Zu Beginn des Kurses werden wir definieren, was Datenwissenschaft ist. Wir werden uns mit dem Arbeitsablauf in der Datenwissenschaft befassen und damit, wie die Datenwissenschaft auf reale Probleme angewendet wird. Zum Abschluss des Kapitels lernen wir die verschiedenen Rollen im Bereich der Datenwissenschaft kennen.

Was ist Datenwissenschaft?

Data science everywhere!

Die Relevanz der Datenwissenschaft

Anwendungen der Datenwissenschaft

Die tägliche Dosis Datenwissenschaft

The science of smart assistants

Rollen und Werkzeuge der Datenwissenschaft

Die richtige Wahl aus den Bewerbenden

Die Rolle eines Data Scientists

Einführung in die Datenwissenschaft

Nachdem wir nun den Arbeitsablauf der Datenwissenschaft kennen, tauchen wir tiefer in den ersten Schritt ein: das Sammeln und Speichern von Daten. Wir lernen die verschiedenen Datenquellen kennen, aus denen du schöpfen kannst, wie diese Daten aussehen, wie du die Daten nach der Erhebung speichern kannst und wie eine Daten-Pipeline den Prozess automatisieren kann.

Datenquellen

Anfragen

Unternehmensdaten

Offene Daten

Datenquellen sortieren

Asthma frequencies

Datentypen

Optionen

Quantitative Daten

Qualitative Daten

Datentypen klassifizieren

Net promoter score

Aktivitätstracker

Datenspeicherung und -abruf

Cloud-Plattformen

Querying a database

Datensätze

Relationale Datenbank

Dokumentendatenbank

Welche Art von Datenbank?

Daten-Pipelines

Eigenschaften von Daten-Pipelines

Aufgaben

Extrahieren

Transformieren

Laden

Extrahieren, Transformieren, Laden

Daten sammeln und speichern

Die Datenaufbereitung ist von grundlegender Bedeutung: Data Scientists verbringen 80 % ihrer Zeit mit dem Bereinigen und Manipulieren von Daten und nur 20 % der Zeit mit der eigentlichen Datenanalyse. In diesem Kapitel erfährst du, wie du Probleme in deinen Daten diagnostizieren und mit fehlenden Werten und Ausreißern umgehen kannst. Anschließend lernst du die Visualisierung kennen, ein weiteres wichtiges Werkzeug, um deine Daten zu erkunden und deine Ergebnisse zu vermitteln.

Datenaufbereitung

Die Wahrheit ist irgendwo da draußen

Bist du vorbereitet?

Explorative Datenanalyse

Numerische EDA

Visual EDA

Visualisierung

Interactive dashboards

Improving a dashboard

Aufbereitung, Exploration und Visualisierung

In diesem letzten Kapitel geht es um Experimente und Vorhersagen! Wir beginnen mit Experimenten, behandeln A/B-Tests und gehen dann zur Zeitreihenprognose über, wo wir lernen, wie man zukünftige Ereignisse vorhersagt. Zum Schluss befassen wir uns mit dem maschinellen Lernen, dem überwachten Lernen und dem Clustering.

A/B-Tests

Erstellen eines A/B-Test-Workflows

Statistische Signifikanz

Intermediate results

Zeitreihenprognose

Zeitreihendaten klassifizieren

Interpret a time series plot

Überwachtes maschinelles Lernen

Wann überwachte Lernverfahren eingesetzt werden sollten

Features and labels

Modellbewertung

Clustering

Überwacht oder unüberwacht

Cluster size selection

Glückwunsch!

Experimentieren und vorhersagen

Course Glossary

Was ist die Datenwissenschaft, warum ist sie so populär und warum hat die Harvard Business Review sie als den „attraktivsten Job des 21. Jahrhunderts“ bezeichnet? In diesem nicht-technischen Kurs lernst du alles, was du bisher noch nicht über dieses schnell wachsende und spannende Gebiet gewusst hast, ohne eine einzige Zeile Code schreiben zu müssen. In praktischen Übungen lernst du die verschiedenen Rollen von Data Scientists, grundlegende Themen wie A/B-Tests, Zeitreihenanalyse und maschinelles Lernen kennen und erfährst, wie Data Scientists Wissen und Erkenntnisse aus realen Daten gewinnen. Lass dich also nicht von den Modewörtern abschrecken. Lerne, erweitere deine Fähigkeiten in diesem gefragten Bereich und entdecke, warum die Datenwissenschaft für jeden etwas zu bieten hat!

Die Live-Transkripte der Videos kannst du durch einen Klick auf „Transkript anzeigen“ unten links in den Videos aufrufen.

Das Glossar zum Kurs, Werbematerial und detaillierte Lernziele findest du rechts im Bereich „Ressourcen“.

Um CPE-Credits zu erhalten, musst du den Kurs abschließen und im bewerteten Test mindestens 70 % erreichen. Du gelangst zum Test, indem du rechts auf den Hinweis zu den CPE-Credits klickst.

Entdecken Sie Data Science, seine Beliebtheit und lernen Sie es mit praktischen Übungen. Kein Code nötig.

Datenwissenschaft verstehen

Dieser Einführungskurs vermittelt dir die Grundlagen von Data Science – keine Programmierkenntnisse erforderlich.

Datenthemen verstehen

Eigenschaften von Daten-Pipelines

Interaktive praktische Übung