Fachschulung – Data Science und klassisches Machine Learning

Gradient Boosting mit XGBoost und LightGBM

In 6 Stunden sicher in Gradient Boosting mit XGBoost und LightGBM: Schwerpunkte Boosting-Prinzip, XGBoost und LightGBM, live mit Trainer:in, online oder vor Ort.

Dauer
6 Stunden, ein Termin
Niveau
Experte
Format
Online oder vor Ort
Sprache
Deutsch oder Englisch
Abschluss
Teilnahmebescheinigung

Überblick

„Gradient Boosting mit XGBoost und LightGBM“ richtet sich an Rollen wie Data Analysts und angehende Data Scientists und Entwickler und Data Engineers. In 6 Stunden arbeiten Sie sich strukturiert durch Boosting-Prinzip, XGBoost und LightGBM – mit vielen Praxisanteilen und Zeit für Ihre Fragen.

Data Science schafft Wert, wenn Daten sauber aufbereitet, Modelle sinnvoll gewählt und Ergebnisse nachvollziehbar vermittelt werden. Unsere Schulungen decken den gesamten Weg ab: von Datenaufbereitung und explorativer Analyse über klassische Verfahren wie Klassifikation, Regression und Clustering bis zu Modellbewertung und MLOps-Grundlagen. Gradient Boosting mit XGBoost und LightGBM ist ein Tagesworkshop mit kompakten Impulsen und Übungen an realistischen Datensätzen. Sie arbeiten mit Python, SQL und etablierten Plattformen und nehmen Notebooks, Vorlagen und Checklisten für Ihre eigenen Projekte mit.

Das Training findet live statt – wahlweise online im virtuellen Klassenraum oder vor Ort in unseren Trainingsräumen in München, Salzburg, Berlin, Augsburg, Hannover, Bremen, Stuttgart und Kaiserslautern. Auf Wunsch kommen wir auch exklusiv für Ihr Team zusammen.

Schwerpunkte im Kurs

Boosting-PrinzipXGBoostLightGBMHyperparameter-Tuning mit OptunaEarly StoppingFeature Importance

Für wen ist das Training?

  • Data Analysts und angehende Data Scientists
  • Entwickler und Data Engineers
  • Fachexperten mit Datenverantwortung
  • Teamleiter und Projektverantwortliche für Datenprojekte

Das können Sie nach dem Training

  • Sie kennen die Schwerpunkte von Gradient Boosting mit XGBoost und LightGBM – Boosting-Prinzip, XGBoost, LightGBM, Hyperparameter-Tuning mit Optuna, Early Stopping und Feature Importance – und können sie praktisch anwenden.
  • Sie setzen Gradient Boosting mit XGBoost und LightGBM sicher in eigenen Datenprojekten ein.
  • Sie wählen Verfahren passend zur Fragestellung und Datenlage.
  • Sie bewerten Modelle belastbar und erkennen typische Fehlerquellen.
  • Sie vermitteln Ergebnisse verständlich an Fachbereiche und Entscheider.

Inhalte & Ablauf

Modul 1 Einstieg und Problemformulierung für Gradient Boosting mit XGBoost und LightGBM
  • Einordnung von Gradient Boosting mit XGBoost und LightGBM im Data-Science-Prozess
  • Fachliche Fragestellung in eine Datenaufgabe übersetzen
  • Arbeitsumgebung, Notebooks und Datenzugriff
  • Beispielprojekt und Zielgröße
Modul 2 Schwerpunkte: Gradient Boosting mit XGBoost und LightGBM
  • Boosting-Prinzip
  • XGBoost
  • LightGBM
  • Hyperparameter-Tuning mit Optuna
  • Early Stopping
  • Feature Importance
Modul 3 Methoden und Werkzeuge in Gradient Boosting mit XGBoost und LightGBM
  • Zentrale Verfahren und ihre Annahmen
  • Umsetzung mit passenden Bibliotheken oder Plattformen
  • Datenqualität, Leakage und Verzerrungen erkennen
  • Typische Fehler und Gegenmaßnahmen
Modul 4 Praxisübungen zu Gradient Boosting mit XGBoost und LightGBM
  • Geführte Übungen mit realitätsnahen Daten
  • Modelle trainieren, vergleichen und bewerten
  • Ergebnisse visualisieren und interpretieren
  • Review der Ansätze in der Gruppe
Modul 5 Überführung in den Betrieb
  • Reproduzierbarkeit und Versionierung
  • Dokumentation und Kommunikation der Ergebnisse
  • Monitoring und Wartung im Überblick
  • Nächste Schritte für Ihr Datenprojekt
Modul 6 Transfer in den Arbeitsalltag
  • Übung an einem realistischen Fallbeispiel
  • Typische Fehler und wie Sie sie vermeiden
  • Checkliste und Vorlagen zum Mitnehmen
  • Offene Fragen, Ausblick und Ressourcen zum Weiterlernen

Voraussetzungen

Je nach Stufe genügen Grundkenntnisse in Python oder Statistik. Aufbaukurse setzen sichere Programmier- und Methodenkenntnisse voraus. Solide Praxiserfahrung im Thema wird vorausgesetzt.

Technische Voraussetzungen

Eigener Laptop mit Internetzugang; Entwicklungsumgebung, Notebooks und Datensätze werden vorab bereitgestellt.

Termine & Standorte

Pro Standort schlagen wir Ihnen einen Termin in rund vier Wochen vor. Ihr Wunschtermin ist jederzeit möglich.

  • München Mo, 14. Dezember 2026 6 Std. Anfragen
  • Salzburg Fr, 11. Dezember 2026 6 Std. Anfragen
  • Berlin Mi, 16. Dezember 2026 6 Std. Anfragen
  • Augsburg Di, 15. Dezember 2026 6 Std. Anfragen
  • Hannover Mo, 14. Dezember 2026 6 Std. Anfragen
  • Bremen Fr, 11. Dezember 2026 6 Std. Anfragen
  • Stuttgart Mo, 14. Dezember 2026 6 Std. Anfragen
  • Kaiserslautern Do, 10. Dezember 2026 6 Std. Anfragen
  • Online Mo, 14. Dezember 2026 6 Std. Anfragen

Häufige Fragen

Welche Vorkenntnisse brauche ich für Gradient Boosting mit XGBoost und LightGBM?

Das hängt von der Kursstufe ab. Einsteigerkurse benötigen Grundkenntnisse in Python oder Statistik, Aufbaukurse sichere Programmierpraxis. Wir klären den passenden Einstieg vorab mit Ihnen und passen Tempo und Beispiele an das Niveau Ihrer Gruppe an.

Können wir in Gradient Boosting mit XGBoost und LightGBM mit eigenen Daten arbeiten?

Ja, bei Inhouse-Terminen sehr gern, sofern die Daten anonymisiert oder freigegeben sind. Zugänge und Datenschutzvorgaben klären wir vorab. Alternativ arbeiten wir mit praxisnahen Beispieldatensätzen, die alle Übungen abdecken.

Was kostet die Schulung „Gradient Boosting mit XGBoost und LightGBM“?

Die Schulung kostet pauschal 949 € zzgl. gesetzl. MwSt. pro Teilnehmer:in – unabhängig davon, ob sie online oder vor Ort stattfindet. Enthalten sind 6 Stunden Live-Training mit Trainer:in, Kursunterlagen, Übungsumgebung und Teilnahmebescheinigung.

Kann ich einen eigenen Wunschtermin angeben?

Ja. Für jeden Standort schlagen wir Ihnen einen Termin in rund vier Wochen vor. Im Anfrageformular können Sie aber jederzeit einen Wunschtermin oder Zeitraum im Freitext angeben – wir prüfen die Verfügbarkeit und melden uns innerhalb eines Werktags.

Findet der Kurs online oder vor Ort statt?

Beides ist möglich: live online im virtuellen Klassenraum oder vor Ort in München, Salzburg, Berlin, Augsburg, Hannover, Bremen, Stuttgart und Kaiserslautern. Auf Wunsch führen wir das Training auch exklusiv für Ihr Team durch.

Kann der Kurs auf unser Team zugeschnitten werden?

Ja. Maßgeschneiderte Kurse kosten ca. 4.500 € mehr, je nach Thema und nach Absprache. Wir stimmen Inhalte, Beispiele und Übungen vorab mit Ihnen ab.

Weitere Schulungen im Bereich Data Science und klassisches Machine Learning

Alle 26 Kurse im Bereich Data Science und klassisches Machine Learning