DP-100-Vorbereitung: Azure Machine Learning Service, ML-Pipelines, Compute, Datasets, Deployment — Azure Data Scientist Associate.
Geprüft von Admin Kursweg · Stand 25. Mai 2026
Was wird in diesem Kurs vermittelt
DP-100 ist Microsofts Zertifizierung für Azure Data Scientists — Profis, die Azure Machine Learning Service zur Entwicklung, Schulung und Bereitstellung von ML-Lösungen nutzen. Wichtig: Der Kurs lehrt nicht Data Science (das wird vorausgesetzt), sondern wie man Data Science auf Azure umsetzt. Block Azure Machine Learning Workspace: Workspace als zentraler Container, Resource Provider, Storage Account, Key Vault, Container Registry, Application Insights als zugehörige Ressourcen, Workspace-Zugriff (Studio UI, SDK Python/R, CLI). Block Compute-Optionen: Compute Instances (Single-User-VMs für Notebooks/Experimente), Compute Clusters (Multi-Node für Training und Batch-Inference), Inference Clusters (Kubernetes für Real-Time-Endpoints), Attached Compute (Databricks, HDInsight, externe VMs). Block Datasets und Datastores: Datastores als Verbindung zu Azure Storage (Blob, Data Lake, SQL, Postgres, MySQL), Tabular vs. File Datasets, Versionierung, Profiling, On-Demand-Loading vs. Mounten in Compute. Block Designer (Drag-and-Drop ML-Pipelines): vorgefertigte Module (Datenzugriff, Preprocessing, Training, Evaluation, Scoring), Custom Python-Module, Pipeline-Ausführung, Modell-Bereitstellung als Endpoint. Block AutoML (Automated Machine Learning): Auto-Auswahl von Algorithmen, automatisches Feature Engineering, automatisches Hyperparameter-Tuning, Klassifikation/Regression/Forecasting, Explainability für AutoML-Modelle. Block Notebooks und Code-First-Ansatz: Jupyter-Notebooks in Azure ML, Python-SDK (azureml-core, azureml-train, azureml-pipeline), Experimente protokollieren mit Run.log, MLflow-Integration. Block ML-Pipelines: Pipeline-Steps definieren (PythonScriptStep, EstimatorStep, ParallelRunStep), Step-Outputs als Datastore-Locations, Pipeline-Wiederverwendung mit PublishedPipeline, Triggers (Scheduled, Reactive auf Datenänderung). Block Modell-Training: Single-Node vs. Distributed Training (Horovod, PyTorch Distributed, TensorFlow Distributed), Hyperparameter-Tuning mit HyperDrive (Grid Sampling, Random Sampling, Bayesian), Early Termination Policies (Bandit, Median Stopping). Block Modell-Deployment: Real-Time Endpoints (AKS für High-Availability, ACI für Dev/Test, Managed Online Endpoints als modern), Batch Endpoints für asynchrone Inference, Inference Schema, Custom Inference Scripts. Block Monitoring & Responsible AI: Data Drift Detection, Model Performance Monitoring, Responsible AI Dashboard (Fairness, Explainability, Error Analysis, Causal Inference, Counterfactual Analysis).
Marktdaten zu Verdienst, offenen Stellen und Zukunftsaussicht im Bereich IT & Informatik
Einstieg
38.000–48.000 €
0–2 Jahre Erfahrung
Mittel
52.000–68.000 €
3–7 Jahre Erfahrung
Senior
70.000–95.000 €
8+ Jahre / Lead-Rolle
124.000+
IT-Berufe sind seit fünf Jahren der größte Fachkräfteengpass am deutschen Arbeitsmarkt. Der Bestand offener IT-Stellen ist 2024 auf einen Rekordstand gestiegen; AI- und Cloud-Skills werden in den nächsten Jahren weiter überdurchschnittlich nachgefragt.
Bei AZAV-zertifizierten Trägern ist die Kursgebühr regelmäßig zu 100 % förderbar.
Ja, deutlich. DP-100 ist Azure-spezifisch — die ML-Konzepte (Train/Test-Split, Cross-Validation, Algorithmen) werden vorausgesetzt. Wer Data Science nicht kennt: erst ML-Grundlagen lernen.
Beides wird behandelt. AutoML für Schnellstarts und Vergleichs-Baselines. Code-First für Production-Pipelines und Custom-Algorithmen. Senior Data Scientists nutzen oft beide.
Mittel-schwer. Mit Praxis und Sandbox-Übungen in 4-6 Wochen machbar. Sandbox-Zugang via Microsoft Learn oder Pay-as-you-go.
Ja, AZAV-Anbieter akzeptieren Bildungsgutschein, QCG. ML-Skills sehr nachgefragt.
Einstieg in Microsoft Azure mit Vorbereitung auf die offizielle AZ-900-Zertifizierung: Cloud-Konzepte, Azure-Dienste, Sicherheit, Compliance, Preise und SLAs. Für IT-Quereinsteiger und Mitarbeiter im Cloud-Umfeld.
Vorbereitung auf die AWS-Zertifizierung SAA-C03: AWS Well-Architected Framework, Netzwerk, Storage, Security, CloudFormation, Container, Serverless. Eine der gefragtesten Cloud-Zertifizierungen.
DevOps-Praxis in AWS-Cloud: CI/CD, Docker-Container, Python für AWS, Continuous Integration und Deployment, agile Methoden. Vorbereitung auf AWS-DevOps-Zertifizierung.
Cloud-Karriere-Programm AWS re/Start: AWS Cloud Practitioner, Cloud-Konzepte, Sicherheit, Billing, Technologie-Überblick. Für Quereinsteiger ins Cloud-Umfeld.
Sag uns einmal Region, Format (online/präsenz), Zeit-Modell und Förderstatus — wir vergleichen für dich und melden uns mit 1–3 passenden Trägern. Kostenlos, unverbindlich.
Typischer Verlauf nach dem Kurs
Quellen: Bundesagentur für Arbeit · Engpassanalyse 2024/25 · StepStone Gehaltsreport 2025 · Bitkom Studie Fachkräftemangel 2024. Brutto-Jahresgehälter aus Erhebungen 2024/25, abweichend nach Region und Tarifgebundenheit.