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 Data Science?

Datenwissenschaft ist überall!

Die Relevanz der Datenwissenschaft

Anwendungen der Data Science

Tägliche Dosis Data Science

Die Wissenschaft der intelligenten Assistenten

Rollen und Werkzeuge in der Data Science

Auswahl des richtigen Bewerbers

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

Datenquellen sortieren

Häufigkeiten von Asthma

Datentypen

Datentypen klassifizieren

Net Promoter Score

Aktivitätstracker

Datenspeicherung und -abruf

Cloud-Plattformen

Eine Datenbank abfragen

Welcher Datenbanktyp?

Datenpipelines

Eigenschaften von Datenpipelines

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

Visuelle EDA

Visualisierung

Interaktive Dashboards

Ein Dashboard verbessern

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

Ordne die Aufgaben in korrekter Reihenfolfe an

Einen A/B‑Test-Workflow erstellen

Statistische Signifikanz

Zwischenergebnisse

Zeitreihenprognose

Daten

Zeitreihendaten

Keine Zeitreihendaten

Zeitreihendaten klassifizieren

Ein Zeitreihendiagramm interpretieren

Überwachtes Maschinelles Lernen

Probleme

A/B-Test

Überwachtes maschinelles Lernen

Dashboard

Wann überwachtes Lernen eingesetzt werden sollte

Features (Merkmale) und Labels

Modellbewertung

Clustering

Überwacht

Unüberwacht

Überwacht vs. unüberwacht

Auswahl der Clustergröße

Glückwunsch!

Experimentieren und vorhersagen

Course Glossary

Was ist Data Science, warum ist es so beliebt, und warum hat der „Harvard Business Review“ es als den „attraktivsten Job des 21ten Jahrhunderts“ bezeichnet? In diesem nicht-technischen Kurs bekommst du einen Überblick über alles, was du dich zu diesem rasant wachsenden, spannenden Feld vielleicht nie zu fragen getraut hast – ganz ohne eine einzige Zeile Code zu schreiben. In praxisnahen Übungen lernst du die verschiedenen Rollen von Data Scientists kennen, grundlegende Themen wie A/B-Tests, Zeitreihenanalyse und Machine Learning sowie wie Data Scientists aus realen Daten Wissen und Erkenntnisse gewinnen. Lass dich also nicht von Buzzwords abschrecken. Starte jetzt, baue gefragte Fähigkeiten auf und entdecke, warum Data Science für alle relevant ist!

Die Videos enthalten Live-Transkripte, die du unten links im Video über „Seitenleiste Anzeigen" einblenden kannst.

Das Kursglossar findest du rechts im Bereich Ressourcen.

Um CPE-Credits zu erhalten, musst du den Kurs abschließen und in der bewerteten Prüfung mindestens 70 % erreichen. Zur Prüfung gelangst du über den Hinweis zu den CPE-Credits auf der rechten Seite.

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

Statistische Signifikanz

Interaktive praktische Übung