Kursbeschreibung
Wenn Sie sich jetzt die Zeit nehmen, Data Science zu lernen, können Sie sich Türen öffnen und Möglichkeiten erschließen.
Die Welt der Datenwissenschaft verändert jedes Unternehmen.
Es gibt keinen besseren Zeitpunkt, Data Science zu lernen als jetzt. Sie werden erfahren, was Datenwissenschaft ist und wie sie sich von anderen informationsorientierten Disziplinen unterscheidet.
Dann tauchen sie in den Workflow - den Lebenszyklus der Datenwissenschaft - ein und entdecken die Werkzeuge des Datenwissenschaftlers, von Programmiersprachen und Spezialbibliotheken bis hin zu Produktivitätstools wie Jupyter Notebooks.
Danach werden Sie praktische Techniken wie die explorative Datenanalyse, Datenbereinigung und Datenvisualisierung kennenlernen. Schließlich erfahren Sie etwas über Stichproben, Tests und Klassifizierung.
Am Ende verfügen Sie über das Wissen, das Sie benötigen, um grundlegende Datenanalysen und -berichte durchzuführen und Möglichkeiten zu erschließen, Ihre Karriere in diesem spannenden Bereich zu beschleunigen.
Definition von Data Science- Was ist Data Science?
- Warum Data Science?
- Was ist der Lebenszyklus der Data Science?
- Wahrscheinlichkeitsstichproben
- Python versus R
- Einrichten einer Jupyter-Umgebung
- Was sind tabellarische Daten?
- Tabellarische Daten lesen
- Erkenntnisse sammeln
- Beantwortung spezifischer Fragen
- Was ist eine explorative Datenanalyse?
- Statistische Datentypen
- Eigenschaften von Daten
- Was ist Datenbereinigung?
- Fragen, die vor der Bereinigung zu stellen sind
- Was ist Datenvisualisierung?
- Qualitative Daten visualisieren
- Quantitative Daten visualisieren
- Was ist Inferenz?
- Entwerfen Sie einen Hypothesentest
- Durchführen eines Permutationstests
- Erstellung eines Konfidenzintervalls
- Was ist eine Klassifizierung?
- Einführung in den k-Nearest Neighbor-Algorithmus
Wenn Sie sich jetzt die Zeit nehmen, Data Science zu lernen, können Sie sich Türen öffnen und Möglichkeiten erschließen.
Die Welt der Datenwissenschaft verändert jedes Unternehmen.
Es gibt keinen besseren Zeitpunkt, Data Science zu lernen als jetzt. Sie werden erfahren, was Datenwissenschaft ist und wie sie sich von anderen informationsorientierten Disziplinen unterscheidet.
Dann tauchen sie in den Workflow - den Lebenszyklus der Datenwissenschaft - ein und entdecken die Werkzeuge des Datenwissenschaftlers, von Programmiersprachen und Spezialbibliotheken bis hin zu Produktivitätstools wie Jupyter Notebooks.
Danach werden Sie praktische Techniken wie die explorative Datenanalyse, Datenbereinigung und Datenvisualisierung kennenlernen. Schließlich erfahren Sie etwas über Stichproben, Tests und Klassifizierung.
Am Ende verfügen Sie über das Wissen, das Sie benötigen, um grundlegende Datenanalysen und -berichte durchzuführen und Möglichkeiten zu erschließen, Ihre Karriere in diesem spannenden Bereich zu beschleunigen.
Definition von Data Science- Was ist Data Science?
- Warum Data Science?
- Was ist der Lebenszyklus der Data Science?
- Wahrscheinlichkeitsstichproben
- Python versus R
- Einrichten einer Jupyter-Umgebung
- Was sind tabellarische Daten?
- Tabellarische Daten lesen
- Erkenntnisse sammeln
- Beantwortung spezifischer Fragen
- Was ist eine explorative Datenanalyse?
- Statistische Datentypen
- Eigenschaften von Daten
- Was ist Datenbereinigung?
- Fragen, die vor der Bereinigung zu stellen sind
- Was ist Datenvisualisierung?
- Qualitative Daten visualisieren
- Quantitative Daten visualisieren
- Was ist Inferenz?
- Entwerfen Sie einen Hypothesentest
- Durchführen eines Permutationste…