22 beste kostenlose Online-Kurse in Datenwissenschaft [April 2025 Update]

Dies ist ein Anfängerniveau in Englisch mit Untertiteln in 9 verschiedenen Sprachen. Einblicke und Trends in Daten sind eine Kunstform, die es schon seit Äonen gibt. Die alten Ägypter nutzten Daten aus Volkszählungen, um die Steuererhebung und die Vorhersage der jährlichen Überschwemmung des Nils zu verbessern. In letzter Zeit haben die Menschen in der Datenwissenschaft ein einzigartiges und eigenständiges Arbeitsfeld geschaffen. In diesem Kurs lernen Sie Praktiker der Datenwissenschaft kennen und erhalten einen Überblick über die Wissenschaft, wie sie sich heute darstellt. In diesem Kurs lernen Sie die Bedeutung von Data Science in der heutigen datengesteuerten Welt kennen. Sie werden auch die verschiedenen Wege kennenlernen, die zu einer Karriere in diesem Bereich führen, und Sie werden erklären können, warum Data Science der begehrteste Beruf in diesem Jahrhundert ist. Der Lehrplan umfasst: in Woche 1 - Die Definition von Data Science und was ein Data Scientist tut; Woche 2 - Data Science Themen; Woche 3 - Data Science in der Wirtschaft. Der Unterricht erfolgt über Videos und Lesungen mit Quizfragen, um Ihr Wissen zu festigen. Erworbene Fertigkeiten: Datenwissenschaft, Deep Learning, maschinelles Lernen, Big Data und Data Mining. Dauer: Etwa 9 Stunden über 3 Wochen. Bewertung: 4.7/97%

Welche sind die besten kostenlosen Online-Kurse für Datenwissenschaft?

Nach umfangreichen Recherchen über alle angebotenen Online-Kurse in Datenwissenschaft haben wir die 22 besten Kurse in Datenwissenschaft gefunden, um Ihnen die Auswahl zu erleichtern

22 SQL für das Data Science Capstone Projekt

SQL für das Abschlussprojekt der Datenwissenschaft

Dieser Kurs ist ein Mittelstufenkurs in Englisch mit Untertiteln in 8 verschiedenen Sprachen. Data Science ist eine dynamische und wachsende Karriere, die noch in den Kinderschuhen steckt und Kenntnisse in SQL erfordert. Dieser Kurs vermittelt Ihnen ein umfassendes Verständnis und Fähigkeiten zur Anwendung von SQL, um Daten zu analysieren und Geschäftsprobleme zu lösen. Dieses Projekt wird Ihnen helfen, das Wissen und die Fähigkeiten, die Sie beim Erlernen von SQL erworben haben, anzuwenden. Es wird Ihnen ein Datensatz zur Verfügung gestellt, aus dem Sie einen Projektvorschlag entwickeln werden, der Ihnen die Möglichkeit gibt, Ihre Daten zu untersuchen und einige statistische Berechnungen durchzuführen. Sie werden Analysen für qualitative Daten entdecken und neue Metriken auswerten, um die Muster zu verstehen, die sich in Ihrer Analyse abzeichnen. Schließlich werden Sie Ihre Arbeit präsentieren und die Geschichte Ihrer Ergebnisse erzählen. Der Lehrplan umfasst: Woche 1 - Erste Schritte und Meilenstein I: Projektvorschlag und Datenauswahl/Vorbereitung; Woche 2 - Meilenstein 2: Deskriptive Statistiken und Verstehen Ihrer Daten; Woche 3 - Meilenstein 3: Jenseits der deskriptiven Statistiken (Tiefer eintauchen/breiter werden) und Woche 4 - Meilenstein 4: Präsentieren Sie Ihre Ergebnisse (Storytelling). Der Unterricht erfolgt mit Hilfe von Videos und Lektüre sowie einigen Quizfragen zur Festigung.

Erworbene Fertigkeiten: Präsentationsfähigkeiten, Datenanalyse, SQL, Erstellen von Metriken und explorative Datenanalyse. Dauer: Etwa 35 Stunden über 4 Wochen. Bewertung: 4.3

21 Genomische Datenwissenschaft Spezialisierung

Spezialisierung auf genomische Datenwissenschaft

Der Kurs ist ein Mittelstufenkurs in Englisch mit Untertiteln in 9 verschiedenen Sprachen. Die Genomik hat eine Revolution in der medizinischen Wissenschaft ausgelöst und es ist von entscheidender Bedeutung, das Genom zu verstehen und die Daten und Informationen aus den genomischen Datensätzen nutzen und verstehen zu können. Genomic Data Science wendet Statistik und Datenwissenschaft auf die Informationen des Genoms an. Diese Spezialisierung erforscht die Werkzeuge und Konzepte, die Sie benötigen, um Daten aus fortschreitenden Sequenzierungsexperimenten zu verstehen, zu analysieren und zu interpretieren. Sie lernen die Tools kennen, die in der Genomic Data Science verwendet werden, und zwar in der Kommandozeile und mit Tools wie Python, R und Bioconductor. Diese Spezialisierung kann als eigenständige Einführung dienen oder ein Studium oder einen Aufbaustudiengang in Biologie, Genetik oder Molekularbiologie ergänzen, um sich mit Datenwissenschaft und Statistik vertraut zu machen und so Ihre Interaktion mit Daten in der täglichen Arbeit zu fördern. Da es sich um eine Spezialisierung handelt, können Sie den Kurs wählen, mit dem Sie beginnen möchten. Kurs 1 - Einführung in Genomische Technologien; Kurs 2 - Python für Genomische Datenwissenschaft; Kurs 3 - Algorithmen für DNA-Sequenzierung; Kurs 4 - Kommandozeilen-Tools für Genomische Datenwissenschaft; Kurs 5 - Bioconductor für Genomische Datenwissenschaft und Kurs 6 - Statistik für Genomische Datenwissenschaft.

Erworbene Fertigkeiten: Bioinformatik, Statistik, Datenwissenschaft, Computational Biology, Biopython, Python-Programmierung, Genomik, Bioinformatik-Algorithmen. Algorithmen, Algorithmen auf Strings, Samtools und Unix. Dauer: Ca. 6 Monate bei einem Tempo von 2 Stunden pro Woche - 6 Kurse. Bewertung: 4.3

20 Grundlagen der skalierbaren Datenwissenschaft

Grundlagen der skalierbaren Datenwissenschaft

Dieser Kurs ist ein Anfängerkurs auf Englisch und hat Untertitel in 8 verschiedenen Sprachen. Apache Spark ist der Standard für die Datenverarbeitung in großem Maßstab. Es ist von entscheidender Bedeutung, eine skalierbare Data-Science-Plattform zu erlernen, da Speicher- und CPU-Beschränkungen die Möglichkeiten bei der Erstellung fortgeschrittener maschineller Lernmodelle einschränken. Dieser Kurs führt Sie durch die Grundlagen von Apache Spark unter Verwendung von Python und Pyspark und Sie lernen seine Anwendung bei der Berechnung von explorativen und Datenvorverarbeitungsaufgaben kennen. Sie werden mit grundlegenden statistischen Messungen und Datenvisualisierungstechnologien vertraut gemacht. Nach Abschluss des Kurses werden Sie verstehen, wie grundlegende statistische Maße Muster in Daten aufdecken, Datenmerkmale, Muster, Trends, Abweichungen und Ausreißer erkennen und Techniken für die Arbeit mit Big Data wie Dimensionsreduktion und Methoden zur Auswahl von Merkmalen anwenden. Es wird empfohlen, dass Sie über Grundkenntnisse in Python, Mathematik und SQL verfügen. Die folgenden Technologien werden verwendet, aber es sind keine Vorkenntnisse erforderlich - Jupyter Notebooks, Apache Spark und Python. Der Lehrplan umfasst: Woche 1 - Einführung in den Kurs und die Bewertungsumgebung; Woche 2 - Tools zur Unterstützung von Big Data-Lösungen; Woche 3 - Skalierung von Mathematik für Statistik auf Apache Spark und Woche 4 - Datenvisualisierung von Big Data.

Erworbene Fertigkeiten: Statistik, Datenwissenschaft, Internet der Dinge (IOT) und Apache Spark. Dauer: Etwa 22 Stunden über 4 Wochen. Bewertung: 4.3/87%

19 Datenwissenschaft für geschäftliche Innovation

Datenwissenschaft für geschäftliche Innovation

Dies ist ein Kurs für Anfänger in Englisch mit Untertiteln in 4 weiteren Sprachen. Dieser Kurs vermittelt die Grundlagen des notwendigen Fachwissens im Bereich Data Science, um Führungskräfte und das mittlere Management in die Lage zu versetzen, datengestützte Innovationen zu erzielen. In diesem Kurs lernen Sie den Wert, den Data Science schafft, die wichtigsten Arten von Problemen, die damit gelöst werden können, den Unterschied zwischen deskriptiver, prädiktiver und präskriptiver Analytik und die Rolle, die maschinelles Lernen und künstliche Intelligenz spielen. Aus technischer Sicht befasst sich der Kurs mit überwachten, unüberwachten und halbüberwachten Methoden und erklärt, was sich aus Klassifizierungs-, Clustering- und Regressionstechniken ergeben kann. Der Kurs behandelt auch die Rolle von NoSQL-Datenmodellen und die Auswirkungen von cloudbasierten Berechnungsplattformen. Der Lehrplan umfasst: Woche 1 - Einführung in das datengesteuerte Geschäft; Woche 2 - Terminologie und grundlegende Konzepte; Woche 3 - Data Science-Methoden für Unternehmen; und schließlich Woche 4 - Herausforderungen und Schlussfolgerungen. Erworbene Fertigkeiten: Datenwissenschaft, Business Analytics, Entscheidungsfindung, Datenanalyse und Big Data. Dauer: Etwa 7 Stunden über 4 Wochen. Bewertung: 4.3/89%

18 Executive Data Science Spezialisierung

Spezialisierung auf Data Science für Führungskräfte

Der Kurs ist ein Anfängerkurs auf Englisch mit Untertiteln in 14 verschiedenen Sprachen. In diesen 4 Kursen, aus denen sich die Spezialisierung zusammensetzt, lernen Sie alles, was Sie wissen müssen, um ein datenwissenschaftliches Unternehmen aufzubauen und zu leiten, auch wenn Sie vielleicht noch nie in einer datenwissenschaftlichen Umgebung gearbeitet haben. Der Kurs bietet einen beschleunigten Kurs in Data Science, um Sie mit Data Science vertraut zu machen und Ihnen zu helfen, Ihre Rolle als Führungskraft zu verstehen. Außerdem lernen Sie, wie man ein Team rekrutiert, ein Team zusammenstellt, das Team bewertet und dann das Team mit komplementären Fähigkeiten und Rollen entwickelt. Die Struktur der Data-Science-Pipeline, die Ziele in jeder Phase und wie Sie Ihr Team auf Kurs halten, wird ebenfalls gelehrt. Und schließlich lernen Sie einige praktische Fertigkeiten, um die üblichen Herausforderungen zu meistern, die Data-Science-Projekte häufig zum Scheitern bringen. Die 4 Kurse umfassen: Kurs 1 - Ein Crashkurs in Data Science; Kurs 2 - Aufbau eines Data Science-Teams; Kurs 3 - Management der Datenanalyse; Kurs 4 - Data Science im echten Leben und schließlich Kurs 5 - Executive Data Science Capstone.

Erworbene Fertigkeiten: Datenwissenschaft, Datenmanagement, Datenanalyse, Kommunikation, Führung, maschinelles Lernen, Projekt, Teambildung, Management, Teamleitung, Interpretation und erklärende Datenanalyse. Dauer: Ca. 2 Monate bei einem Tempo von 6 Stunden pro Woche - 5 Kurse

Bewertung :4.5

17 Angewandte Datenwissenschaft mit Spezialisierung auf Python

Angewandte Datenwissenschaft mit Spezialisierung auf Python

Der Kurs ist ein Mittelstufenkurs in Englisch mit Untertiteln in 10 verschiedenen Sprachen. Diese Spezialisierung umfasst 5 Kurse und führt Sie mit Hilfe der Programmiersprache Python in die Datenwissenschaft ein. Diese Spezialisierung richtet sich an Lernende mit grundlegenden Programmierkenntnissen in Python, die Techniken der Statistik, des maschinellen Lernens, der Informationsvisualisierung, der Testanalyse und der Analyse sozialer Netzwerke mit Hilfe von Python-Toolkits wie pandas, matplotlib, scikit learn, nltk und networkx anwenden möchten, um Einblicke in Daten zu gewinnen. Die Kurse 1, 2 und 3 müssen in der richtigen Reihenfolge belegt werden und danach können die Kurse 4 und 5 in beliebiger Reihenfolge belegt werden. Sie werden lernen, wie man statistische Analysen durchführt, wie man feststellt, ob eine Datenvisualisierung gut oder schlecht ist, wie man eine Datenanalyse mit angewandtem maschinellem Lernen verbessert und wie man die Konnektivität eines sozialen Netzwerks analysiert. Die 5 Kurse umfassen: Kurs 1 - Einführung in die Datenwissenschaft in Python; Kurs 2 - Angewandtes Plotten, Charting und Datendarstellung in Python; Kurs 3 - Angewandtes maschinelles Lernen in Python; Kurs 4 - Angewandtes Test Mining in Python und Kurs 5 - Angewandte Analyse sozialer Netzwerke in Python. Erworbene Fertigkeiten: Text Mining, Python Programmierung, Pandas, Matplotlib, Numpy, Datenbereinigung, Datenvirtualisierung, Datenvisualisierung (DataViz), Algorithmen für maschinelles Lernen (ML), maschinelles Lernen, Scikit Learn und Natural Language Toolkit. Dauer: Ca. 5 Monate bei einem Tempo von 7 Stunden pro Woche - 5 Kurse. Bewertung: 4.5

16 Tools für Datenwissenschaft

Tools für die Datenwissenschaft

Dies ist ein Einsteigerkurs auf Englisch mit Untertiteln in 9 verschiedenen Sprachen. In diesem Kurs werden einige der beliebtesten Data Science-Tools, ihre Funktionen und ihre Verwendung besprochen. Sie lernen Jupyter Notebooks, JupyterLab, Rstudio IDE, Git, GitHub und Watson Studio kennen. Jedes Tool wird zusammen mit seiner Verwendung, den Programmiersprachen, die sie ausführen können, und ihren Funktionen und Einschränkungen besprochen. Die Tools werden in der Cloud auf Skills Network Labs gehostet, wo Sie auf jedes Tool zugreifen und den Anweisungen folgen können, um einfachen Code in Python, R oder Scala auszuführen. Zum Abschluss des Kurses werden Sie ein Projekt mit einem Jupyter-Notizbuch auf IBM Watson Studio erstellen und Ihre Fähigkeiten bei der Erstellung eines Notizbuchs, beim Schreiben von Markdown und beim Teilen Ihrer Arbeit unter Beweis stellen. Sie lernen u.a. die Erstellung und Verwaltung von Quellcode für Data Science in GitHub und wie IBM Data Science Tools von Data Scientists genutzt werden können, abgesehen von dem, was oben erklärt wurde. Der Lehrplan umfasst: Woche 1 - Data Scientist's Toolkit; Woche 2 - Open Source Tools; Woche 3 - IBM Tools for Data Science; und schließlich in Woche 4 - Abschlussarbeit: Erstellen und teilen Sie Ihr Jupyter Notebook. Erworbene Fertigkeiten: Datenwissenschaft, Github, Python-Programmierung, Jupyter Notebooks und Rstudio. Dauer: Etwa 20 Stunden über 4 Wochen. Bewertung: 4.5/84%

15 Data Science Spezialisierung

Spezialisierung auf Datenwissenschaft

Dies ist ein Anfängerkurs auf Englisch mit Untertiteln in 12 verschiedenen Sprachen. Das Ziel dieser Spezialisierung ist es, die Werkzeuge und Konzepte zu vermitteln, die Sie während der gesamten Data Science Pipeline benötigen, vom Stellen der richtigen Fragen über das Ziehen von Schlussfolgerungen bis hin zur Veröffentlichung der Ergebnisse. Im abschließenden Capstone-Projekt wenden Sie die erlernten Fähigkeiten an, indem Sie ein Datenprodukt mit echten Daten erstellen. Sie werden lernen, R zu verwenden, um Daten zu bereinigen, zu analysieren und zu visualisieren, die Data-Science-Pipeline von der Datenerfassung bis zur Veröffentlichung zu durchlaufen, Github zu verwenden, um Ihre Projekte zu verwalten und Regressionsanalysen, kleinste Quadrate und Inferenzen mit Regressionsmodellen durchzuführen. Es gibt 10 Kurse in dieser Spezialisierung: Kurs 1 - Der Werkzeugkasten des Data Scientist; Kurs 2 - R-Programmierung; Kurs 3 - Datenbeschaffung und -bereinigung; Kurs 4 - Explorative Datenanalyse; Kurs 5 - Reproduzierbare Forschung; Kurs 6 - Statistische Inferenz; Kurs 7 - Regressionsmodelle; Kurs 8 - Praktisches maschinelles Lernen; Kurs 9 - Entwicklung von Datenprodukten und Kurs 10 - Data Science Capstone. Erworbene Fertigkeiten: Github, Maschinelles Lernen, R-Programmierung, Regressionsanalyse, Datenwissenschaft, Rstudio, Datenanalyse, Debugging, Datenmanipulation, Reguläre Ausdrücke (REGEX), Datenbereinigung und Clusteranalyse. Dauer: Ca. 11 Monate bei einem Tempo von 7 Stunden pro Woche - 10 Kurse. Bewertung: 4.5

14 Python-Projekt für Datenwissenschaft

Python-Projekt für Datenwissenschaft

Dies ist ein Kurs für Fortgeschrittene nur auf Englisch. Dies ist ein Minikurs, in dem Sie Ihre grundlegenden Python-Kenntnisse für die Arbeit mit Daten unter Beweis stellen können. Nach Abschluss dieses Kurses arbeiten Sie an einem Projekt zur Entwicklung eines einfachen Dashboards mit Python. Voraussetzung ist, dass Sie den Kurs Python for data science, AI and development von IBM abgeschlossen haben. Sie werden lernen, die Grundlagen von Python und Datenstrukturen anzuwenden und mit Daten in Python zu arbeiten. Sie werden in die Rolle eines Datenwissenschaftlers schlüpfen, der an einem authentischen Python-Projekt arbeitet, und anschließend mit Hilfe von Python und einigen Python-Bibliotheken ein Dashboard aus einem Jupyter-Notebook erstellen. Der Lehrplan umfasst: Woche 1 - Crowdsourcing Kurzes Squeeze Dashboard. Der Unterricht erfolgt mit Hilfe von 2 Videos, 8 Lektüren und Quizfragen, um das Gelernte zu festigen. Erworbene Fertigkeiten: Datenwissenschaft, Python-Programmierung, Ipython, Datenanalyse und Pandas. Dauer: Ca. 8 Stunden - 1 Woche. Bewertung: 4.5/90%

13 Einführung in die Datenwissenschaft in Python

Einführung in die Datenwissenschaft in Python

Dies ist ein Mittelstufenkurs auf Englisch mit Untertiteln in 10 weiteren Sprachen. Sie werden in die Grundlagen der Python-Programmierung eingeführt, einschließlich Techniken wie Lambdas, das Lesen und Bearbeiten von CSV-Dateien und die Numpy-Bibliothek. Sie lernen die Datenmanipulation und Techniken mit der Data Science-Bibliothek Pandas kennen und werden in die Datenstrukturen Series und DataFrame für die Datenanalyse eingeführt. Außerdem gibt es Tutorials zur Verwendung von Funktionen wie Groupby, Merge und Pivot-Tabellen. Schließlich werden Sie tabellarische Daten manipulieren und bereinigen und grundlegende inferenzstatistische Analysen durchführen. Der Lehrplan umfasst: Woche 1 - Grundlagen der Datenmanipulation mit Python; Woche 2 - Grundlegende Datenverarbeitung mit Pandas; Woche 3 - Weitere Datenverarbeitung mit Pandas; und Woche 4 - Beantwortung von Fragen mit unübersichtlichen Daten. Der Unterricht erfolgt mit Hilfe von Videos und Lektüre sowie Quizfragen, um Ihr Verständnis zu überprüfen. Erworbene Fertigkeiten: Python Programmierung, Numpy, Pandas, und Datenbereinigung. Dauer: Etwa 31 Stunden über 4 Wochen. Bewertung: 4.5/92%

12 Ein Crashkurs in Datenwissenschaft

Ein Crashkurs in Datenwissenschaft

Dies ist ein Anfängerkurs auf Englisch mit Untertiteln in 12 verschiedenen Sprachen. Dieser 1-wöchige Kurs bietet ein kompaktes Tutorial zu den Begriffen Data Science und Big Data, was sie bedeuten und wie sie in erfolgreichen Unternehmen eingesetzt werden. Dieser Kurs ist für diejenigen geeignet, die mehr über die Datenwissenschaft und ihre Bedeutung erfahren möchten, aber auch für diejenigen, die später ein Team von Datenwissenschaftlern leiten werden. Die Absicht hinter dem Kurs ist es, Sie schnell und ohne Umschweife in die Datenwissenschaft einzuführen. Dies ist wirklich ein Kurs mit destillierten Grundlagen. Nach Abschluss dieses Kurses werden Sie verstehen, welche Rolle die Datenwissenschaft in verschiedenen Kontexten spielt, welche Rolle Statistik, maschinelles Lernen und Software-Engineering in der Datenwissenschaft spielen, wie die Struktur eines datenwissenschaftlichen Projekts aussieht und welche Begriffe und Tools von Datenwissenschaftlern verwendet werden. Und schließlich werden Sie die Rolle des Data Science Managers verstehen lernen. Erworbene Fertigkeiten: Datenwissenschaft, Datenanalyse, Maschinelles Lernen und Projekt. Dauer: Ca. 7 Stunden - 1 Woche. Bewertung: 4.5/93%

11 Mathematische Fähigkeiten in der Datenwissenschaft

Mathematische Kenntnisse in den Datenwissenschaften

Der Kurs ist ein Anfängerkurs auf Englisch mit Untertiteln in 9 verschiedenen Sprachen. Jeder, der einen Kurs in Datenwissenschaft belegt, weiß, dass Mathe dazu gehört. Dieser Kurs vermittelt Ihnen die Mathematik, die Sie benötigen, um in jedem Mathekurs für Datenwissenschaftler erfolgreich zu sein. Er wurde für diejenigen entwickelt, die über grundlegende Mathematikkenntnisse verfügen, aber noch keine Algebra oder Vorkalkulation belegt haben. Dieser Kurs führt Sie in die Mathematik ein, die Sie für die Datenwissenschaft benötigen, ohne die Komplexität zu erhöhen oder ungewohnte Ideen einzuführen. Sie lernen das Vokabular, die Notation, die Konzepte und die algebraischen Regeln, die alle Datenwissenschaftler benötigen, bevor sie in ihrem Studium der Datenwissenschaft vorankommen. Der Lehrplan umfasst: Woche 1 - Bausteine zur Problemlösung; Woche 2 - Funktionen und Graphen; Woche 3 - Messung von Veränderungsraten; und schließlich Woche 4 - Einführung in die Wahrscheinlichkeitstheorie. Der Unterricht wird mit Hilfe von Videos und Lektüre durchgeführt. Erworbene Fertigkeiten: Bayes' Theorem, Bayes'sche Wahrscheinlichkeit, Wahrscheinlichkeit und Wahrscheinlichkeitsrechnung. Dauer: Etwa 13 Stunden über 4 Wochen. Bewertung: 4.5/96%

10 Datenwissenschaft: Spezialisierung auf Statistik und maschinelles Lernen

Datenwissenschaft: Spezialisierung auf Statistik und maschinelles Lernen

Dies ist ein Mittelstufenkurs in Englisch mit Untertiteln in 9 verschiedenen Sprachen. Diese Spezialisierung mit 5 Kursen setzt das in Data Science gelernte Material fort und entwickelt es weiter: Foundations using R Spezialisierung. Dieser Kurs behandelt statistische Inferenz, Regressionsmodelle, maschinelles Lernen und die Entwicklung von Datenprodukten. Sie werden auch lernen, Vorhersagefunktionen zu erstellen und anzuwenden, Sie werden lernen, öffentliche Datenprodukte zu entwickeln und zu verstehen, wie man aus Daten Schlüsse über Populationen oder wissenschaftliche Wahrheiten zieht.das Capstone-Projekt wird Ihnen die Möglichkeit geben, Ihre neu erlernten Fähigkeiten anzuwenden, indem Sie ein Datenprodukt mit tatsächlichen Daten erstellen. Diese Kurse umfassen: Kurs 1 - Statistische Inferenz; Kurs 2 - Regressionsmodelle; Kurs 3 - Praktisches maschinelles Lernen; Kurs 4 - Entwicklung von Datenprodukten und schließlich Kurs 5 - Data Science Capstone.

Erworbene Fertigkeiten: Maschinelles Lernen, Github, R-Programmierung, Regressionsanalyse, Datenvisualisierung (DataViz), Statistik, statistische Inferenz, statistische Hypothesentests, Modellauswahl, verallgemeinertes lineares Modell, lineare Regression und Random Forest. Dauer: Ca. 6 Monate bei einem Tempo von 6 Stunden pro Woche - 5 Kurse. Bewertung: 4.6

09 IBM Data Science Professional Zertifikat

IBM Data Science Professional Zertifikat

Dies ist ein Anfängerkurs auf Englisch mit Untertiteln in 11 verschiedenen Sprachen. Data Science ist nach wie vor einer der gefragtesten Berufe in diesem Jahrzehnt und die Nachfrage nach Wissenschaftlern, die in der Lage sind, Daten zu analysieren und Ergebnisse zu kommunizieren, um datengestützte Entscheidungen zu treffen, explodiert. Es sind KEINE Vorkenntnisse in Informatik oder einer Programmiersprache erforderlich, aber Sie werden die Fähigkeiten und Werkzeuge entwickeln, die Ihnen einen Wettbewerbsvorteil verschaffen, wenn Sie eine Einstiegsposition als Data Scientist suchen. Dieses Programm mit 10 Kursen, einschließlich des Capstone, vermittelt Ihnen die neuesten Tools und Fähigkeiten, darunter Open-Source-Tools und -Bibliotheken, Python, Datenbanken, SQL, Datenvisualisierung, Datenanalyse, statistische Analyse, prädiktive Modellierung und maschinelle Lernalgorithmen. Zusätzlich zum Erwerb eines professionellen Zertifikats von Coursera erhalten Sie auch das digitale Abzeichen von IBM. Sie werden lernen, was Datenwissenschaft bedeutet, welche Tätigkeiten ein Datenwissenschaftler ausübt und wie ein Datenwissenschaftler denkt und arbeitet. Sie werden auch Fähigkeiten im Umgang mit Tools, Sprachen und professionellen Bibliotheken für Datenwissenschaftler entwickeln. Außerdem lernen Sie, Datensätze zu importieren und zu bereinigen, Daten zu analysieren und zu visualisieren sowie maschinelle Lernmodelle und Pipelines mit Python zu erstellen und zu bewerten. Die Kurse umfassen: Was ist Data Science; Data Science-Tools; Data Science-Methodik; Python für Data Science, KI und Entwicklung; Python-Projekt für Data Science; Datenbasen und SQL für Data Science mit Python; Datenanalyse mit Python; Datenvisualisierung mit Python; Maschinelles Lernen mit Python und Applied Data Science Capstone. Erworbene Fertigkeiten: Data Science, Deep Learning, Maschinelles Lernen, Big Data, Data Mining, Github, Python-Programmierung, Jupyter Notebooks, Rstudio, Methodologie, Datenanalyse und Pandas. Dauer: Ca. 11 Monate bei einem Tempo von 4 Stunden pro Woche - 10 Kurse. Bewertung : 4.6

08 SQL für Datenwissenschaft

SQL für Datenwissenschaft

Dies ist ein Kurs für Anfänger auf Englisch mit Untertiteln in 8 verschiedenen Sprachen. Der Bedarf an Menschen, die in der Lage sind, Daten zu nutzen und mit ihnen zu interagieren, und die in der Lage sind, kritisch zu denken, um Erkenntnisse zu gewinnen und so die Entscheidungsfindung für Unternehmen zu optimieren, ist von größter Bedeutung. Zu den Fähigkeiten, die ein exzellenter Data Scientist mitbringen muss, gehört die Fähigkeit, Daten zu beschaffen und mit ihnen zu arbeiten, und damit auch die Beherrschung von SQL, der Sprache für die Kommunikation mit Datenbanksystemen. Dieser Kurs vermittelt Ihnen die Grundlagen von SQL und der Arbeit mit Daten, damit Sie mit der Analyse für Data Science-Zwecke beginnen können. Sie werden lernen, die richtigen Fragen zu stellen und dann gute Antworten zu finden, um Erkenntnisse für Ihr Unternehmen zu gewinnen. Der Kurs beginnt mit den Grundlagen, wobei davon ausgegangen wird, dass Sie keine Kenntnisse oder Fähigkeiten in SQL haben, und baut dann darauf auf, dass Sie einfache und komplexe Abfragen schreiben, die Ihnen helfen, die richtigen Daten aus Tabellen auszuwählen. Zu den Datentypen, mit denen Sie sich vertraut machen werden, gehören Strings und Zahlen, und es werden Methoden zum Filtern und Eingrenzen Ihrer Ergebnisse besprochen. Von hier aus lernen Sie, neue Tabellen zu erstellen, in die die Daten verschoben werden, und Sie lernen Operatoren und die Kombination von Daten kennen. Sie werden lernen, die Struktur, Bedeutung und Beziehungen in den Quelldaten zu interpretieren und SQL zu verwenden, um Ihre Daten für Analysezwecke zu formen. Der Lehrplan umfasst: Woche 1 - Auswählen und Abrufen von Daten mit SQL; Woche 2 - Filtern, Sortieren und Berechnen von Daten mit SQL; Woche 3 - Unterabfragen und Joins in SQL und schließlich in Woche 4 - Ändern und Analysieren von Daten mit SQL. Erworbene Fertigkeiten: Datenwissenschaft, Datenanalyse, Sqlite, und SQL. Dauer: Etwa 14 Stunden über 4 Wochen. Bewertung: 4.6/91%

07 Datenwissenschaftliche Methodik

Methodik der Datenwissenschaft

Dies ist ein Einsteigerkurs auf Englisch mit Untertiteln in 10 verschiedenen Sprachen. Trotz verbesserter Computerkenntnisse und eines verbesserten Zugangs zu Daten ist unsere Fähigkeit, diese Daten bei der Entscheidungsfindung optimal zu nutzen, verloren gegangen oder hat sich verschlechtert, weil wir die gestellten Fragen nicht richtig verstanden haben oder nicht wissen, wie man sie angemessen auf ein Problem anwendet. In diesem Kurs lernen Sie eine Methode kennen, mit der Sie sicherstellen können, dass die bei der Problemlösung verwendeten Daten sowohl relevant sind als auch richtig verarbeitet werden, um das jeweilige Problem zu lösen. In diesem Kurs lernen Sie die Schritte kennen, die bei der Bearbeitung eines datenwissenschaftlichen Problems erforderlich sind, die Schritte bei der Ausübung der Datenwissenschaft von der Formulierung eines Problems über die Sammlung und Analyse von Daten bis hin zur Erstellung eines Modells und dem Verständnis der Rückmeldungen nach der Implementierung des Modells. Der Lehrplan umfasst: Woche 1 - Vom Problem zum Ansatz und von den Anforderungen zur Sammlung; Woche 2 - Vom Verstehen zur Vorbereitung und von der Modellierung zur Auswertung; Woche 3 - Vom Einsatz zum Feedback. Erworbene Fertigkeiten: Datenwissenschaft, Data Mining und Methodik. Dauer: Etwa 8 Stunden über 3 Wochen. Bewertung: 4.6/93%

06 Python für Datenwissenschaft, KI & Entwicklung

Python für Data Science, KI & Entwicklung

Dieser Kurs ist auf Englisch und hat Untertitel in 2 weiteren Sprachen. In diesem Kurs lernen Sie Python für Data Science und Programmierung im Allgemeinen mit dieser Einführung in Python. Sie benötigen keine Vorkenntnisse in der Programmierung und werden die Grundlagen der Python-Programmierung einschließlich Datenstruktur und -analyse anhand von Übungen in den Modulen erlernen und ein Projekt erstellen, in dem Sie Ihre Fähigkeiten unter Beweis stellen. Am Ende dieses Kurses werden Sie grundlegende Programme für die Arbeit mit Daten und die Lösung von Problemen erstellen und sich eine solide Grundlage für weiterführende Kurse in diesem Bereich aneignen. Sie werden mit Daten in Python arbeiten und dabei die Bibliotheken Pandas und Numpy verwenden. Der Lehrplan umfasst: Woche 1 - Grundlagen von Python; Woche 2 - Datenstrukturen in Python; Woche 3 - Grundlagen der Python-Programmierung und Woche 4 - Arbeiten mit Daten in Python und Woche 5 - IPI's und Datenerfassung. Erworbene Fertigkeiten: Datenwissenschaft, Python-Programmierung, Datenanalyse, Panda und Numpy. Dauer: Etwa 21 Stunden über 5 Wochen. Bewertung: 4.6/93%

05 Datenbanken und SQL für Data Science mit Python

Datenbanken und SQL für Data Science mit Python

Dies ist ein Kurs für Anfänger in Englisch mit Untertiteln in 2 weiteren Sprachen. Da die meisten Daten in Datenbanken gespeichert werden, ist SQL (Structured Query Language) die am häufigsten verwendete Sprache für die Kommunikation mit und die Extraktion von Daten aus Datenbanken. Wenn Sie Datenwissenschaftler werden wollen, müssen Sie sich sowohl mit Datenbanken als auch mit SQL auskennen. Dieser Kurs führt Sie in die Konzepte relationaler Datenbanken ein und hilft Ihnen, die Sprache SQL zu erlernen und anzuwenden. Der Schwerpunkt dieses Kurses liegt auf dem praktischen Lernen. Sie werden also mit echten Datenbanken, Data Science Tools und echten Datensätzen arbeiten. Während des Kurses werden Sie eine Datenbank in der Cloud erstellen und in einer Reihe von Übungen SQL-Abfragen erstellen und ausführen und lernen, wie Sie mit SQL und Python von Jupyter-Notebooks aus auf Datenbanken zugreifen können. Es wird vorausgesetzt, dass Sie keine Vorkenntnisse oder Erfahrungen mit Datenbanken, SQL. Python oder Programmierung haben. Der Lehrplan umfasst: Woche 1 - Erste Schritte mit SQL; Woche 2 - Einführung in relationale Datenbanken und Tabellen; Woche 3 - SQL für Fortgeschrittene; Woche 4 - Zugriff auf Datenbanken mit Python; Woche 5 - Die Kursaufgabe; und Woche 6 ist ein Bonusmodul: Fortgeschrittenes SQL für Data Engineering. Erworbene Fertigkeiten: Cloud-Datenbank, Python-Programmierung, Ipython und Relationale Datenbankmanagementsysteme (RDBMS). Dauer: Etwa 37 Stunden über 6 Wochen. Bewertung: 4.6/93%

04 Grundlagen der Datenwissenschaft : K-Means Clustering in Python

Grundlagen der Datenwissenschaft: K-means Clustering in Python

Der Kurs ist ein Anfängerkurs in Englisch mit Untertiteln in 8 verschiedenen Sprachen. Unternehmen auf der ganzen Welt nutzen Daten, um Verhalten vorherzusagen und Erkenntnisse zu gewinnen, die ihnen helfen, fundierte Entscheidungen zu treffen. Die Analyse und Verwaltung von Daten ist in der modernen Finanzwelt, im Einzelhandel, im Marketing, in der Sozialwissenschaft, in der Forschung und Entwicklung, in der Medizin und in der Verwaltung von entscheidender Bedeutung geworden. Dieser Kurs führt Sie in die Datenwissenschaft ein und bereitet Sie auf die Kurse für Fortgeschrittene und Profis vor, indem er sich auf die grundlegenden mathematischen, statistischen und programmiertechnischen Kenntnisse konzentriert, die für die Datenanalyse erforderlich sind. Sie werden diese Konzepte bei einer Daten-Clustering-Aufgabe anwenden, bei der Sie grundlegende Programmierkenntnisse erlernen, die für datenwissenschaftliche Techniken erforderlich sind. Im weiteren Verlauf des Kurses werden Sie einige mathematische und programmiertechnische Übungen und ein Datencluster-Projekt für einen vorgegebenen Datensatz durchführen. Der Lehrplan umfasst: Woche 1 - Grundlagen der Datenwissenschaft: K-Means-Clustering in Python; Woche 2 - Mittelwerte und Abweichungen in Mathematik und Python; Woche 3 - Übergang von ein- zu zweidimensionalen Daten; Woche 4 - Einführung in Pandas und Verwendung von K-Means zur Datenanalyse und Woche 5 - Daten-Clustering-Projekt. Erworbene Fertigkeiten: K-Means Clustering, Maschinelles Lernen und Programmieren in Python. Dauer: Etwa 29 Stunden über 5 Wochen. Bewertung: 4.6/95%

03 Data Science Masterclass für Einsteiger

Meisterklasse für Datenwissenschaft

Dieser Kurs ist auf Englisch. Wenn Sie sich schon immer gefragt haben, wie Unternehmen die riesigen Daten, die sie sammeln und speichern, nutzen, dann wird dieser Kurs Sie in die Fähigkeiten und Tools einführen, die für die Arbeit mit dieser äußerst wertvollen Ressource erforderlich sind. Zu den behandelten Themen gehören Programmiersprachen, Datenwissenschaft, Methodik und Zusammenarbeit. Das behandelte Modul ist Grundlagen der Datenwissenschaft. Einführung, Programmiersprachen, Data Science-Methodik, Data Science via Chatbot, Bibliotheken, APIs, Datensätze und Github. Nach Abschluss dieses Kurses werden Sie in der Lage sein, die 3 primären Analysen im Data Mining zu verstehen, um Muster zu extrahieren: Sie kennen den Unterschied zwischen maschinellem Lernen und Deep Learning; Sie verstehen die Faktoren, die bei der Auswahl einer Programmiersprache zu berücksichtigen sind; Sie können die Schritte der Data-Science-Methodik und die Rolle von Entitäten und Intentionen bei der Chatbot-Entwicklung erklären und verstehen schließlich den Zweck und die Verwendung von GitHub bei der Zusammenarbeit. Erworbene Fertigkeiten: Programmierung, Wissenschaft, Datenwissenschaft, Dateneingabe und Programmiersprachen.Dauer: Ca. 3 - 4 Stunden. Bewertung: 5 Sterne

02 Einführung in die Data Science Spezialisierung

Einführung in die Data Science Spezialisierung

Dies ist ein Anfängerkurs auf Englisch mit Untertiteln in 10 verschiedenen Sprachen. Diese Spezialisierung in 4 Kursen vermittelt Ihnen die grundlegenden Fähigkeiten, die jeder Datenwissenschaftler benötigt, um sich auf diese aufregende und gefragte Karriere vorzubereiten. Sie werden lernen, was Datenwissenschaft ist und was Datenwissenschaftler eigentlich tun. Sie werden entdecken, wie weitreichend die Datenwissenschaft anwendbar ist und wie die Analyse von Daten dabei helfen kann, gute datengestützte Entscheidungen zu treffen. Es sind keine Vorkenntnisse in Informatik oder Programmiersprachen erforderlich, da diese Spezialisierung Ihnen die Grundlagen vermittelt, die Sie für fortgeschrittenes Lernen benötigen. Es werden Konzepte wie Big Data, statistische Analysen und relationale Datenbanken gelehrt und Sie erhalten ein Verständnis für die Verwendung verschiedener Open-Source-Tools und Data-Science-Programme wie Jupyter Notebooks, Rstudio, GitHub und SQL. Anhand von Projekten und Übungen lernen Sie die Methodik zur Lösung von Data-Science-Problemen kennen und wenden Ihre neu erworbenen Fähigkeiten und Kenntnisse auf reale Datensätze an. Kurs 1 - Was ist Data Science?; Kurs 2 - Tools für Data Science; Kurs 3 - Data Science Methodology und Kurs 4 - Data Bases und SQL für Data Science mit Python. Erworbene Fertigkeiten: Datenwissenschaft, Relationales Datenbankmanagementsystem (RDBMS), Cloud-Datenbank, Python-Programmierung, SQL, Deep Learning, Maschinelles Lernen, Big Data, Data Mining, Github, Jupyter Notebooks und Rstudio. Dauer: Ca. 4 Monate bei einem Tempo von 5 Stunden pro Woche - 4 Kurse. Bewertung: 4.7

01 Was ist Data Science?

Was ist Datenwissenschaft?