In diesem Data Science Online-Kurs lernst du, wie man Daten generiert, analysiert und visualisiert. Mit anderen Worten, alles, was du zur Datenanalyse benötigst.
Dieser Kurs führt dich durch reale Anwendungsfälle und Praxisbeispiele unterschiedlicher Branchen und erklärt dir dabei die wichtigsten Konzepte der Datenanalyse.
Empfohlene Vorkenntnisse: Programmieren mit Python, Der Excel-Kurs
Durch die Digitalisierung aller Lebensbereiche werden immer mehr Daten generiert. Jedoch verfügen nur wenige Menschen über die wichtigen datenwissenschaftlichen Schlüsselkompetenzen, um diese Daten richtig zu analysieren und daraus relevante Erkenntnisse zu gewinnen. Die wenigen Menschen, die diese Fähigkeiten besitzen, sind in der Lage aus einer gegebenen Menge an Daten konkrete Handlungsempfehlungen abzuleiten und somit die besseren Entscheidungen zu treffen.
Begonnen wird mit der prädikativen Datenanalyse, einem Konzept das die Vorhersage von Ereignissen, wie beispielsweise der Preisvorhersage, Risikobewertung und die Vorhersage des Kundenverhaltens, verwendet wird. Dazu werden verschiedene Algorithmen erklärt und das maschinelle Lernen wird als zentraler Ansatz vorgestellt.
Folgend wird das Thema Big Data sowie die statistischen Grundlagen und gängigen mathematischen Methoden zur Auswertung und Korrektur von Daten vertieft.
Zusätzlich werden einzelne Werkzeuge wie Python und Excel vorgestellt, um die Analyse von Daten zu vereinfachen.
Abschließend werden unter dem Thema Visualisierung verschiedene Techniken und Tools gezeigt, um die erarbeiteten Ergebnisse zusammenzufassen und anschaulich zu präsentieren.
Wir verzichten auf kompliziertes Fachchinesisch und erklären jedes Thema einfach – ohne dabei auf wichtige Details zu verzichten. So verstehst du selbst komplexe Themen im Handumdrehen und ganz ohne Frust.
Der Kurs folgt einer logischen Reihenfolge und ist thematisch klar strukturiert. So behältst du immer den Überblick und verlierst nie den roten Faden.
Wenn du dich in einem Thema sicher fühlst, kannst du dieses entsprechend markieren. So kannst du deine Fortschritte nachverfolgen und siehst, wo du noch Nachholbedarf hast.
Das Wichtigste auf einen Klick – Mit dem QuickMode-Button wird ein Thema mit nur einem Klick zusammengefasst. Du findest dann alle Kernaussagen in wenigen Sekunden.
Der Kurs wurde so konzipiert, dass er innerhalb von 30 Tagen absolviert werden kann (bei 45 Minuten/Tag). Die Lernzeit kannst du dir aber natürlich selbst frei einteilen: Alle Inhalte sind auf Abruf dauerhaft verfügbar und du hast lebenslangen Zugriff.
Mit Timestamps findest du sofort die Stelle in einem Video, die du gerade suchst.
Kein langes Herumgesuche mit 20 offenen Browsertabs mehr – Edley vereinheitlicht, sortiert und vereinfacht Informationen aus verschiedenen Quellen, ergänzt Praxiswissen von Experten und fasst alles in einem simplen, übersichtlichen und kompletten Kurs für dich zusammen.
| Module 1 | Einführung |
|---|---|
| Einheit 1 | Einstieg |
| Einheit 2 | Was sind Daten? |
| Einheit 3 | Was ist Data Science? |
| Einheit 4 | Datenschutz und Datenethik |
| Einheit 5 | Data Literacy |
| Module 2 | Methoden und Diagramme |
| Einheit 1 | Analysemethoden |
| Einheit 2 | Expertensysteme vs. Machine Learning |
| Einheit 3 | Visualisierungen |
| Module 3 | Python einrichten |
| Einheit 1 | Python-Interpreter |
| Einheit 2 | Jupyter Notebook |
| Einheit 3 | Python-Bibliotheken |
| Einheit 4 | Installation prüfen |
| Module 4 | Python Grundlagen |
| Einheit 1 | Variablen |
| Einheit 2 | Operatoren |
| Einheit 3 | Listen und Dictionaries |
| Einheit 4 | Bedingungen |
| Einheit 5 | Schleifen |
| Einheit 6 | Funktionen |
| Einheit 7 | Bibliotheken |
| Einheit 8 | Datenobjekte und Methoden |
| Module 5 | Mathematische Berechnungen |
| Einheit 1 | Vektoren, Matrizen, Tensoren |
| Einheit 2 | Lineare Gleichungssysteme |
| Einheit 3 | Neuronale Netze |
| Einheit 4 | Mathematische Funktionen |
| Module 6 | Datenhandling |
| Einheit 1 | DataFrames |
| Einheit 2 | Import und Export |
| Einheit 3 | Prüfung und Bereinigung |
| Einheit 4 | Transformation |
| Einheit 5 | Aggregation |
| Module 7 | Statistische Datenanalyse |
| Einheit 1 | Skalenniveau |
| Einheit 2 | Deskriptive Statistik |
| Einheit 3 | Zusammenfassende Statistik |
| Einheit 4 | Korrelationsanalyse |
| Einheit 5 | Signifikanztest |
| Einheit 6 | Lineare Regression |
| Einheit 7 | Multiple lineare Regression |
| Einheit 8 | Nichtlineare Regressionsmodelle |
| Module 8 | Visualisierungen |
| Einheit 1 | Streudiagramme |
| Einheit 2 | Säulendiagramme |
| Einheit 3 | Liniendiagramme |
| Einheit 4 | Boxplots |
| Einheit 5 | Heatmaps |
| Einheit 6 | Netzdiagramme |
| Module 9 | (Projekte) |
| There are no units in this module. | |
