpretieren.
  • Machine-Learning-Verfahren in Projekten wie Gesichtserkennung oder Kundensegmentierung praktisch umzusetzen.
Inhalte
  • Dimensionsreduktion: Preprocessing und Scaling, Principal Component Analysis, Bildanalyse mit Eigengesichtern
  • Clusteranalyse: k-Means-Clustering, weitere Clusteringalgorithmen (DBSCAN), Vergleichen und Auswerten von Clusteralgorithmen
Kernkompetenzen
Preprocessing und Skalierung Principal Component Analysis (PCA) Clustering-Algorithmen Clusterbewertung und -vergleich Unsupervised Learning
Kurzbeschreibung

In diesem Modul lernst du, wie du Machine-Learning-Modelle gezielt bewertest und optimierst. Du arbeitest mit Methoden wie Kreuzvalidierung, Gittersuche und verschiedenen Evaluationsmetriken – passend für Klassifikations- und Regressionsaufgaben. So stellst du sicher, dass deine Modelle verlässlich und leistungsstark sind.

Lernergebnisse

Du lernst:

  • gängige Validierungstechniken wie Kreuzvalidierung und Gittersuche zur Optimierung von Modellen anzuwenden.
  • Trainings-, Validierungs- und Testdaten gezielt einzusetzen, um Modellgüte realistisch zu bewerten.
  • Evaluationsmetriken wie AUC, ROC, MSE, MAE oder R² für Klassifikations- und Regressionsaufgaben zu interpretieren und zu vergleichen.
  • Modelle mithilfe von Pipelines zu kombinieren und automatisiert zu optimieren.
  • Bewertung und Verbesserung von Machine-Learning-Modellen praxisnah umzusetzen, etwa in der Prognose von Brustkrebs oder Immobilienpreisen.
Inhalte
  • Validierung: Kreuzvalidierung, Gittersuche, Gittersuche mit Kreuzvalidierung
  • Evaluationsmetriken: Metriken zur binären Klassifikation, spezielle Metriken, Pipelines zur Gittersuche
Kernkompetenzen
Validierungsstrategien GridSearch und Modelloptimierung Evaluationsmetriken Reproduzierbare Workflows mit Pipelines Modellbewertung auf praxisnahen Datensätzen
Kurzbeschreibung

In diesem Modul vertiefst du dein Wissen rund um Datenrepräsentation und Feature Engineering und lernst, wie du daraus leistungsstarke Modelle entwickelst. Außerdem machst du dich mit den Grundlagen des Natural Language Processing (NLP) vertraut – und erfährst, wie du textbasierte Daten gezielt analysierst und verarbeitest.

Lernergebnisse

Du lernst:

  • geeignete Techniken zur Umwandlung, Auswahl und Kombination von Merkmalen (Features) für verschiedene Machine-Learning-Modelle einzusetzen.
  • den Einfluss von Feature Engineering und Domainwissen auf die Modellleistung realistisch einzuschätzen.
  • verschiedene Verfahren zur automatischen Merkmalsauswahl (wie RFE) praktisch anzuwenden.
  • textbasierte Daten zu verarbeiten und mit NLP-Techniken wie Tokenisierung oder Vektorisierung in strukturierter Form zu analysieren.
  • einfache Textklassifikatoren (z. B. Spamfilter) sowie Themenmodelle und Clusteranalysen für Dokumente zu entwickeln.
Inhalte
  • Data Repräsentation und Feature Engineering mit kategorischen Variablen, Transformationen und Interaktionen, automatischer Auswahl von Merkmalen sowie Berücksichtigen von Expertenwissen
  • Natural Language Processing (NLP) mit der Verarbeitung von Textdaten und einem Anwendungsbeispiel anhand von Filmbewertungen
Kernkompetenzen
Feature Engineering und Datenrepräsentation Merkmalsreduktion und automatisierte Auswahlverfahren NLP-Grundlagen und Textdatenverarbeitung Kombination von Statistik und Domänenwissen
Kurzbeschreibung

In diesem Modul setzt du dein Wissen aus der gesamten Weiterbildung in einem eigenen Machine-Learning-Projekt um. Du wählst ein Thema – entweder vorgegeben oder selbst definiert – und bearbeitest es eigenständig anhand realer Daten. Von der Problemdefinition über die Datenbeschaffung und -analyse bis hin zur Modellierung und Optimierung durchläufst du alle typischen Schritte eines vollständigen Data-Science-Projekts. Zum Abschluss präsentierst du deine Ergebnisse in einem strukturierten Jupyter Notebook sowie im Rahmen einer mündlichen Projektvorstellung – ein idealer Einstieg in dein persönliches Machine-Learning-Portfolio.

Lernergebnisse

Du lernst:

  • ein Machine-Learning-Projekt eigenständig zu planen und umzusetzen
  • geeignete Datenquellen auszuwählen, aufzubereiten und zu analysieren
  • passende ML-Algorithmen anzuwenden, zu vergleichen und zu optimieren
  • Ergebnisse visuell aufzubereiten und verständlich zu dokumentieren
  • deine Analyseergebnisse klar und zielgruppengerecht zu präsentieren
Inhalte

Eigenständige Durchführung eines vollständigen Machine-Learning-Projekts – von der Themenwahl über Datenanalyse und Modellierung bis zur Ergebnispräsentation im Jupyter Notebook.

Kernkompetenzen
End-to-End-Workflow in Data-Science-Projekten Python-gestützte Datenanalyse Klassifikation Regression Clustering Feature Engineering Modellvalidierung Jupyter Pandas Matplotlib Seaborn Scikit-Learn Projektentwicklung und Ergebnispräsentation Kommunikationsfähigkeit im datenanalytischen Kontext

Python Starter Package

Kurzbeschreibung

In diesem Modul lernst du die Grundlagen der Programmierung mit Python – speziell für den Einsatz in der Data Science. Du arbeitest mit wichtigen Konzepten wie Datentypen, Schleifen, Funktionen und komplexen Datenstrukturen wie Listen, Dictionaries und Sets. Außerdem machst du dich mit NumPy vertraut – der zentralen Bibliothek für numerische Berechnungen mit Arrays. So baust du ein solides Fundament für datenbasiertes Arbeiten mit Python auf.

Lernergebnisse

Du lernst:

  • einfache und strukturierte Datentypen in Python zu verwenden, z. B. Listen, Tupel, Dictionaries und Sets, um Daten effizient zu speichern und zu verarbeiten.
  • Bedingungen und Schleifen gezielt einzusetzen, um Abläufe im Code zu automatisieren und erste logische Programme zu entwickeln.
  • eigene Funktionen in Python zu schreiben, inklusive Parameterübergabe und Rückgabewerten, um wiederverwendbaren und lesbaren Code zu erstellen.
  • mit der Bibliothek NumPy mehrdimensionale Arrays zu erstellen, numerische Daten darzustellen und grundlegende Operationen durchzuführen.
  • Daten in Arrays zu filtern, zu indizieren und mathematisch zu verarbeiten, um sie für die spätere Datenanalyse vorzubereiten.
Inhalte
  • Coding in Python: Einfache Data Types, Automatisierung durch Loops, Structured Data Types (Tuple, Listen, Dictionaries und Sets), Funktionen schreiben
  • NumPy Beginners Guide: Arrays, Indizieren und Auswählen, Operatoren anwenden
Kernkompetenzen
Programmiergrundlagen in Python Datenstrukturen in Python Numerische Datenverarbeitung mit NumPy Automatisierung und algorithmisches Denken Strukturiertes und lesbares Coding

Exploratory Data Analysis

Kurzbeschreibung

In diesem Modul lernst du, wie du strukturierte Daten mit Pandas verarbeitest, zusammenführst und analysierst. Du arbeitest mit Zeitreihendaten und nutzt sie für explorative Analysen. Zusätzlich lernst du, wie du mit Matplotlib, Pandas und Seaborn wirkungsvolle Visualisierungen erstellst – für klare datenbasierte Aussagen und überzeugendes visuelles Storytelling.

Lernergebnisse

Du lernst:

  • strukturierte Daten mit Pandas zu verarbeiten, zu kombinieren und zu analysieren
  • Zeitreihendaten in Pandas auszuwerten und für Analysen nutzbar zu machen
  • mit Matplotlib, Pandas und Seaborn aussagekräftige Visualisierungen zu erstellen
  • statistische Erkenntnisse visuell aufzubereiten und verständlich zu präsentieren
  • Data Storytelling gezielt einzusetzen, um Analyseergebnisse überzeugend zu kommunizieren
Inhalte
  • Learning Pandas: Series und DataFrames, Merging, Joining und Concatenating, More Pandas, Data Management, Pandas for Time Series
  • Data Visualization und Storytelling: Visualization mit Matplotlib, Matplotlib for Professionals, Visualization mit Pandas, Visualization mit Seaborn
Kernkompetenzen
Datenanalyse mit Pandas Datenvorverarbeitung und Transformation Explorative Datenanalyse (EDA) Datenvisualisierung mit Matplotlib, Pandas und Seaborn Visuelles Storytelling und Ergebnispräsentation Analyse von Zeitreihendaten

Machine Learning - Supervised Learning

Kurzbeschreibung

In diesem Modul baust du ein solides Fundament für datenbasierte Analysen mit Python. Du lernst die wichtigsten Konzepte der deskriptiven Statistik, Wahrscheinlichkeitsrechnung, Verteilungen und statistischen Tests kennen – und setzt sie Schritt für Schritt praxisnah in Python um.

Lernergebnisse

Du lernst:

  • statistische Kennzahlen wie Mittelwert, Median, Varianz und Standardabweichung zu berechnen und zu interpretieren.
  • Daten mit Hilfe von Wahrscheinlichkeitsmodellen wie Binomial- oder Normalverteilungen zu beschreiben.
  • Hypothesentests (z. B. t-Test, Chi²-Test) durchzuführen, um Aussagen über Populationen aus Stichproben abzuleiten.
  • Konzepte wie p-Wert, Signifikanzniveau und Konfidenzintervall korrekt einzuordnen.
  • statistische Verfahren mit Python umzusetzen und auf reale Datensätze anzuwenden.
Inhalte

Supervised Learning mit Scikit-Learn: Generalisation, Overfitting und Underfittin, k-Nearest Neighbours, Lineare Modelle, Decision Trees, Ensembles und Random Forests, Support Vector Machines (SVM), Neuronale Netze und Deep Learning

Kernkompetenzen
Deskriptive und schließende Statistik Wahrscheinlichkeitsverteilungen und Parameterverständnis Hypothesentests und statistische Inferenz Statistische Analyse mit Python Interpretation und Bewertung analytischer Ergebnisse

Machine Learning - Unsupervised Learning

Kurzbeschreibung

In diesem Modul lernst du zentrale Methoden des unüberwachten Lernens (Unsupervised Learning) kennen – darunter Dimensionsreduktion und Clusteranalyse. Du wendest sie auf praxisnahe Szenarien an, zum Beispiel bei der Gesichtserkennung oder zur Kundensegmentierung, und gewinnst so Einblicke in Muster und Strukturen in deinen Daten.

Lernergebnisse

Du lernst:

  • Methoden der Dimensionsreduktion wie PCA (Principal Component Analysis) zur Vereinfachung hochdimensionaler Daten anzuwenden.
  • Normalisierungs- und Standardisierungsverfahren als Vorbereitung für maschinelles Lernen zu unterscheiden und korrekt einzusetzen.
  • Clustering-Verfahren wie k-Means und DBSCAN zur Erkennung von Mustern und Segmenten in unlabeled Daten zu verwenden.
  • unterschiedliche Clustering-Algorithmen zu vergleichen, zu bewerten und deren Ergebnisse zu interpretieren.
  • Machine-Learning-Verfahren in Projekten wie Gesichtserkennung oder Kundensegmentierung praktisch umzusetzen.
Inhalte
  • Dimensionsreduktion: Preprocessing und Scaling, Principal Component Analysis, Bildanalyse mit Eigengesichtern
  • Clusteranalyse: k-Means-Clustering, weitere Clusteringalgorithmen (DBSCAN), Vergleichen und Auswerten von Clusteralgorithmen
Kernkompetenzen
Preprocessing und Skalierung Principal Component Analysis (PCA) Clustering-Algorithmen Clusterbewertung und -vergleich Unsupervised Learning

Evaluieren und Optimieren

Kurzbeschreibung

In diesem Modul lernst du, wie du Machine-Learning-Modelle gezielt bewertest und optimierst. Du arbeitest mit Methoden wie Kreuzvalidierung, Gittersuche und verschiedenen Evaluationsmetriken – passend für Klassifikations- und Regressionsaufgaben. So stellst du sicher, dass deine Modelle verlässlich und leistungsstark sind.

Lernergebnisse

Du lernst:

  • gängige Validierungstechniken wie Kreuzvalidierung und Gittersuche zur Optimierung von Modellen anzuwenden.
  • Trainings-, Validierungs- und Testdaten gezielt einzusetzen, um Modellgüte realistisch zu bewerten.
  • Evaluationsmetriken wie AUC, ROC, MSE, MAE oder R² für Klassifikations- und Regressionsaufgaben zu interpretieren und zu vergleichen.
  • Modelle mithilfe von Pipelines zu kombinieren und automatisiert zu optimieren.
  • Bewertung und Verbesserung von Machine-Learning-Modellen praxisnah umzusetzen, etwa in der Prognose von Brustkrebs oder Immobilienpreisen.
Inhalte
  • Validierung: Kreuzvalidierung, Gittersuche, Gittersuche mit Kreuzvalidierung
  • Evaluationsmetriken: Metriken zur binären Klassifikation, spezielle Metriken, Pipelines zur Gittersuche
Kernkompetenzen
Validierungsstrategien GridSearch und Modelloptimierung Evaluationsmetriken Reproduzierbare Workflows mit Pipelines Modellbewertung auf praxisnahen Datensätzen

A Deeper Dive into Data Science

Kurzbeschreibung

In diesem Modul vertiefst du dein Wissen rund um Datenrepräsentation und Feature Engineering und lernst, wie du daraus leistungsstarke Modelle entwickelst. Außerdem machst du dich mit den Grundlagen des Natural Language Processing (NLP) vertraut – und erfährst, wie du textbasierte Daten gezielt analysierst und verarbeitest.

Lernergebnisse

Du lernst:

  • geeignete Techniken zur Umwandlung, Auswahl und Kombination von Merkmalen (Features) für verschiedene Machine-Learning-Modelle einzusetzen.
  • den Einfluss von Feature Engineering und Domainwissen auf die Modellleistung realistisch einzuschätzen.
  • verschiedene Verfahren zur automatischen Merkmalsauswahl (wie RFE) praktisch anzuwenden.
  • textbasierte Daten zu verarbeiten und mit NLP-Techniken wie Tokenisierung oder Vektorisierung in strukturierter Form zu analysieren.
  • einfache Textklassifikatoren (z. B. Spamfilter) sowie Themenmodelle und Clusteranalysen für Dokumente zu entwickeln.
Inhalte
  • Data Repräsentation und Feature Engineering mit kategorischen Variablen, Transformationen und Interaktionen, automatischer Auswahl von Merkmalen sowie Berücksichtigen von Expertenwissen
  • Natural Language Processing (NLP) mit der Verarbeitung von Textdaten und einem Anwendungsbeispiel anhand von Filmbewertungen
Kernkompetenzen
Feature Engineering und Datenrepräsentation Merkmalsreduktion und automatisierte Auswahlverfahren NLP-Grundlagen und Textdatenverarbeitung Kombination von Statistik und Domänenwissen

Capstone Projekt - Ein Machine Learning Projekt von A bis Z

Kurzbeschreibung

In diesem Modul setzt du dein Wissen aus der gesamten Weiterbildung in einem eigenen Machine-Learning-Projekt um. Du wählst ein Thema – entweder vorgegeben oder selbst definiert – und bearbeitest es eigenständig anhand realer Daten. Von der Problemdefinition über die Datenbeschaffung und -analyse bis hin zur Modellierung und Optimierung durchläufst du alle typischen Schritte eines vollständigen Data-Science-Projekts. Zum Abschluss präsentierst du deine Ergebnisse in einem strukturierten Jupyter Notebook sowie im Rahmen einer mündlichen Projektvorstellung – ein idealer Einstieg in dein persönliches Machine-Learning-Portfolio.

Lernergebnisse

Du lernst:

  • ein Machine-Learning-Projekt eigenständig zu planen und umzusetzen
  • geeignete Datenquellen auszuwählen, aufzubereiten und zu analysieren
  • passende ML-Algorithmen anzuwenden, zu vergleichen und zu optimieren
  • Ergebnisse visuell aufzubereiten und verständlich zu dokumentieren
  • deine Analyseergebnisse klar und zielgruppengerecht zu präsentieren
Inhalte

Eigenständige Durchführung eines vollständigen Machine-Learning-Projekts – von der Themenwahl über Datenanalyse und Modellierung bis zur Ergebnispräsentation im Jupyter Notebook.

Kernkompetenzen
End-to-End-Workflow in Data-Science-Projekten Python-gestützte Datenanalyse Klassifikation Regression Clustering Feature Engineering Modellvalidierung Jupyter Pandas Matplotlib Seaborn Scikit-Learn Projektentwicklung und Ergebnispräsentation Kommunikationsfähigkeit im datenanalytischen Kontext
Es ist dein Weg!

Lerne, wie es dir passt

Du entscheidest wie, wann und wo du lernst. Egal, ob du intensiv in Vollzeit, flexibel in Teilzeit oder berufsbegleitend on-the-job lernen willst - unsere Kurse passen sich deinem Leben an.

Vollzeit

Du willst voll und ganz in Data Science eintauchen? Dann nimm an unserem Intensivkurs in Vollzeit teil.

  • Abschluss in 3,5 Monaten
  • Vollzeit online lernen
  • 30-40 Stunden pro Woche

Teilzeit

Du hast einen Halbtagsjob, Kinder oder anderweitige Verpflichtungen? Dann absolviere den Data Science-Kurs in Teilzeit.

  • Abschluss in 7 Monaten
  • Teilzeit online lernen
  • 10-20 Stunden pro Woche

Berufsbegleitend

Du hast einen Vollzeit-Job und tagsüber kaum Zeit zum Lernen? Dann lerne berufsbegleitend, am Abend oder am Wochenende.

  • Abschluss in 12 Monaten
  • Berufsbegleitend online lernen
  • 2-4 Stunden pro Woche

Deine Lernreise im Überblick

Erfahre mehr darüber, wie deine Lernreise aussehen wird und wie du Schritt für Schritt zum Data Scientist wirst.

White_Rocket_Vektor
So funktioniert’s. Dein Weg zu einer Profession mit Zukunft

Praxisorientiertes Lernen in einer menschenzentrierten Online-Lernumgebung

Lerne mit und von den Besten. Mit Unterstützung deines persönlichen Mentors. Mit Karriere-Coaches, die dich fit für den Arbeitsmarkt machen. Und Studienberatern, die dir immer zur Seite stehen. Und in unserer Community tauschst du dich mit Kommilitonen und Alumnis zu allen Themen deiner Weiterbildung aus.

Wir lassen dich nicht alleine! Unser erprobter, menschenzentrierter Ansatz bietet dir stets die Unterstützung, die du brauchst und ein motiviertes Team, das dich auf deinem Weg begleitet.

Persönliches
1:1-Mentoring

Starte neu und lass dich von einem erfahrenen Branchenprofi begleiten, um dich optimal auf deine berufliche Zukunft vorzubereiten.

Studienberater an deiner Seite

Unsere Studienberater stehen dir bei allen Fragen zur Seite und meistern mit dir jede Herausforderung, die sich dir in den Weg stellt.
Karrierecoaches
begleiten dich

Unsere Karriere-Coaches begleiten dich von Tag 1 an und bereiten dich optimal auf eine erfolgreiche Karriere vor.

Deine kollaborative Gemeinschaft

Lernen geht am besten mit anderen. Da Lernen kein Alleingang ist, erhältst du einen exklusiven Zugang zu unserer Community.
Hands-On Praxis. Capstone Projekt. Anerkanntes Portfolio

Projektbasiertes Lernen mit Job-ready Praxis und Portfolio

Der beste Weg, Data Science zu lernen, ist, praktische Erfahrungen in Python-Programmierung, Maschinelles Lernen und Datenanalyse mit pandas und NumPy zu sammeln. Arbeite an realen Projekten und Aufgaben, um deine Karriere als Data Scientist zu fördern.

Praxis-Projekt mit realen Fällen

Arbeite während deiner Weiterbildung an einem praxisnahen Projekt und absolviere Aufgaben, wie sie in deinem zukünftigen Job alltäglich sind.

Capstone Projekt, das Türen öffnet

Erstelle ein Abschlussprojekt, dass deine Lernerfolge und deine erworbenen Fähigkeiten in Data Science illustriert.

Branchenweit anerkanntes Portfolio

Erstelle ein umwerfendes Portfolio, das dein Können unter Beweis stellt und bei Personalverantwortlichen Türen öffnet.
5_Sterne_Bewertung

5,0/5,0

Sehr empfehlenswert

5_Sterne_Bewertung

4,9/5,0

Höchste Qualität

5_Sterne_Bewertung

4,8/5,0

Kundenzufriedenheit

Top Gehalt & Karriere

Sichere dir ausgezeichnete Verdienstmöglichkeiten in einem lukrativen Job als angehender Data Scientist.

Data Scientist

entwickelt Modelle, wertet Big Data aus und liefert Prognosen

Bis zu   64.000 €

Data Analyst

analysiert Daten und erstellt Berichte für datengetriebene Entscheidungen

Bis zu   56.500 €

Data Engineer

baut und wartet Dateninfrastruktur für Analysen und Anwendungen

Bis zu   65.800 €

Machine Learning Engineer

entwickelt und implementiert Machine-Learning-Modelle und Algorithmen

Bis zu   66.000 €

Business Analyst

analysiert Geschäftsprozesse und unterstützt Optimierungen

Bis zu   63.000 €
Ein einzigartiges Angebot. Viele Vorteile

Wir unterstützen dich vom 1. Tag an dabei, deinen Traumjob zu finden

Nutze unsere exklusiven Karriere-Services, um dich optimal auf eine erfolgreiche Data Science-Karriere vorzubereiten und Kontakte zu interessanten Arbeitgebern zu knüpfen.

Bewerbungstraining

Du profitierst von einem kostenlosen Bewerbungstraining, das auf die Anforderungen von Unternehmen zugeschnitten ist.

Karriere-Coaching

Wir bieten kostenlose Karriere-Sprechstunden mit erfahrenen Personalmanagern, um dich individuell zu beraten.

Bildungsberatung

Unsere Studienberater stehen dir bei allen Fragen zur Seite und meistern mit dir jede Herausforderung, die sich dir in den Weg stellt.

Jobvermittlung

Wir arbeiten aktiv mit Unternehmen zusammen, um unsere Studenten erfolgreich in neue Jobs zu bringen.
Brauchst du Hilfe bei der Finanzierung?

Finanzierung leicht gemacht

Du hast viele Möglichkeiten deine Weiterbildung zu finanzieren. Informiere dich hier oder lass dich von unseren Kundenbetreuern über die Möglichkeiten der Finanzierung beraten.

Bildungsgutschein

Bilde dich kostenlos weiter. Wenn du arbeitssuchend bist oder dein Job vom Strukturwandel bedroht ist, dann nutze den Bildungsgutschein.

Jetzt anmelden Kursangebot anfordern
info icon Kostenlos

Bildungsgutschein

100% finanziert durch Arbeitsagentur & Jobcenter

0 €

Einmalzahlung

Zahle deine Kursgebühren vor Beginn der Weiterbildung. Die einfachste und günstigste Art dich weiterzubilden.

Jetzt anmelden  
info icon Bester Preis

Einmalzahlung

Alles auf einmal zahlen und Geld sparen

7.248 €

Ratenzahlung

Zahle bequem in mehreren Raten und nur für die Zeit, die du benötigst, um deine Weiterbildung abzuschließen.

Einmalig vor Beginn 3.150 €
2x monatlich 2.200 €

Jetzt anmelden  
info icon Höchste Flexibilität

Ratenzahlung

Bequem in mehreren Raten bezahlen

1x 3.150 € +
2x 2.200 €

Qualifizierungschancengesetz

Nutze die staatliche Finanzierung und lasse dir bis zu 100% der Weiterbildungskosten und 75% des Gehalts finanzieren.

Beraten lassen Beraten lassen
info icon Kostenlos

Qualifizierungschancengesetz

Weiterbildungskosten und Gehaltszuschuss sichern

0,00 €
Beraten lassen

Bildungsgutschein

Nutze den Bildungsgutschein, wenn dein Unternehmen vom Strukturwandel bedroht ist und deine Mitarbeiter Weiterbildung benötigen, um ihren Job zu sichern.

Beraten lassen Beraten lassen
info icon Kostenlos

Bildungsgutschein

100% finanziert durch die Arbeitsagentur

0,00 €
Beraten lassen

Einmalzahlung

Qualifiziere deine Mitarbeiter und lasse sie berufsbegleitend in Data Science weiterbilden.

Jetzt anmelden  
info icon Flexibel

Einmalzahlung

Einfach anmelden und Zahlungsoption wählen.

7.248 €

Team-Kontingent

Du möchtest mehrere Mitarbeiter in Data Science fit machen. Dann nutze unsere Angebote für Teams.

Angebot einholen Angebot einholen
info icon Gruppentarif

Team-Kontingent

Mehrere Mitarbeiter anmelden und von Rabatten profitieren.

Auf Anfrage
Angebot einholen

Wir haben vielen begeisterten Menschen geholfen, sich zu entwickeln

Tausende von Lernbegeisterten haben bereits erfolgreich eine Weiterbildung bei uns abgeschlossen. Überzeuge dich selbst.

"Die Teilnahme am "Certified Data Scientist" Kurs war für mich eine bahnbrechende Entscheidung. Die Fülle an praxisrelevantem Wissen hat meine Erwartungen übertroffen und mir ein tieferes Verständnis für komplexe Datenanalysen vermittelt. Die Herausforderungen im Kurs haben nicht nur meine Fähigkeiten gestärkt, sondern auch meine Motivation zu Höchstleistungen angespornt. Die Betreuung durch XDi war exzellent, und ich fühle mich bestens gerüstet für anspruchsvolle Projekte in der Datenwissenschaft. Ich empfehle diesen Kurs jedem, der seine Karriere in diesem Bereich auf das nächste Level heben möchte!"
Daniel Naesa
"Ich bin froh, mich für den Kurs "Certified Data Scientist" entschieden zu haben. Der Kurs hat enorm viel aktuelles Wissen vermittelt, und meine persönlichen Erwartungen bei Weitem übertroffen. Der Kurs ist ohne Frage herausfordernd, belohnt aber schnell mit einer steilen und vorzeigbaren Lernkurve. Ich habe mich jederzeit von XDi optimal betreut gefühlt."
Denis Sarcevic
"Ich habe die Weiterbildung "Certified Data Scientist" über das Jobcenter machen können. Und, ich würde jederzeit wieder mit XDi was neues lernen. Warum? Ich konnte meine Zeit komplett selber einteilen, jeder weiß wie es ist, wenn was dazwischen kommt und man nicht am Unterricht teilnehmen kann. Egal wann ich wollte, konnte ich mich an den PC setzten. Am Anfang hatte ich aber ein wenig Angst vor dieser Art an Unterricht, wie verständlich wird es für mich sein? Die Angst war aber unberechtigt, es ist super aufgebaut und in wirklich viele Einzelteile zerlegt, dass man jeden Schritt gut nachvollziehen kann. Es war alles Top. Danke an das ganze Team! Wenn ich es gebraucht habe, habe ich immer sofort Hilfe bekommen, es war immer jeder gut gelaunt."
Florian van Elten
"Ich habe die Weiterbildung "Certified Data Scientist" über das Jobcenter machen können. Und, ich würde jederzeit wieder mit XDi was neues lernen. Warum? Ich konnte meine Zeit komplett selber einteilen, jeder weiß wie es ist, wenn was dazwischen kommt und man nicht am Unterricht teilnehmen kann. Egal wann ich wollte, konnte ich mich an den PC setzten. Am Anfang hatte ich aber ein wenig Angst vor dieser Art an Unterricht, wie verständlich wird es für mich sein? Die Angst war aber unberechtigt, es ist super aufgebaut und in wirklich viele Einzelteile zerlegt, dass man jeden Schritt gut nachvollziehen kann. Es war alles Top. Danke an das ganze Team! Wenn ich es gebraucht habe, habe ich immer sofort Hilfe bekommen, es war immer jeder gut gelaunt."
Krisztina Hellenbarth
"Ich habe den Certified Data Scientist-Kurs bei XDI abgeschlossen. Am meisten hat mir die Flexibilität gefallen, meine Zeit und mein Lerntempo individuell zu planen, ohne an einen festen Stundenplan wie in anderen Schulen gebunden zu sein. Gleichzeitig konnte ich dank der ständigen Verfügbarkeit eines Mentors jederzeit qualifizierte Beratung und Unterstützung erhalten. Für alle, die noch zögern – ich kann XDI wärmstens empfehlen!"
Ostap Tykhevych
"Ich habe viele sehr gute Inhalte gelernt und bin jetzt Data Scientistin! Die Weiterbildung „Certified Data Scientist“ kombiniert analytische Tiefe mit lösungsorientiertem Denken und eröffnet mir die Möglichkeit, aus Daten bedeutungsvolle Erkenntnisse zu gewinnen. Vielen Dank an das gesamte XDi-Team!"
Yvonne Haba
Kompetent. Erfahren. Empathisch

Unsere Mentoren

Unsere Trainer sind Branchenexperten mit viel Erfahrung in unterschiedlichen Unternehmen, Branchen und Ländern. Du erhältst genau die Unterstützung, die du brauchst, um das zu lernen, was du willst. Du profitierst von Persönlichkeiten mit fundiertem Fachwissen und didaktischen Fähigkeiten.

info icon >10 Jahre Erfahrung info icon Branchenexperten info icon Ausgeprägtes Fachwissen info icon Pädagogische Eignung info icon Echte Persönlichkeiten

Manuel Bordasch ist CTO des Unternehmens CompAn Labs GmbH, welches auf KI-basierte und konventionelle Datenanalyse spezialisiert ist. In seiner täglichen Arbeit ist er federführend bei der Entwicklung und Betreuung von Kundenprojekten. Einen weiteren Schwerpunkt bildet die Weiterentwicklung seiner selbst konzipierten und entwickelten Data-Intelligence-Plattform Dashlake®. In den vergangenen 15 Jahren hat er bereits zahlreiche Vorlesungen und Seminare im Bereich Künstliche Intelligenz gehalten. Diese Lehrerfahrungen treffen auf vielfältige Berufserfahrung – vom Start-up über den Mittelstand bis hin zum Konzern. Er schafft es, abstrakte Theorien anschaulich und greifbar zu machen. Sein Ziel als Trainer und Mentor: maximaler Wissenszuwachs bei den Teilnehmern.

Manuel Bordasch

Data Scientist, Data Analyst, Data Engineer, KI-Spezialist

Manuel Bordasch

Data Scientist, Data Analyst, Data Engineer, KI-Spezialist

Sven Ertel ist als freiberuflicher Data Analyst in einer Vielzahl von Branchen tätig und hat umfangreiche Erfahrungen in der Unterstützung von Unternehmen, insbesondere deren (BI)-Abteilungen, gesammelt. Sein Fachwissen umfasst die Konzeption und Implementierung von Reportingsystemen, die Datenaufbereitung und -anbindung sowie die Datenvisualisierung. Er hat unter anderem globale Sales-Monitoringsysteme für einen bayerischen Automobilhersteller weiterentwickelt und die Analyse sowie Aufbereitung von Marketingkampagnendaten für ein deutsches Luftfahrtunternehmen durchgeführt.

In seiner Funktion als Data Scientist bei der Serviceplan Group hat Sven ein solides, professionelles Fundament im Projektmanagement für diverse Kundenprojekte etabliert. Zudem hat er seine IT-Kompetenzen in verschiedenen Technologien verfeinert und angewandt. Während dieser Zeit leitete er auch Schulungen und Weiterbildungen zu UX/UI-optimierten BI-Reportings, wodurch er zur Verbesserung der Benutzerfreundlichkeit und Effizienz von BI-Lösungen beitrug.

Sven Ertel

Data Scientist, Data Analyst

Sven Ertel

Data Scientist, Data Analyst

Deine Fragen – unsere Antworten

Du hast noch Fragen? Hier findest du die Antworten. Deine Frage wird nicht beantwortet? Dann kontaktiere uns einfach direkt.

FAQ_Ansprechpartnerinnen
Kontakt aufnehmen
Mehr XDi-Weiterbildungen, die dich interessieren könnten

Entdecke weitere, interessante Weiterbildungen

Business, Data & KI

Certified Business Intelligence Analyst

Relationales Datenbankmanagementsystem, MySQL, SQL, Visualisierungen, Berichte, Dashboards, Power BI, Tableau. Zertifizierter Business Intelligence Analyst – mit dem Fokus SQL und Power BI – Online Bootcamp mit Mentor und Bildungsgutschein.

Alle Infos
Data & KI

Certified Data Analyst

Data Analytics, Datenbanken, Data Storytelling und Visualisierung in der Praxis — Data Analytics Online Bootcamp mit Mentor und Bildungsgutschein

Alle Infos
Business

Certified Product & Project Manager

Agiles Produktmanagement und Projektmanagement für die digitale Welt — Produktmanagement Online Bootcamp mit Mentor und Bildungsgutschein

Alle Infos
Business, Data & KI

Datenbankmanagement & Datenanalyse mit MySQL & SQL

Relationale Datenbanken, MySQL, SQL-Abfragen, Datenmanagement, Business Intelligence, Structured Query Language, Datenanalyse. Datenbankmanagement & Datenanalyse mit MySQL/SQL – Online Bootcamp mit Mentor und Bildungsgutschein

Alle Infos
Business, Data & KI

Business Intelligence mit Power BI & Tableau

Business Intelligence (BI) Analysen mit Power BI & Tableau – Online-Bootcamp mit Mentor und Bildungsgutschein

Alle Infos

Zertifiziert und akkreditiert

Staatlich geprüft & 100% förderbar! Unsere E-Learning-Weiterbildungen sind mit einem Bildungsgutschein der Agentur für Arbeit zu 100% finanzierbar.

Certqua_Siegel
ZFU_Siegel

Zertifiziert und akkreditiert

Staatlich geprüft & 100% förderbar! Unsere E-Learning-Weiterbildungen sind mit einem Bildungsgutschein der Agentur für Arbeit zu 100% finanzierbar.

Certqua_Siegel
ZFU_Siegel

Nehmen Sie Kontakt mit uns auf

Senden Sie uns eine Nachricht. Wir melden uns innerhalb von 24 Stunden bei Ihnen.

Ihr Anliegen

Wählen Sie eine Anrede*
  • Frau
  • Herr
  • Frau Dr.
  • Herr Dr.
  • Frau Prof.
  • Herr Prof.
Wie sind Sie auf uns aufmerksam geworden? Wo haben Sie von uns gehört?
  • mein Now / KURSNET
  • Arbeitsagentur
  • Jobcenter
  • Private Bildungsberater
  • Messe/Veranstaltung
  • Google
  • Kursfinder
  • LinkedIn
  • Facebook
  • Instagram
  • Künstliche Intelligenz
  • Bing
  • X
  • YouTube
  • Newsletter
  • Persönliche Empfehlung
  • HR-Manager/Personalabteilung
  • Sonstiges
*Pflichtfelder

Ihr direkter Kontakt zu uns

Wir freuen uns auf Ihre Kontaktaufnahme und melden uns zeitnah bei Ihnen.
  • Sie wollen sich weiterbilden und durchstarten?
  • Sie möchten mehr über uns erfahren?
  • Sie haben Fragen und wollen sich beraten lassen?

Noch Fragen?

Wir sind immer für Sie da. Sie können uns Montag bis Freitag von 08:00 bis 17:00 Uhr erreichen.
Valentina Caronia

Valentina Caronia

Kundenbetreuerin & Community Managerin
E-Mail senden +49 30 5200 1310 Termin vereinbaren