Agiles Projektmanagement mit Scrum (PSPO I), Data Analytics und Machine Learning

Der Kurs vermittelt die Rolle und Aufgaben des Scrum Product Owners, einschließlich der Arbeit mit dem Product Backlog. Ergänzend werden Grundlagen von Künstlicher Intelligenz, Python-gestützter Datenanalyse, Big Data, Dashboards und TextMining behandelt. Zudem wird dir der vollständige Machine-Learning-Workflow vermittelt – von der Datenaufbereitung und Modellentwicklung bis zur Bewertung und Interpretation.

  • Abschlussart: Zertifikat „Professional Scrum Product Owner (PSPO I) von Scrum.org“
    Zertifikat „Data Analytics“
    Zertifikat „Machine Learning“
  • Abschlussprüfung: Praxisbezogene Projektarbeiten mit Abschlusspräsentationen
    Scrum.org-Zertifizierung PSPO I - Professional Scrum Product Owner (in englischer Sprache)
  • Unterrichtszeiten: Vollzeit
    Montag bis Freitag von 8:30 bis 15:35 Uhr (in Wochen mit Feiertagen von 8:30 bis 17:10 Uhr)
  • Dauer: 12 Wochen

Agiles Projektmanagement mit Scrum: Product Owner (PSPO I)

Scrum Grundlagen (ca. 2 Tage)

Definition von Scrum

Empirische Prozesssteuerung

Transparenz

Überprüfung

Anpassung

Scrum Values (Commitment, Focus, Openness, Respect, Courage)


Scrum Team (ca. 1 Tag)

Product Owner

Developers

Scrum Master

Accountabilities (Product Owner, Scrum Master, Developers)

Self-managing Teams


Scrum Ereignisse (ca. 3,5 Tage)

Time Box

Sprint

Sprint Planning

Daily Scrum

Sprint Review

Sprint Retrospective


Artefakte (ca. 3 Tage)

Transparenz und Überprüfbarkeit

Product Backlog

Sprint Backlog

Increment

Definition of Done


Scrum Product Owner (ca. 3,5 Tage)

Aufgaben der Scrum Product Owner

Produktvision und Produktstrategie

Anforderungsidentifikation und Analyse

Priorisierung und Wertmaximierung

Risiko- und wertorientierte Produktentscheidungen

Produktmetriken und Erfolgsmessung

KI-gestützte Auswertung von Nutzerfeedback zur Priorisierung

Überarbeitung des Product Backlog

Stakeholdermanagement


Product Backlog Management (ca. 2 Tage)

Einträge formulieren

Einträge sortieren

Ziele und Missionen erkennbar machen

Arbeit des Entwicklungsteams optimieren

Backlog transparent halten

Refinement-Techniken und Splitting

Forecasting (Velocity, Burn-up/-down)

KI-gestützte Datenanalyse für Forecasts


Projektarbeit, Zertifizierungsvorbereitung und Scrum.org-Professional Scrum Product Owner-Zertifizierung (PSPO I) in englischer Sprache (ca. 5 Tage)

Data Analytics

Einführung in Data Analytics (ca. 1 Tag)

Aufgaben, Anwendungsbereiche und typische Anwendungsfälle von Data Analytics

Data-Analytics-Prozesse und CRISP-DM

Rolle des Data Analysts und Abgrenzung zu Data Science, Data Engineering und Business Intelligence

Einordnung von Künstlicher Intelligenz und Machine Learning


Python für Data Analytics (ca. 1 Tag)

Arbeiten mit Jupyter Notebooks

NumPy und Pandas für die Datenanalyse

Import und Export verschiedener Datenquellen, z. B. Excel und CSV

Auswahl und Transformation von Daten


Datenaufbereitung und explorative Datenanalyse (ca. 3 Tage)

Datenbereinigung und -transformation mit Pandas

Umgang mit fehlenden, fehlerhaften und auffälligen Daten

Zusammenführen, Gruppieren und Aggregieren von Daten

Explorative Datenanalyse und Ableitung erster Erkenntnisse

Grundlagen statistischer Auswertungen


SQL und Datenmanagement (ca. 2 Tage)

Relationale Datenbanken und Datenmodelle

Datenabfragen und -aufbereitung mit SQL

Joins, Aggregationen und analytische Abfragen

Zusammenspiel von SQL und Python in der Datenanalyse

Datenqualität und Datenschutz

Anbindung und Nutzung unterschiedlicher Datenquellen und Datenbanksysteme


Datenvisualisierung und Data Storytelling (ca. 2 Tage)

Visualisierung mit Matplotlib, Seaborn und Plotly

Auswahl geeigneter Diagramme und Visualisierungsformen

Aufbereitung und Interpretation von Analyseergebnissen

Data Storytelling und adressatengerechte Kommunikation


Power BI und interaktive Dashboards (ca. 2 Tage)

Datenimport und -aufbereitung mit Power Query

Datenmodellierung und Beziehungen

Grundlagen von DAX und Kennzahlen

Erstellung interaktiver Reports und Dashboards

Visualisierung und Kommunikation von Business-KPIs

Überblick über alternative Business-Intelligence- und Visualisierungslösungen


KI-gestützte Datenanalyse (ca. 2 Tage)

Einsatz generativer KI im Data-Analytics-Workflow

KI-gestützte Datenaufbereitung, Analyse und Visualisierung

Unterstützung bei Python- und SQL-Abfragen

Prompting für Datenanalysen und Interpretation von Ergebnissen

Kritische Bewertung von Datenquellen sowie Erkennung synthetischer und unplausibler Daten

Qualitätssicherung, Datenschutz und verantwortungsvoller KI-Einsatz


Business Analytics und statistische Grundlagen (ca. 2 Tage)

Kennzahlen und KPIs im Unternehmenskontext

Deskriptive Statistik und statistische Zusammenhänge

Korrelation, Kausalität und einfache Regressionsanalysen

Grundlagen von Konfidenzintervallen und Hypothesentests

Interpretation von Analyseergebnissen und Ableitung datenbasierter Handlungsempfehlungen


Projektarbeit (ca. 5 Tage)

Zur Vertiefung der gelernten Inhalte

Präsentation der Projektergebnisse

Machine Learning

Einführung in Machine Learning und ML-Workflow (ca. 3 Tage)

Grundlagen, Anwendungsbereiche und Arten des Machine Learning

Einordnung moderner KI- und Machine-Learning-Verfahren

Machine-Learning-Workflow mit scikit-learn

Trainings-, Validierungs- und Testdaten

Underfitting, Overfitting und Modellevaluation

Cross Validation


Datenaufbereitung und Feature Engineering (ca. 2 Tage)

Datenqualität und Datenvorverarbeitung

Skalierung, Normalisierung und Kodierung

Feature Engineering und Feature Selection

Umgang mit fehlenden Werten, Ausreißern und unausgeglichenen Datensätzen


Überwachtes Lernen – Regression und Klassifikation (ca. 5 Tage)

Regressions- und Klassifikationsverfahren

Lineare und regularisierte Modelle

Distanz-, wahrscheinlichkeits- und baumbasierte Verfahren

Ensemble- und Boosting-Verfahren

Modellvergleich und Hyperparameteroptimierung

Evaluationsmetriken und probabilistische Vorhersagen

Feature Importance und Explainable AI 


Unüberwachtes Lernen (ca. 2 Tage)

Dimensionsreduktion und Merkmalsextraktion

Clusterverfahren und Bewertung von Clustering-Ergebnissen

Anomalieerkennung


Zeitreihenanalyse und Prognosen (ca. 1 Tag)

Grundlagen und Analyse von Zeitreihendaten

Prognoseverfahren und Machine Learning für Zeitreihen


Neuronale Netze und moderne KI (ca. 2 Tage)

Grundlagen neuronaler Netze und Deep Learning

Machine Learning für Textdaten und Natural Language Processing

Foundation Models, Large Language Models und generative KI


Bereitstellung von ML-Modellen (ca. 1 Tag)

Speicherung und Bereitstellung trainierter Modelle

Entwicklung einfacher ML-Anwendungen

Schnittstellen und Plattformen für Machine-Learning-Modelle


Projektarbeit (ca. 4 Tage)

Zur Vertiefung der gelernten Inhalte

Präsentation der Projektergebnisse



Änderungen möglich, die Lehrgangsinhalte werden regelmäßig aktualisiert.

Programmierkenntnisse (idealerweise Python) und Erfahrungen mit Datenbanken (SQL) werden vorausgesetzt.

Nach diesem Lehrgang beherrschst du das Scrum-Rahmenwerk sicher und kannst als Product Owner die Produktentwicklung steuern. Du bist mit Scrum-Artefakten vertraut und kannst das Backlog Management übernehmen.

Des Weiteren kannst du Daten mit Python und SQL aufbereiten und analysieren, aussagekräftige Visualisierungen und interaktive Dashboards mit Power BI erstellen sowie Analyseergebnisse interpretieren und adressatengerecht kommunizieren. Du kannst generative KI gezielt zur Unterstützung von Datenanalysen einsetzen.

Zudem kannst du Daten für Machine-Learning-Anwendungen aufbereiten, geeignete Verfahren des überwachten und unüberwachten Lernens auswählen und Modelle trainieren, evaluieren und optimieren. Du kannst Modellergebnisse interpretieren und grundlegende Machine-Learning-Anwendungen umsetzen. Auch kennst du aktuelle Entwicklungen im Bereich Deep Learning und generativer KI.

Informatiker:innen, Mathematiker:innen, Elektrotechniker:innen sowie Personen mit Studium der (Wirtschafts-)Ingenieurwissenschaften

Mit Scrum erlernst du ein Vorgehensmodell des Projekt- und Produktmanagements, das ursprünglich besonders zur agilen Softwareentwicklung, inzwischen aber auch in vielen anderen Fachbereichen eingesetzt wird. Als skalierbare Projektmanagement- und Entwicklungsmethode wird es erfolgreich in zahlreichen Großprojekten mit mehreren hundert Team-Mitgliedern verwendet. Mit dem offiziellen Zertifikat von Scrum.org erwirbst du einen international anerkannten Nachweis über deine erworbenen Qualifikationen als Scrum Product Owner.

Machine Learning wird branchenübergreifend eingesetzt, um große Datenmengen auszuwerten, Muster zu erkennen, Prozesse zu optimieren und Prognosen zu erstellen. Entsprechende Kenntnisse werden unter anderem in der IT, Industrie, Logistik, im Finanzwesen und Marketing eingesetzt. Kenntnisse in Python sowie in der Entwicklung, Bewertung und Anwendung von Machine-Learning-Modellen eröffnen Einsatzmöglichkeiten in daten- und KI-orientierten Tätigkeitsfeldern.

Zudem spielen datenbasierte Entscheidungen in Unternehmen und Organisationen eine zunehmend wichtige Rolle. Entsprechend werden Fachkräfte benötigt, die Daten aus unterschiedlichen Quellen aufbereiten, analysieren und verständlich visualisieren können. Kenntnisse in Python, SQL und Business Intelligence eröffnen Einsatzmöglichkeiten im Bereich Data Analytics sowie in datenorientierten Fach- und Unternehmensbereichen. 

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.

Gerne beraten wir dich kostenfrei.

0800 3456-500 Mo. - Fr. von 8 bis 17 Uhr
kostenfrei aus allen deutschen Netzen.

Kontakt

Gerne beraten wir dich kostenfrei. 0800 3456-500 Mo. - Fr. von 8 bis 17 Uhr kostenfrei aus allen deutschen Netzen.