Azure Data Scientist Associate (DP-100) + PRINCE2 Foundation

Diese Kombination richtet sich an Data Scientists, die in Konzern-Strukturen Projekte verantworten und PRINCE2 als Standard-PM-Methodik benötigen. DP-100 Azure Data Scientist Associate (5 Wochen): Vollumfänglich — Azure Machine Learning Workspaces, Compute-Ressourcen (Compute Instances, Compute Clusters, Inference Clusters, Attached Compute), Datenmanagement (Datastores, Datasets v1 + Data Assets v2, Data Drift Detection), Experimente mit Jobs API und MLflow für Tracking (Parameters, Metrics, Artifacts), Pipelines (Designer für Low-Code oder Python SDK v2 für Code-First), CI/CD für ML mit GitHub Actions oder Azure DevOps. AutoML für Klassifikation/Regression/Time Series/NLP/Vision mit Featurization, Algorithmus-Selektion, Hyperparameter-Tuning. Custom Training mit Scikit-learn, PyTorch, TensorFlow, XGBoost — Single-Node oder Distributed (PyTorch DDP, Horovod). Hyperparameter Tuning mit Random Search, Bayesian Optimization, Bandit Early Termination. Model Registry, Versionierung, Deployment als Real-Time Endpoint (Managed Online Endpoint) oder Batch Endpoint. Monitoring mit Data Drift Detection, Model Performance Drift, Prediction Drift. Responsible AI Dashboard (Error Analysis, Fairness mit Demographic Parity/Equalized Odds, Explainability mit SHAP, Counterfactuals, Causal Inference). Azure AI Foundry (ehemals AI Studio) Integration. Prompt Flow für LLM-Apps. PRINCE2 Foundation (1 Woche): 7 Prinzipien (Continued Business Justification, Learn from Experience, Defined Roles & Responsibilities, Manage by Stages, Manage by Exception, Focus on Products, Tailor to Suit the Project), 7 Themen (Business Case, Organisation, Qualität, Pläne, Risiko, Änderung, Fortschritt), 7 Prozesse (Starting Up a Project, Initiating a Project, Directing a Project, Controlling a Stage, Managing Product Delivery, Managing a Stage Boundary, Closing a Project), Tailoring auf Projekt-Kontext. Beide Examen inkludiert: Microsoft DP-100, PRINCE2 Foundation (PeopleCert).