Microsoft Certified: Data Scientist Associate (DP-100) (DP-100) with Microsoft Certified: Modern Work Expert (MW-400) (MW-400)

Dieses Kursprogramm kombiniert die Vorbereitung auf die offizielle Microsoft-Zertifizierungsprüfung DP-100 (Microsoft Certified: Azure Data Scientist Associate) mit einem trägerinternen Modul zu modernen Arbeitsumgebungen auf Basis von Microsoft 365. Während DP-100 die technische Tiefe im Bereich Machine Learning und Azure ML Studio vermittelt, erweitert das Modern-Work-Modul das Profil um Kompetenzen in Cloud-Kollaboration, digitaler Kommunikation und der Verwaltung moderner Unternehmensumgebungen. Das Kursprogramm richtet sich an Personen, die nicht nur als Data Scientists in Azure-Projekten tätig werden, sondern auch in hybrid organisierten Unternehmen effektiv arbeiten und digitale Infrastrukturen mitgestalten wollen.

Das erste und gewichtigere Modul deckt den DP-100-Zertifizierungspfad ab. Inhaltlich geht es um Azure Machine Learning als vollständige Plattform für den ML-Lebenszyklus — von der Datenvorbereitung über das Modelltraining bis zum produktionsbereiten Deployment in der Azure-Cloud.

• Einrichten eines Azure ML Workspace — Compute-Ressourcen, Datastores, Environments und Datasets
• Datenaufbereitung und Feature-Engineering in Azure ML Datasets und Datenpipelines
• Modelltraining mit Python-Skripten, scikit-learn und weiteren Frameworks in Azure ML
• AutoML — automatisierte Algorithmusauswahl für Klassifikation, Regression und Zeitreihenanalyse
• Hyperparameter-Optimierung mit HyperDrive — Sweep-Strategien und Early-Termination
• Modell-Evaluation mit Metriken, Confusion Matrix und Responsible-AI-Werkzeugen
• Modell-Deployment als Echtzeit-Endpunkt (ACI/AKS) oder Batch-Pipeline
• Monitoring produktiver Modelle — Datendrift, Logging, Application-Insights-Integration
• Retraining-Pipelines und automatisierter Modell-Lifecycle-Management

Das zweite Modul behandelt moderne Arbeitsumgebungen und Microsoft-365-Infrastruktur — ein trägerinternen Aufbaukurs, der kein eigenständiges Microsoft-Zertifikat ergibt, aber wesentliche Kompetenzen für den Alltag in hybriden Unternehmensumgebungen vermittelt.

• Microsoft-365-Architektur im Überblick — Dienste, Lizenzmodelle und Tenant-Struktur
• Azure Active Directory — Identitätsverwaltung, Gruppenrichtlinien und Conditional Access
• Microsoft Teams als Kollaborationsplattform — Administration, Kanalstruktur und Sicherheitseinstellungen
• SharePoint Online — Dokumentenverwaltung, Bibliotheken und Freigabe-Konzepte
• Exchange Online — E-Mail-Verwaltung, Postfächer und Compliance-Features
• Microsoft Intune — Mobile Device Management und Endpoint-Sicherheit im Unternehmenskontext
• Compliance Center — Datenschutz, Informationsschutz und eDiscovery in Microsoft 365
• Power Platform — Überblick über Power BI, Power Apps und Power Automate als Ergänzung zur Data-Science-Arbeit

Kombinierte Praxisübungen Das Format verbindet synchrone Unterrichtseinheiten mit Übungsphasen und Projektaufgaben. Für den DP-100-Teil werden Azure-ML-Pipelines von der Datenvorbereitung bis zum Deployment als End-to-End-Projekte durchlaufen. AutoML-Experimente mit vergleichender Modellauswahl trainieren den analytischen Blick für Algorithmusentscheidungen.

• Konfiguration eines Azure-AD-Tenants mit Gruppen, Rollen und Conditional-Access-Richtlinien
• Einrichtung einer Microsoft-Teams-Umgebung für ein fiktives Unternehmensszenario
• Deployment eines trainierten Modells und Test als REST-API-Endpunkt
• Übungsszenarien zu Compliance-Anforderungen in Microsoft 365 im Datenschutzkontext
• Aufbau eines SharePoint-Informationsraums und Zuweisung von Zugriffsrechten
• Monitoring-Setup für ein produktives Azure-ML-Modell mit Datendrift-Erkennung
• Fallstudie zur Integration von Power BI und Azure ML in einem gemeinsamen Reporting-Workflow

Das Lernkonzept stellt sicher, dass beide Kompetenzfelder — ML-Engineering und Cloud-Administration — nicht isoliert nebeneinander stehen, sondern an Schnittstellen miteinander verknüpft werden. Beispielsweise wird beim Deployment von ML-Modellen auch die Zugriffsverwaltung und Netzwerkkonfiguration aus der M365-Perspektive betrachtet. Der Unterricht findet im virtuellen Klassenzimmer statt — live, interaktiv und mit der Option zur Teilnahme aus dem Homeoffice oder aus einem der Lernzentren.

Das Programm richtet sich an Personen, die eine Doppelqualifizierung anstreben: technische ML-Kompetenz kombiniert mit Kenntnissen moderner Microsoft-Cloud-Infrastrukturen.

• Data Scientists und Machine-Learning-Einsteiger, die Azure ML als zentrale Arbeitsplattform nutzen wollen
• IT-Administratoren und Cloud-Fachleute, die ihr Profil um Data-Science-Kompetenz erweitern
• Softwareentwickler:innen, die in Azure-basierten ML-Projekten mitwirken möchten
• IT-Projektverantwortliche in hybriden Unternehmensumgebungen mit Microsoft-365-Infrastruktur
• Personen, die eine Karriere als Data Scientist in Unternehmen mit Microsoft-Cloud-Strategie anstreben

Das Lernformat ist als Combined Learning konzipiert — Präsenz in Lernzentren und synchrone Online-Teilnahme über das virtuelle Klassenzimmer werden kombiniert. Praxiserfahrene Trainer:innen gestalten den Unterricht mit Theorie-Einheiten, Live-Demos, Übungsaufgaben und Fallstudien. Die interaktive Teilnahme per Kamera, Mikrofon und Chat ist fester Bestandteil des Lernkonzepts. Der Ablauf entspricht strukturell einem klassischen Präsenzunterricht mit flexibler Zugangsmöglichkeit.

Die Kursdauer liegt zwischen mehr als einem und bis zu drei Monaten. Die Module sind individuell kombinierbar, sodass die Gesamtdauer je nach gewählten Bestandteilen variiert.

Nach dem Bestehen der DP-100-Prüfung bei einem akkreditierten Microsoft-Testcenter erhalten Teilnehmende das offizielle Zertifikat Microsoft Certified: Azure Data Scientist Associate. Das Modern-Work-Modul ist ein trägerinternes Curriculum ohne eigenständige externe Prüfung — es wird durch das Lehrgangszertifikat des Bildungsanbieters dokumentiert. Das trägerinterne Modul basiert auf Microsoft-365-Inhalten, entspricht jedoch keinem offiziellen Microsoft-Zertifizierungspfad.

Die Kombination aus DP-100 und Modern-Work-Kompetenz macht Absolvent:innen für Unternehmen interessant, die Azure als KI-Plattform nutzen und gleichzeitig auf Microsoft 365 als kollaborative Infrastruktur setzen. In vielen mittelgroßen und großen Unternehmen sind Data Scientists nicht isoliert in reinen Tech-Teams tätig, sondern arbeiten eng mit IT-Administration, Compliance-Verantwortlichen und Projektmanagement zusammen — genau hier zahlt sich das kombinierte Profil aus. Wer DP-100 mit solidem Modern-Work-Wissen verbindet, kann nicht nur Modelle in Azure trainieren und deployen, sondern auch die Cloud-Infrastruktur einschätzen, in der diese Modelle betrieben werden: Zugriffsteuerung, Datenschutz, Netzwerkarchitektur. Dieses breitere Systemverständnis ist ein klarer Vorteil gegenüber reinen Data-Science-Spezialist:innen ohne IT-Administrationshintergrund. Im Unterschied zum Schwester-Programm (DP-100 kombiniert mit AI-102) liegt der Fokus hier nicht auf zusätzlichen KI-Diensten, sondern auf der betrieblichen und administrativen Cloud-Umgebung. Das macht dieses Programm besonders für Personen attraktiv, die in IT-nahen Positionen oder als Cloud-generalist:innen tätig werden wollen, statt sich ausschließlich auf KI-Entwicklung zu spezialisieren. Gerade in mittelständischen Unternehmen, die Azure und Microsoft 365 parallel betreiben, ist ein Profil mit beidem besonders wertvoll — hier zählt nicht nur, wer Modelle trainiert, sondern auch, wer versteht, wie diese Modelle in der bestehenden Unternehmensinfrastruktur sicher und compliant betrieben werden.