Kostenlose Beratung

0800 3456-500

Mo. - Fr. von 8 bis 17 Uhr kostenfrei aus allen Netzen.

Data Manager:in

Kostenlos für Dich

durch Förderung

Der Kurs lehrt dir das nötige Fachwissen, das für den Betrieb in der Cloud erforderlich ist sowie den Einsatz von Künstlicher Intelligenz. Statistik und SQL sind dabei Werkzeuge zur Verarbeitung und Analyse von Daten. Zudem vervollständigen Python-Kenntnisse dein Profil im Data Management.
  • Abschlussart: Zertifikat „Data Manager:in“
  • Zusatzqualifikationen: Zertifikat „AWS Certified Cloud Practitioner“
    Zertifikat „Statistik“
    Zertifikat „Relationale Datenbanken-SQL“
    Zertifikat „Python“
  • Abschlussprüfung: Praxisbezogene Projektarbeiten mit Abschlusspräsentationen
    AWS Zertifizierungsprüfung CLF-C02
  • Unterrichtszeiten: Vollzeit
  • Dauer: 16 Wochen

AWS Cloud Administrator

Cloud-Konzepte (ca. 3,5 Tage)

Vorteile der AWS Cloud

Prinzipien des AWS Cloud-Designs

Migration zur AWS Cloud

Konzepte der Cloud-Wirtschaftlichkeit


Künstliche Intelligenz (KI) im Arbeitsprozess

Vorstellung von konkreten KI-Technologien im beruflichen Umfeld

Anwendungsmöglichkeiten und Praxis-Übungen


Sicherheit und Compliance (ca. 4,5 Tage)

AWS-Modell als geteilte Verantwortung

AWS Cloud-Sicherheits-, Governance- und Compliance-Konzepte

AWS Access Management-Funktionen

Komponenten und Ressourcen für die Sicherheitsuntersützung


Cloud-Technologie und -Services (ca. 5 Tage)

Methoden zur Bereitstellung und zum Betrieb in der AWS Cloud

Globale AWS-Infrastruktur

AWS-Computing-Services, -Datenbank-Services, -Netzwerkservices, und -Speicherservices

AWS-Service für künstliche Intelligenz und maschinelles Lernen sowie Analytik-Services

Services aus anderen abgedeckten AWS-Services-Kategorien


Fakturierung, Preisgestaltung und Support (ca. 2 Tage)

Vergleich von AWS-Preismodellen

Ressourcen für Fakturierung, Budget und Kostenmanagement

Techn. Ressourcen und Supportoptionen von AWS


Projektarbeit, Zertifizierungsvorbereitung und Zertifizierungsprüfung (ca. 5 Tage)

AWS Certified Cloud Practitioner CLF-C02

Statistik

Statistische Grundlagen (ca. 6 Tage)

Messtheoretische Grundlagen (Grundgesamtheit und Stichprobe, Stichprobenarten, Messung und Skalenniveaus)

Univariate Deskriptivstatistik (Häufigkeitsverteilungen, Zentralmaße, Streuungsmaße, Standardwert, Histogramme, Balkendiagramme, Kreisdiagramme, Liniendiagramme und Boxplots)

Bivariate Deskriptivstatistik (Zusammenhangsmaße, Korrelationskoeffizienten, Kreuztabellen, Streudiagramme und gruppierte Balkendiagramme)

Grundlagen der induktiven Inferenzstatistik (Wahrscheinlichkeitsverteilung, Normalverteilung, Mittelwerteverteilung, Signifikanztest, Nullhypothesentest nach Fisher, Effektgröße, Parameterschätzung, Konfidenzintervalle, Fehlerbalkendiagramme, Poweranalysen und Ermittlung des optimalen Stichprobenumfangs)


Künstliche Intelligenz (KI) im Arbeitsprozess

Vorstellung von konkreten KI-Technologien im beruflichen Umfeld

Anwendungsmöglichkeiten und Praxis-Übungen


Methoden zum Vergleich von zwei Gruppen (ca. 5 Tage)

z- und t-Test für eine Stichprobe (Abweichung von einem vorgegebenen Wert)

t-Test für den Mittelwertsunterschied von zwei unabhängigen/verbundenen Stichproben

Prüfung der Wirksamkeit von Aktionen, Maßnahmen, Interventionen und anderen Veränderungen mit t-Tests (Pretest-Posttest-Designs mit zwei Gruppen)

Unterstützende Signifikanztests (Anderson-Darling-Test, Ryan-Joiner-Test, Levene-Test, Bonnet-Test, Signifikanztest für Korrelationen)

Nonparametrische Verfahren (Wilcoxon-Test, Vorzeichentest, Mann-Whitney-Test)

Kontingenzanalysen (Binomialtest, Exakter Test nach Fisher, Chi-Quadrat-Test, Kreuztabellen mit Assoziationsmaße)


Methoden zum Mittelwertvergleich von mehreren Gruppen (ca. 5 Tage)

Ein- und zweifaktorielle Varianzanalyse (einfache und balancierte ANOVA)

Mehrfaktorielle Varianzanalyse (Allgemeines lineares Modell)

Feste, zufällige, gekreuzte und geschachtelte Faktoren

Mehrfachvergleichsverfahren (Tukey-HSD, Dunnett, Hsu-MCB, Games-Howell)

Interaktionsanalyse (Analyse von Wechselwirkungseffekten)

Trennschärfe und Poweranalyse bei Varianzanalysen


Einführung in die Versuchsplanung (DoE, Design of Experiments) (ca. 1 Tag)

Voll- und teilfaktorielle Versuchspläne


Projektarbeit (ca. 3 Tage)

Zur Vertiefung der gelernten Inhalte

Präsentation der Projektergebnisse

Relationale Datenbanken mit SQL

Grundlagen von Datenbanksystemen mit Access (ca. 3 Tage)

Redundante Daten

Datenintegrität

Normalisierung

BCNF

DB-Entwurf

Beziehung 1:n, m:n

Datentypen

Tabellen

Primär- und Fremdschlüssel

Referentielle Integrität

Beziehungen zwischen Relationen

Entity-Relationship-Modell

Index, Standartwert

Einschränkungen (Check)

Abfragen

Formulare, Berichte

Zirkelbezug


Einführung in SQL Server Management Studio (SSMS) (ca. 2 Tage)

Übersicht

Phys. DB-Design

Tabellen erstellen

Datentypen in MS SQL

Primary Key

Einschränkungen, Standartwerte, Diagramm, Beziehungen

Backup und Restore


Künstliche Intelligenz (KI) im Arbeitsprozess

Vorstellung von konkreten KI-Technologien im beruflichen Umfeld

Anwendungsmöglichkeiten und Praxis-Übungen


Einführung in DDL (ca. 8 Tage)

SQL Grundlagen

Syntax

Befehle

Mehrere Tabellen

Operatoren

Ablaufkontrolle

Skalarwertfunktionen

Tabellenwertfunktionen

Systemfunktionen

Prozeduren mit und ohne Parameter

Fehlertypen

Transaktionen, Sperren, DeadLock


DCL – Data Control Language (ca. 1 Tag)

Anmeldungen

Benutzer:innen

Rollen

Berechtigungen


Datentypen, Datenimport und -export (ca. 1 Tag)

Datentyp geography

Datenexport, Datenimport


Projektarbeit (ca. 5 Tage)

Zur Vertiefung der gelernten Inhalte

Präsentation der Projektergebnisse

Programmierung mit Python

Grundlagen Python (ca. 1 Tag)

Geschichte, Konzepte

Verwendung und Einsatzgebiete

Syntax


Erste Schritte mit Python (ca. 5 Tage)

Zahlen

Zeichenketten

Datum und Zeit

Standardeingabe und -ausgabe

list, tuple dict, set

Verzweigungen und Schleifen (if, for, while)


Künstliche Intelligenz (KI) im Arbeitsprozess

Vorstellung von konkreten KI-Technologien im beruflichen Umfeld

Anwendungsmöglichkeiten und Praxis-Übungen


Funktionen (ca. 5 Tage)

Eigene Funktionen definieren

Variablen

Parameter, Rekursion

Funktionale Programmierung


Fehlerbehebung (ca. 0,5 Tage)

try, except

Programmunterbrechungen abfangen


Objektorientierte Programmierung (ca. 4,5 Tage)

Python-Klassen

Methoden

Unveränderliche Objekte

Datenklasse

Vererbung


Grafische Benutzeroberfläche (ca. 1 Tag)

Buttons und Textfelder

grid-Layout

Dateiauswahl


Projektarbeit (ca. 3 Tage)

Zur Vertiefung der gelernten Inhalte

Präsentation der Projektergebnisse



Änderungen möglich. Die Lehrgangsinhalte werden regelmäßig aktualisiert.

Gute Englisch-Kenntnisse sind erforderlich.

Nach diesem Lehrgang besitzt du das nötige Fachwissen, das für den Betrieb in der Cloud erforderlich ist. Außerdem verfügst du über die technische Erfahrung, die für die Bereitstellung, Sicherung und Automatisierung von Umgebungen unabhängig von der Lösung des Anbieters erforderlich ist. Mit Statistik und SQL beherrschst du zwei essentielle Werkzeuge zur Verarbeitung, Darstellung und Analyse von Daten. Python-Kenntnisse vervollständigen dein Profil im Bereich Data Management.

Der Lehrgang richtet sich an (Fach-)Informatiker:innen, Programmierer:innen, Personen mit Studium der Ingenieurwissenschaften und Betriebswirtschaftslehre sowie Kaufleute und Fachkräfte mit entsprechender Berufserfahrung.

Der Bereich Datenmanagement gewinnt branchenübergreifend immer mehr an Bedeutung. Fähigkeiten im Management von Daten werden nicht nur in der IT und der Datenanalyse gebraucht, sondern sind auch in Industrie, Handel, Dienstleistungs- und Finanzwesen nachgefragt.

Didaktisches Konzept

Deine Dozierenden sind sowohl fachlich als auch didaktisch hoch qualifiziert und werden dich vom ersten bis zum letzten Tag unterrichten (kein Selbstlernsystem).

Du lernst in effektiven Kleingruppen. Die Kurse bestehen in der Regel aus 6 bis 25 Teilnehmenden. Der allgemeine Unterricht wird in allen Kursmodulen durch zahlreiche praxisbezogene Übungen ergänzt. Die Übungsphase ist ein wichtiger Bestandteil des Unterrichts, denn in dieser Zeit verarbeitest du das neu Erlernte und erlangst Sicherheit und Routine in der Anwendung. Im letzten Abschnitt des Lehrgangs findet eine Projektarbeit, eine Fallstudie oder eine Abschlussprüfung statt.

 

Virtueller Klassenraum alfaview®

Der Unterricht findet über die moderne Videotechnik alfaview® statt  - entweder bequem von zu Hause oder bei uns im Bildungszentrum. Über alfaview® kann sich der gesamte Kurs face-to-face sehen, in lippensynchroner Sprachqualität miteinander kommunizieren und an gemeinsamen Projekten arbeiten. Du kannst selbstverständlich auch deine zugeschalteten Trainer:innen jederzeit live sehen, mit diesen sprechen und du wirst während der gesamten Kursdauer von deinen Dozierenden in Echtzeit unterrichtet. Der Unterricht ist kein E-Learning, sondern echter Live-Präsenzunterricht über Videotechnik.

 

Die Lehrgänge bei alfatraining werden von der Agentur für Arbeit gefördert und sind nach der Zulassungsverordnung AZAV zertifiziert. Bei der Einreichung eines Bildungsgutscheines oder eines  Aktivierungs- und Vermittlungsgutscheines werden in der Regel die gesamten Lehrgangskosten von deiner Förderstelle übernommen.
Eine Förderung ist auch über den Europäischen Sozialfonds (ESF), die Deutsche Rentenversicherung (DRV) oder über regionale Förderprogramme möglich. Als Zeitsoldat:in besteht die Möglichkeit, Weiterbildungen über den Berufsförderungsdienst (BFD) zu besuchen. Auch Firmen können ihre Mitarbeiter:innen über eine Förderung der Agentur für Arbeit (Qualifizierungschancengesetz) qualifizieren lassen.