KI-Architekt*in mit Zusatzqualifikation - Python, Basics

Dieser Kurs ist der Einstieg in die KI-Entwicklung mit Azure für alle, die bisher noch keine Programmiererfahrung mitbringen oder Python als neue Werkzeugsprache erlernen wollen. Die Zusatzqualifikation Python Basics ist dabei kein Anhang, sondern ein integraler Bestandteil: Python ist die Sprache, in der Azure Machine Learning trainiert, getestet und deployt wird. Die Module DP-100 (Azure Data Scientist Associate) und AI-102 (Azure AI Engineer Associate) geben den technischen Azure-Rahmen vor; das Python-Modul liefert das Handwerkszeug, das für die praktische Arbeit mit Azure-ML-SDKs, Pandas und NumPy benötigt wird. Wer diesen Kurs abschließt, kann eigenständig ML-Modelle in Azure trainieren und über REST-Endpunkte bereitstellen, mit Python-Skripten Daten aufbereiten und Pipelines automatisieren.

Modul 1: Einführung in KI-Architekturen und Datenintegration Bevor Code geschrieben wird, braucht es ein klares Bild davon, wie KI-Systeme aufgebaut sind und welche Rollen und Prozesse in einem KI-Projekt zusammenwirken. Dieses Einstiegsmodul legt das konzeptionelle Fundament und stellt Azure als Plattform für KI-Projekte vor.

• Grundlagen moderner KI-Architekturen: Komponenten, Datenflüsse, Systemgrenzen
• Datenintegration in der Cloud: Quellen, Formate und Speicherdienste in Azure
• Überblick über Azure-Dienste für KI: Machine Learning, Cognitive Services, OpenAI
• Governance, Sicherheit und Compliance in KI-Projekten
• Rollen im KI-Projekt: Data Scientist, ML Engineer, KI-Architekt und ihre Zusammenarbeit
• Planung einer einfachen Daten- und Modellpipeline mit Azure als Praxisbeispiel

Modul 2: Microsoft DP-100 – Azure Data Scientist Associate Das DP-100-Modul ist das datenwissenschaftliche Herzstück des Kurses. Hier lernen Teilnehmende, wie Machine-Learning-Modelle in Azure systematisch entwickelt, trainiert, evaluiert und für den produktiven Einsatz bereitgestellt werden.

• Einführung in Azure Machine Learning: Workspace, Compute, Datastores und Datasets
• Daten vorbereiten: Datentransformation, Feature Engineering und Pipeline-Aufbau
• Modelltraining: Experiment-Tracking, Hyperparameter-Tuning und AutoML
• Modell-Evaluation: Metriken, Konfusionsmatrizen und Bias-Analyse
• Deployment: Managed Endpoints, Batch-Inferenz und REST-API-Endpunkte
• Monitoring und Optimierung von ML-Modellen im produktiven Betrieb

Modul 3: Microsoft AI-102 – Azure AI Engineer Associate Das AI-102-Modul erweitert die datenwissenschaftliche Kompetenz aus DP-100 um die Integration fertiger Azure-KI-Dienste. Während DP-100 auf eigene Modelle fokussiert, zeigt AI-102, wie Microsoft-Fertigdienste für Sprache, Text, Vision und Entscheidungsunterstützung in Anwendungen eingebunden werden.

• Azure Cognitive Services: Sprach-, Text-, Bild- und Entscheidungsdienste konfigurieren
• Azure OpenAI: Modelle deployen, Prompts gestalten und Ausgaben verarbeiten
• Chatbots mit dem Azure Bot Service und Cognitive Services entwickeln
• Integration von KI-Diensten in bestehende Anwendungen via REST und Python-SDK
• Sicherheit und Skalierung von KI-Diensten in der Produktion
• Erstellen eines KI-basierten Chatbots mit Azure Cognitive Services als Praxisbeispiel

Modul 4: Python Basics (Zusatzqualifikation) Python ist die Arbeitssprache der KI-Entwicklung. Dieses Modul startet ohne Vorkenntnisse und führt systematisch in die Sprache ein, mit klarem Fokus auf die Anwendungsfälle, die in den Azure-Modulen relevant sind: Datenverarbeitung, API-Kommunikation und Skript-Automatisierung.

• Grundlagen der Python-Syntax: Variablen, Datentypen, Operatoren
• Kontrollstrukturen: Bedingungen, Schleifen und Ausnahmebehandlung
• Funktionen, Module und die Struktur Python-basierter Projekte
• Arbeiten mit Bibliotheken: NumPy für numerische Berechnungen, Pandas für Tabellendaten
• Datenvisualisierung mit Matplotlib: Liniendiagramme, Histogramme und Scatter Plots
• Einführung in objektorientierte Programmierung: Klassen, Objekte und Methoden

Modul 5: Python und Azure – Integration und Automatisierung Im letzten inhaltlichen Modul fließen Python und Azure zusammen. Teilnehmende lernen, wie Python-Skripte mit den Azure-ML-SDKs kommunizieren, Pipelines automatisieren und Modell-Endpunkte ansprechen können.

• Azure ML Python SDK: Verbindung mit dem Workspace, Experiment-Start und Ergebnis-Abruf
• Daten-Pipelines automatisieren: Skripte für regelmäßige Datentransformation
• Modell-Scoring über REST-Endpunkte mit Python-HTTP-Bibliotheken
• Fehlerbehandlung und Logging in produktiven Python-Skripten
• Dokumentation von Python-Projekten für die Teamarbeit
• Abschlussprojekt: Training und Deployment eines Python-ML-Modells in Azure ML

Praxisteil: Vollständige ML-Pipeline in Azure mit Python Der Praxisteil begleitet alle Module und führt zu einer vollständigen, dokumentierten ML-Pipeline.

• Einrichten eines Azure-ML-Workspace und der Entwicklungsumgebung
• Laden und Erkunden eines Datensatzes mit Pandas
• Bereinigen und transformieren der Daten mit Python-Skripten
• Erstellen eines Experiments in Azure ML Studio und Hochladen der Daten
• Trainieren eines ersten einfachen Modells und Auswerten der Ergebnisse
• Verfeinern des Modells durch Feature Engineering und Hyperparameter-Tuning
• Registrieren des fertigen Modells in der Azure ML Model Registry
• Deployen des Modells als Managed Endpoint
• Ansprechen des Endpunkts über eine einfache Python-REST-Anfrage
• Integrieren eines Azure-Cognitive-Services-Dienstes in die Pipeline
• Einrichten automatisierter Datenaktualisierungs-Skripte mit dem Azure ML SDK
• Abschluss-Dokumentation der Pipeline mit Architekturdiagramm und Betriebsanleitung

Am Ende des Praxisteils haben Teilnehmende eine vollständige ML-Pipeline in Azure gebaut, die sie als Referenzarchitektur für eigene Projekte verwenden und weiterentwickeln können.

Der Kurs richtet sich besonders an Personen, die in die KI-Entwicklung einsteigen wollen und dabei sowohl das Azure-Know-how als auch das Programmier-Fundament in Python aufbauen möchten.

• IT-Quereinsteiger mit Grundkenntnissen in IT oder Datenanalyse, aber ohne Programmiererfahrung
• Datenanalysten, die von Excel und BI-Tools in Richtung Python und Machine Learning wechseln wollen
• KI-Architektinnen und KI-Architekten, die Python als Werkzeugsprache nachlernen möchten
• Entwicklerinnen und Entwickler aus anderen Sprachen, die Python für KI-Projekte lernen wollen
• Projektleiterinnen und Projektleiter, die KI-Projekte mit technischem Verständnis führen möchten

Der Kurs läuft bevorzugt im Vollzeitformat, um den Lernfluss zwischen den aufbauenden Modulen zu sichern; ein Teilzeitformat ist ebenfalls verfügbar. Die Unterrichtsform ist Combined Learning: strukturierte Lehreinheiten wechseln mit angeleiteten praktischen Übungseinheiten in echten Azure-Umgebungen. Python-Grundlagen werden mit unmittelbarem Anwendungsbezug zu Azure-Aufgaben vermittelt, sodass jede neue Sprach-Konstruktion direkt in einem sinnvollen Kontext erlebt wird.

Die Weiterbildung erstreckt sich über mehrere Wochen. Im Vollzeitformat ist die Durchführung kompakter; im Teilzeitformat lässt sie sich berufsbegleitend organisieren. Der genaue Stundenumfang ist beim Anbieter einsehbar.

Nach Kursabschluss wird ein trägerinternes Zertifikat bzw. eine qualifizierte Teilnahmebescheinigung ausgestellt. Der Kurs bereitet auf die Microsoft-Zertifizierungsprüfungen DP-100 (Azure Data Scientist Associate) und AI-102 (Azure AI Engineer Associate) vor; diese Prüfungen werden extern bei Microsoft-akkreditierten Testzentren abgelegt. Das Python-Basics-Modul schließt mit einer trägerinternen Zusatzqualifikation ab.

Wer in die KI-Entwicklung einsteigen will, steht oft vor einem Dilemma: Entweder man lernt Python separat, oder man macht einen Azure-Kurs ohne das nötige Programmier-Werkzeug. Dieser Kurs löst das Problem, indem er beides gleichzeitig und aufeinander abgestimmt vermittelt. Python-Grundlagen werden nicht als abstrakte Übungen gelehrt, sondern sofort in Azure-Kontexten eingesetzt. Die Vorbereitung auf DP-100 und AI-102 in einem Kurs ist effizient, weil beide Zertifizierungen in der Praxis eng zusammenhängen: Das Data Scientist Profil (DP-100) und das AI Engineer Profil (AI-102) beschreiben zwei Seiten desselben KI-Projekts. Wer beide Perspektiven kennt, kann entweder eigenständig arbeiten oder in gemischten Teams die Brücke zwischen Modellentwicklung und Dienst-Integration schlagen. Das entstehende Kompetenzprofil ist auf dem deutschen Arbeitsmarkt gefragt, weil viele Unternehmen Azure als ihre KI-Plattform nutzen und Python-Kenntnisse in nahezu jeder KI-Stellenanzeige vorausgesetzt werden. Wer diesen Kurs abschließt, bringt beides mit, zusammen mit einer dokumentierten Praxispipeline, die das Erlernte konkret belegt.