Zu Beginn des Kurses werden wir definieren, was Data Science ist. Wir werden uns mit dem Arbeitsablauf in der Data Science befassen und damit, wie Data Science auf reale Probleme angewendet wird. Am Ende des Kapitels erfährst du, wie du dein Datenteam so strukturieren kannst, dass es den Bedürfnissen deines Unternehmens entspricht. 

Was ist Data Science?

Arbeitsablauf der Kundensegmentierung

Einen Chatbot für den Kundenservice bauen

Verbessern OKRs

Anwendungen der Data Science

Zuweisung eines Data-Science-Projekts

Anlageforschung

Aufbau eines Data Science Teams

Einen Teamsprint interpretieren

Eine Stellenanzeige bearbeiten

Kompetenzen mit Stellen abgleichen

Datenaufgaben klassifizieren

Einführung in Data Science

Nachdem wir nun den Arbeitsablauf der Data Science kennen, tauchen wir tiefer in den ersten Schritt ein: das Sammeln und Speichern von Daten. Wir lernen die verschiedenen Datenquellen kennen, aus denen dein Unternehmen schöpfen kann, und wie man die Daten speichert, nachdem sie gesammelt wurden. 

Datenquellen und Risiken

Felder

Nicht PII

Daten für die Sicherheit klassifizieren

Webdatenereignisse erstellen

Schutz von PII

Erbetene Daten

Fragen

Marketingmaterial erstellen

Risikofreie Entscheidungsfindung

Qualität überwachen

Den Zweck der Frage erkennen

Feedback der Fokusgruppe validieren

Net Promoter Score

Sammeln zusätzlicher Daten

Anfragen

APIs

Öffentliche Datensätze

Mechanical Turk (MTurk)

Datenquellen sortieren

Asthmahäufigkeiten

Datenspeicherung und -abruf

Cloud-Plattformen

Eine Datenbank abfragen

Datensätze

Relationale Datenbanken

Dokumentendatenbank

Welche Art von Datenbank?

Daten sammeln und speichern

In diesem Kapitel besprechen wir, wie du Daten mithilfe von Dashboards untersuchen und visualisieren kannst. Wir besprechen die Elemente eines Dashboards und wie du eine gezielte Anfrage für ein Dashboard stellst. In diesem Kapitel geht es auch um Ad-hoc-Datenabfragen und A/B-Tests, die ein leistungsstarkes Analysewerkzeug sind, das die Entscheidungsfindung erleichtert. 

Dashboards

Klassifizierung von Dashboard-Elementen

Ein Dashboard verbessern

Die Wahl des richtigen Dashboards

Ad-hoc-Analyse

Einen Ad-hoc-Antrag ausfüllen

Anträge klassifizieren

A/B-Tests

Erstellen eines A/B-Test-Workflows

Stichprobengröße

Zwischenergebnisse

Analyse und Visualisierung

In diesem letzten Kapitel geht es um das heißeste Thema der Datenwissenschaft: maschinelles Lernen! Wir beschäftigen uns mit überwachtem und unüberwachtem maschinellem Lernen sowie mit Clustering. Danach werden wir uns speziellen Themen des maschinellen Lernens zuwenden, darunter Zeitreihenvorhersage, natürliche Sprachverarbeitung, Deep Learning und erklärbare KI! 

Überwachtes maschinelles Lernen

Wann überwachte Lernverfahren eingesetzt werden sollten

Merkmale und Labels

Modellevaluierung

Clustering

Überwacht oder unüberwacht

Auswahl der Clustergröße

Spezielle Themen im Maschinellen Lernen

Klassifizieren von Machine-Learning-Aufgaben

Stimmungsanalyse

Deep Learning und erklärbare KI

Die richtige Lösung finden

Sollte ich Deep Learning einsetzen?

Vorhersage

Was ist Data Science und wie kannst du sie nutzen, um dein Unternehmen zu stärken? In diesem Kurs lernst du, welche Fähigkeiten du in deinem Datenteam brauchst und wie du das Team so strukturieren kannst, dass es den Anforderungen deines Unternehmens entspricht. Daten sind überall! In diesem Kurs erfährst du, welche Datenquellen dein Unternehmen nutzen kann und wie du diese Daten speichern kannst. Außerdem erfährst du, wie du deine Daten mit Dashboards und A/B-Tests analysieren und visualisieren kannst. Zum Abschluss des Kurses werden wir spannende Themen aus dem Bereich des maschinellen Lernens besprechen, darunter Clustering, Zeitreihenvorhersage, Verarbeitung natürlicher Sprache (NLP), Deep Learning und erklärbare KI! Auf dem Weg dorthin lernst du eine Vielzahl von realen Anwendungen der Datenwissenschaft kennen und gewinnst durch praktische Übungen ein besseres Verständnis für diese Konzepte.

<h2>Lernen, Data Science für das Geschäft zu nutzen</h2> 
Was ist Data Science und wie kannst du sie nutzen, um dein Unternehmen zu stärken? In diesem Kurs lernst du, welche Fähigkeiten du in deinem Datenteam brauchst und wie du das Team so strukturieren kannst, dass es den Anforderungen deines Unternehmens entspricht.
<br><br>
In diesem Kurs lernst du außerdem, welche Datenquellen dein Unternehmen nutzen kann und wie du diese Daten speichern, analysieren und visualisieren kannst.
<br><br>
<h2>Verstehe den Data Science Workflow</h2> 
Du beginnst mit einer Einführung in die Datenwissenschaft für Unternehmen, in der du den Arbeitsablauf der Datenwissenschaft kennenlernst und erfährst, wie du sie auf reale Probleme anwenden kannst. Außerdem erfährst du, wie die Datenerfassung funktioniert und wie du Daten sammeln und speichern kannst.
<br><br>
<h2>Lerne, deine Daten zu analysieren und zu visualisieren</h2> 
Außerdem erfährst du, wie du deine Daten mit Dashboards und A/B-Tests analysieren und visualisieren kannst. Zum Abschluss des Kurses werden wir spannende Themen aus dem Bereich des maschinellen Lernens besprechen, darunter Clustering, Zeitreihenvorhersage, natürliche Sprachverarbeitung (NLP), Deep Learning und erklärbare KI.
<br><br>
Auf dem Weg dorthin lernst du eine Vielzahl von realen Anwendungen der Datenwissenschaft kennen und gewinnst durch praktische Übungen ein besseres Verständnis für diese Konzepte.
<br><br>
Dies ist eine ideale Einführung in die Datenwissenschaft für Manager/innen, die dir die Möglichkeit gibt, dieses mächtige Geschäftsinstrument kennenzulernen.

Erfahren Sie mehr über Data Science für Manager und Unternehmen und nutzen Sie Daten zur Stärkung.

Datenwissenschaft für Unternehmen

Dieser Kurs betrachtet Data Science aus dem geschäftsorientierten Blickwinkel und zeigt, wie du mithilfe von Daten dein Unternehmen stärkst. 

Datenquellen und Risiken

Create Your Free Account