Data Science lernen
↖︎IT und Programmieren

Data Science Kurs

59 

In den Warenkorb

x

    Hey!
    Dieser Kurs befindet sich gerade in der Test- und Entwicklungsphase und ist noch nicht öffentlich verfügbar. Trage dich für die Warteliste ein und wir informieren dich, wenn du einen frühen Exklusivzugang erhältst oder sobald der Kurs für alle öffnet.


    Nicht vorrätig

    Kategorien: ,

    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.

    SIMPEL

    Einfach erklärt

    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.

    SIMPEL

    Klare Struktur.

    Der Kurs folgt einer logischen Reihenfolge und ist thematisch klar strukturiert. So behältst du immer den Überblick und verlierst nie den roten Faden.

    SIMPEL

    Fortschritt immer im Blick.

    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.

    SCHNELL

    QuickMode.

    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.

    SCHNELL

    30 Tage Aufbau.

    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.

    SCHNELL

    Video Timestamps.

    Mit Timestamps findest du sofort die Stelle in einem Video, die du gerade suchst.

    UNIVERSELL

    Alles in einem Kurs.

    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.

    Grundlagen | Tage 1 – 7

    Statistische Grundlagen

    Korrelation und Kausalität

    Lineare Algebra

    Wahrscheinlichkeiten

    Abhängigkeiten

    Satz von Bayer

    Bedingte Wahrscheinlichkeit

    Normalverteilung

    Informationsbasiertes Lernen

    Smart Data und Big Data | Tage 8 – 15

    Smart Data

    Big Data

    Datensätze

    Einfache Metriken

    Lineare Regression

    Multiple Regression

    Logistische Regression

    Potentialanalyse

    Business Intelligence

    Maschinelles Lernen

    Merkmalsräume

    Analyse

    Verarbeitung und Interpretation von Daten | Tage 16 – 23

    Entscheidungsbäume

    Entropie

    Neuronale Netzwerke

    Prädiktion (Prädiktive Datenanalyse)

    Datenqualität

    Fehlermaße

    Datenvalidierung

    Klassifikatoren

    Merkmale

    Datentypen

    Clustering

    Visualisierung

    Interpretation

    Diagramme

    Box-Plot

    Prozesse

    Verhalten und Psychologie

    Hidden Biases

    Lambda-Architektur

    Kappa-Architektur

    Data Science und IT | Tage 24 – 30

    Datenbanken

    SQL

    Data Analysis mit Excel

    Data Analysis mit R

    Data Analysis mit Python

    Datenschnittstellen

    Datenaufbereitung

    Teile diesen Kurs mit deinen Freunden und deiner Familie oder mit deinen Arbeitskollegen.