{"id":25251,"date":"2022-08-01T17:18:32","date_gmt":"2022-08-01T17:18:32","guid":{"rendered":"https:\/\/scottmax.com\/?p=25251"},"modified":"2022-08-01T17:18:43","modified_gmt":"2022-08-01T17:18:43","slug":"beste-kostenlose-online-kurse-zur-datenanalyse","status":"publish","type":"post","link":"https:\/\/scottmax.com\/de\/beste-kostenlose-online-kurse-zur-datenanalyse\/","title":{"rendered":"22 Beste kostenlose Online-Kurse zur Datenanalyse"},"content":{"rendered":"

Unser bevorzugter kostenloser Online-Kurs zur Datenanalyse<\/h2>\n\n\n\n

Explorative Datenanalyse<\/h3>\n\n\n\n
\"\"\/<\/figure>\n\n\n\n

Explorative Datenanalyse<\/a><\/p>\n\n\n\n

Dieser Kurs ist auf Englisch und hat Untertitel in 10 verschiedenen Sprachen. Dieser Kurs ist Teil mehrerer Programme und kann in mehreren Spezialisierungen angewendet werden. Sie lernen die explorativen Techniken zur Zusammenfassung von Daten kennen, die normalerweise vor der Modellierung angewendet werden. Sie k\u00f6nnen bei der Entwicklung von komplexeren statistischen Modellen helfen und sind auch wichtig, um wahrscheinliche Hypothesen \u00fcber die Welt, die mit den Daten verbunden ist, zu verwerfen oder zu verfeinern. Die Plottersysteme in R und einige grundlegende Prinzipien, die bei der Erstellung von Datengrafiken verwendet werden, sowie einige der g\u00e4ngigen multivariaten statistischen Techniken, die zur Visualisierung hochdimensionaler Daten verwendet werden. Sie werden lernen, analytische Grafiken und das Basisplottersystem in R zu verstehen und fortgeschrittene Diagrammsysteme wie das Latter-System zu verwenden. Schlie\u00dflich werden Sie lernen, grafische Darstellungen von sehr hochdimensionalen Daten zu erstellen und Techniken der Clusteranalyse anzuwenden, um Muster in den Daten zu finden. Erworbene Fertigkeiten: <\/strong>Clusteranalyse, Ggplot2, R-Programmierung und Explorative Datenanalyse. Dauer:<\/strong> Etwa 55 Stunden \u00fcber 4 Wochen<\/p>\n\n\n\n

Bewertung:<\/strong> 4.7\/94%<\/p>\n\n\n\n

Welche sind die besten kostenlosen Online-Kurse f\u00fcr Datenanalyse?<\/h2>\n\n\n\n

Nach umfangreichen Recherchen \u00fcber alle angebotenen Online-Kurse zur Datenanalyse haben wir die 22 besten Kurse zur Datenanalyse gefunden, um Ihnen die Auswahl zu erleichtern<\/p>\n\n\n\n

22 Fortgeschrittene Datenstrukturen<\/h3>\n\n\n\n
\"\"\/<\/figure>\n\n\n\n

Erweiterte Daten<\/a> <\/p>\n\n\n\n

Der Kurs ist in englischer Sprache und ist ein Kurs f\u00fcr Fortgeschrittene, der die Anwendung von C++-Kenntnissen und die Verwendung von fortgeschrittenen Befehlszeilenprogrammen fortsetzt, die Dateiverarbeitung, verkn\u00fcpfte Listen, Stapel, Warteschlangen, B\u00e4ume, bin\u00e4re Suchb\u00e4ume und Baumausgleichsalgorithmen zur L\u00f6sung von Problemen verwenden. Sie werden viele Implementierungen bei der Entwicklung der einzelnen Datenstrukturen kennenlernen, darunter Hash Maps, AVL sowie rote und schwarze B\u00e4ume. Sie werden praktische Erfahrungen beim Schreiben in C++ sammeln. Der Schwerpunkt dieses Kurses liegt auf der Effizienz verschiedener Datenstrukturen zur L\u00f6sung vieler Arten von Problemen. Eine Datenstruktur ist eine Sammlung von Datenwerten, deren Beziehungen und die Funktion oder Operation, die darauf angewendet werden kann. Dauer: <\/strong>Ca. 7 - 9 Stunden pro Woche f\u00fcr 9 Wochen<\/p>\n\n\n\n

21 Datenwrangling<\/h3>\n\n\n\n
\"\"\/<\/figure>\n\n\n\n

Datenwust<\/a><\/p>\n\n\n\n

Der Kurs ist auf Englisch. Sie erfahren, wie Sie Daten aus verschiedenen Quellen gewinnen und sie am besten f\u00fcr datengesteuerte Anwendungen nutzen k\u00f6nnen. Sie lernen, wie Sie Daten aus verschiedenen Datenformaten sammeln und filtern und wie Sie die Qualit\u00e4t Ihrer Daten bewerten und die besten Methoden zur Datenbereinigung untersuchen k\u00f6nnen. Sie erhalten eine Einf\u00fchrung in Mongo DB. Sie lernen die Datenspeicherung und die Abfragesprache von Mongo DB kennen und erforschen die Analyse mit dem Mongo DB Aggregations-Framework. Dieser Kurs eignet sich sehr gut f\u00fcr Datenanalysten, die ihre F\u00e4higkeiten um Big Data erweitern m\u00f6chten. Dauer:<\/strong> Ca. 2 Monate, die 6 Lektionen in Ihrem eigenen Tempo umfassen. <\/p>\n\n\n\n

20 Grundlagen der Datenkompetenz<\/h3>\n\n\n\n
\"\"\/<\/figure>\n\n\n\n

Grundlagen der Datenkompetenz<\/a><\/p>\n\n\n\n

Dieser Kurs ist in englischer Sprache und vermittelt Ihnen die F\u00e4higkeit zum kritischen Denken, die in der heutigen datengesteuerten Umgebung unerl\u00e4sslich ist. Sie werden lernen, wie Sie Daten t\u00e4glich nutzen. Sie betrachten den Wert der Daten und untersuchen die Umwandlung von Daten von analog zu digital. Die Ethik der Datennutzung wird anhand von Fallstudien untersucht und die Rolle des kritischen Denkens bei der Datenanalyse, die f\u00fcr die strategische Planung und die Aufdeckung von Wettbewerbsvorteilen f\u00fcr Unternehmen unerl\u00e4sslich ist. Schlie\u00dflich werden Sie sich mit Daten, Analysetools und Methoden besch\u00e4ftigen. Dauer:<\/strong> 6 - 8 Stunden pro Woche \u00fcber 4 Wochen, aber in Eigenregie<\/p>\n\n\n\n

19 Datenanalyse Entscheidungsfindung<\/h3>\n\n\n\n
\"\"\/<\/figure>\n\n\n\n

Datenanalyse und Entscheidungsfindung<\/a><\/p>\n\n\n\n

Der Kurs ist auf Englisch. In diesem Kurs lernen Sie, kritisches Denken bei der Arbeit mit Daten anzuwenden. Sie lernen, Daten zu organisieren und zu bereinigen, indem Sie mit Microsoft Excel einen Datenanalyseplan erstellen und mit Tableau Tabellen und grafische Darstellungen erstellen, um die Daten sinnvoll zu organisieren und zu pr\u00e4sentieren. Sie werden auch lernen, kritische Datenanalysen zu identifizieren und diese mit anderen Informationen zu integrieren. Und schlie\u00dflich werden Sie Ihre Darstellungen auf ihre Genauigkeit \u00fcberpr\u00fcfen. Dauer:<\/strong> Ca. 6-8 Stunden pro Woche f\u00fcr 3 Monate und in Eigenregie, aber um die volle Erfahrung zu machen, m\u00fcssen Sie f\u00fcr den Kurs bezahlen <\/p>\n\n\n\n

18 Gesch\u00e4fts- und Datenanalysef\u00e4higkeiten<\/p>\n\n\n\n

\"\"\/<\/figure>\n\n\n\n

Kenntnisse in Gesch\u00e4fts- und Datenanalyse<\/a><\/p>\n\n\n\n

Der Kurs findet auf Englisch statt. In der heutigen Zeit ist es von entscheidender Bedeutung, zu wissen, wie man Daten analysiert, destilliert und Geschichten daraus macht. Der Kurs zeigt Ihnen, wie Sie Microsoft Excel als leistungsstarkes Analyse- und Pr\u00e4sentationstool nutzen k\u00f6nnen. In diesem Kurs werden Sie reale Markt- und Finanzanalysen analysieren und Ihre Ergebnisse wirkungsvoll pr\u00e4sentieren. Schlie\u00dflich lernen Sie, wie Sie auf der Grundlage Ihrer Erkenntnisse datenbasierte Entscheidungen treffen k\u00f6nnen, die Ihrem Unternehmen helfen, zu wachsen. Sie lernen, wie Sie die am besten geeigneten Excel-Funktionen f\u00fcr die jeweiligen Aufgaben ausw\u00e4hlen, Marktgr\u00f6\u00dfe und -anteile berechnen und bewerten, Daten kritisch lesen und verschiedene Arten von Einnahmen, Kosten und Rentabilit\u00e4tskriterien kommunizieren. Dauer: <\/strong>Ca. 3 - 4 Stunden pro Woche \u00fcber 3 Wochen und in Eigenregie. Bewertung:<\/strong> 21 350 eingeschrieben<\/p>\n\n\n\n

17 Datenanalyse und statistische Modellierung und Berechnung in Anwendungen<\/h3>\n\n\n\n

<\/h1>\n\n\n\n

Datenanalyse und statistische Modellierung<\/a><\/p>\n\n\n\n

Der Kurs findet auf Englisch statt. F\u00fcr die Datenanalyse sind multidisziplin\u00e4re F\u00e4higkeiten wie Mathematik, Statistik, Virtualisierung, Probleml\u00f6sung, maschinelles Lernen und Kommunikationsf\u00e4higkeiten erforderlich. Sie werden diese grundlegenden F\u00e4higkeiten zusammen mit Fachwissen kombinieren, um Fragen zur Datennutzung zu stellen und zu beantworten. Der Kurs behandelt die folgenden Werkzeuge wie Hypothesentests, Gradientenabstieg und Regressionsmethoden. Danach lernen Sie Modelle und Methoden zur Analyse spezifischer Daten in 4 Bereichen kennen: Epigenetische Codes und Datenvisualisierung; Kriminelle Netzwerke, Netzwerkanalyse; Preise, Wirtschaft und Zeitreihen; und Umweltdaten und r\u00e4umliche Statistik. Sie werden angeleitet, Daten aus jedem dieser Schwerpunktbereiche zu analysieren und Ihre Ergebnisse zu pr\u00e4sentieren. Voraussetzungen:<\/strong> Python-Programmierung (Grundstudium), Kalk\u00fcl und Lineare Algebra (Grundstudium), Wahrscheinlichkeitstheorie und Statistik (Grundstudium) und Maschinelles Lernen (Grundstudium).Dauer: <\/strong>Ca. 10-15 Stunden pro Woche f\u00fcr 16 Wochen und wird unter Anleitung durchgef\u00fchrt. Bewertung:<\/strong> 23 000+ eingeschrieben<\/p>\n\n\n\n

16 Analytik f\u00fcr die Entscheidungsfindung<\/h3>\n\n\n\n
\"\"\/<\/figure>\n\n\n\n

Analytik f\u00fcr die Entscheidungsfindung<\/a><\/p>\n\n\n\n

Dieser Kurs ist auf Englisch. In diesem Kurs geht es darum, schlechte Entscheidungen mit Hilfe von Daten zu vermeiden, denn gute Entscheidungen verschaffen Ihnen einen unverwechselbaren Vorteil im Gesch\u00e4ftsleben. Dieser Kurs basiert auf Statistik und Datenanalyse und wird Ihnen die Konzepte eines soliden statistischen Denkens vermitteln, das in vielen Bereichen angewendet werden kann. S\u00e4ulen wie das Verstehen von Variationen, das Aufzeigen von Risiken im Zusammenhang mit alternativen Entscheidungen und das Auffinden der Quellen von Variationen. Die oben genannten Ideen f\u00fchrten zur Entwicklung quantitativer Modelle, die normalerweise verloren gehen. Dieser Kurs konzentriert sich auf diese Ideen. Sie werden Fragen sehen und beantworten wie: Die Relevanz traditioneller statistischer Methoden in der modernen Analytik?, Wie man bei der Herangehensweise an quantitative Probleme Irrt\u00fcmer und Missverst\u00e4ndnisse vermeidet. Bei pr\u00e4diktiven Anwendungen, wie wir statistische Methoden anwenden und wie man mit Hilfe der Analytik ein Verst\u00e4ndnis f\u00fcr das Engagement der Kunden erh\u00e4lt. Es wird empfohlen f\u00fcr Studenten mit einem Bachelor-Abschluss oder jemanden, der sich f\u00fcr ein Studium in einem Wirtschaftsbereich entscheidet. Dauer:<\/strong> 4 - 6 Stunden pro Woche f\u00fcr 4 Wochen, nach eigenem Ermessen. Bewertung:<\/strong> 36 694 eingeschrieben<\/p>\n\n\n\n

15 Einf\u00fchrung in die Analytik-Modellierung<\/h3>\n\n\n\n
\"\"\/<\/figure>\n\n\n\n

Einf\u00fchrung in die analytische Modellierung<\/a><\/p>\n\n\n\n

Der Kurs ist ein Einf\u00fchrungskurs in englischer Sprache. Sie lernen die wesentlichen Analysemodelle und Methoden kennen, um sie mit Hilfe von Tools wie R angemessen anzuwenden und spezifische Erkenntnisse zu gewinnen. Um Ihre Daten bestm\u00f6glich zu verstehen, Vorhersagen zu erstellen und fundierte Gesch\u00e4ftsentscheidungen zu treffen, m\u00fcssen Sie analytische Modelle erstellen. Ohne diese Modelle w\u00e4re es sehr schwierig, die richtigen Erkenntnisse aus Ihren Daten zu gewinnen. Bei der Modellierung ist die Auswahl von Datens\u00e4tzen, Algorithmen, Techniken und Formaten zur Probleml\u00f6sung von entscheidender Bedeutung. In diesem Kurs lernen Sie die grundlegenden Modelle und deren Analyse kennen und \u00fcben, wie man sie mit Tools wie R implementiert. Mit Hilfe von statistischen Modellen, maschinellem Lernen und Modellen werden Sie Modelle f\u00fcr Klassifizierung, Clustering, Erkennung von Ver\u00e4nderungen, Datengl\u00e4ttung, Validierungsvorhersage, Optimierung und Experimente erstellen. Voraussetzung:<\/strong> Wahrscheinlichkeitsrechnung und Statistik, Grundlagen der Programmierung, Lineare Algebra und Grundrechenarten. Dauer: <\/strong>Etwa 8 - 10 Stunden pro Woche f\u00fcr 16 Wochen.Bewertung:<\/strong> 74 465 eingeschrieben<\/p>\n\n\n\n

14 Datenanalyse-Grundlagen f\u00fcr jedermann<\/h3>\n\n\n\n
\"\"\/<\/figure>\n\n\n\n

Datenanalytik grundlegend<\/a><\/p>\n\n\n\n

Dieser Kurs ist in englischer Sprache und Sie lernen die Grundlagen der Datenanalyse kennen und erwerben Kenntnisse \u00fcber Daten\u00f6kosysteme, den Prozess und den Lebenszyklus der Datenanalyse. Sie lernen etwas \u00fcber Datenstrukturen, Dateiformate, Datenquellen und Daten-Repositories. Sie lernen etwas \u00fcber Big Data und den Einsatz und die Funktionen einiger Big Data-Verarbeitungstools. Sie lernen die t\u00e4glichen Aufgaben eines Datenanalysten kennen und erfahren, wie er Daten identifiziert, sammelt, aufbereitet, verarbeitet und analysiert sowie seine Ergebnisse den Beteiligten mitteilt. Sie werden einige der f\u00fcr diese Aufgaben verwendeten Tools kennen lernen. Der Kurs behandelt die Verwendung von relationalen und nicht-relationalen Datenbanken, Data Warehouses, Data Marts und Data Lakes. Der Kurs enth\u00e4lt einen Abschnitt dar\u00fcber, wie ETL (Extract-Transform-Load) verwendet wird, um Rohdaten in analysereife Daten umzuwandeln. Schlie\u00dflich werden Sie in die spezifischen Sprachen eingef\u00fchrt, die von Datenanalysten zur Extraktion, Aufbereitung und Analyse von Daten verwendet werden. Dauer:<\/strong> Ca. 2 - 3 Stunden pro Woche f\u00fcr 5 Wochen in Ihrem eigenen Tempo<\/p>\n\n\n\n

Bewertung:<\/strong> 98 466 eingeschrieben<\/p>\n\n\n\n

13 Analysieren und Visualisieren von Daten<\/h3>\n\n\n\n
\"\"\/<\/figure>\n\n\n\n

Analysieren und Visualisieren<\/a><\/p>\n\n\n\n

Der Kurs ist auf Englisch. Wenn Sie ein Datenexperte, Student, Forscher oder Akademiker, ein Marketinganalytiker, ein Unternehmens- und Datenanalytiker oder ein Finanzanalytiker sind, dann ist dies der richtige Kurs f\u00fcr Sie. Power BI ist ein von Microsoft zur Verf\u00fcgung gestelltes Tool f\u00fcr die Unternehmensanalyse und -visualisierung, mit dem Datenexperten gro\u00dfartige Pr\u00e4sentationen \u00fcber ihre Daten erstellen k\u00f6nnen. Der Kurs ist ein Leitfaden f\u00fcr Einsteiger in die Arbeit mit Daten und f\u00fcr Profis gleicherma\u00dfen geeignet. Schlie\u00dflich werden Sie effektiv mit Daten arbeiten, Datenvisualisierungen erstellen und Dashboards und Berichte vorbereiten. Sie lernen, wie man gesch\u00e4ftsorientierte Daten identifiziert und mit ihnen arbeitet, wie man Daten importiert und aufbereitet, um sie in ein Modell zu laden, wie man die Arten von Datenvisualisierungen und ihre Zwecke identifiziert und wie man Power BI-Berichte und -Dashboards erstellt und weitergibt. Dauer:<\/strong> Ca. 10 - 12 Stunden pro Woche f\u00fcr 4 Wochen in Ihrem eigenen Tempo. Bewertung:<\/strong> 100 556+ eingeschrieben<\/p>\n\n\n\n

12 Wahrscheinlichkeitsrechnung und Statistik in der Datenwissenschaft<\/h3>\n\n\n\n
\"\"\/<\/figure>\n\n\n\n

Wahrscheinlichkeitsrechnung und Statistik<\/a><\/p>\n\n\n\n

Dieser Kurs findet auf Englisch statt und ist ein Kurs f\u00fcr Fortgeschrittene. Bei der Analyse umfangreicher Daten geht es immer auch um die Frage der Unsicherheit. Wahrscheinlichkeit und Statistik bilden die Grundlage f\u00fcr diese \u00dcberlegungen. In diesem Kurs lernen Sie etwas \u00fcber Wahrscheinlichkeit und Statistik und die mathematische Theorie und sammeln Erfahrungen bei der Anwendung dieser Theorie auf konkrete Daten. Sie werden Informationen \u00fcber Zufallsvariablen, Abh\u00e4ngigkeit, Korrelation, Regression, PCA, Entropie und MDL erhalten. Dauer:<\/strong> <\/strong>Ca. 10-12 Stunden pro Woche f\u00fcr 10 Wochen in Ihrem eigenen Tempo. Bewertung:<\/strong> 125 243+ eingeschrieben<\/p>\n\n\n\n

11 Einf\u00fchrung in die Wahrscheinlichkeitsrechnung<\/h3>\n\n\n\n
\"\"\/<\/figure>\n\n\n\n

Einf\u00fchrung in die Wahrscheinlichkeitsrechnung<\/a><\/p>\n\n\n\n

Der Kurs findet auf Englisch statt und ist ein Mittelstufenkurs. Dieser Kurs vermittelt Ihnen das notwendige R\u00fcstzeug, um Daten, Wissenschaft, Philosophie, Technik, Wirtschaft und Finanzen zu verstehen. Sie werden lernen, wie man anspruchsvolle technische Probleme l\u00f6st und wie man diese L\u00f6sungen im Alltag anwendet. Die Beispiele, mit denen Sie arbeiten werden, reichen von medizinischen Tests bis hin zu Sportvorhersagen und bilden eine gute Grundlage f\u00fcr das Studium von statistischen Schlussfolgerungen, stochastischen Prozessoren, randomisierten Algorithmen und anderen Themen, bei denen die Wahrscheinlichkeitsrechnung eine Rolle spielt. Sie werden lernen, wie man gute Vorhersagen macht, den Story-Ansatz zum Verst\u00e4ndnis von Zufallsvariablen, g\u00e4ngige Wahrscheinlichkeitsverteilungen, die in der Datenwissenschaft verwendet werden, und die Verwendung der bedingten Wahrscheinlichkeit, um komplizierte Probleme anzugehen. Dauer:<\/strong> Ca. 5 - 10 Stunden pro Woche f\u00fcr 10 Wochen in Ihrem eigenen Tempo. Bewertung:<\/strong> 142 304+ eingeschrieben<\/p>\n\n\n\n

10 Inferentielle Statistik<\/h3>\n\n\n\n
\"\"\/<\/figure>\n\n\n\n

Inferentielle Statistik<\/a><\/p>\n\n\n\n

Dieser Kurs ist auf Englisch und hat Untertitel in 8 verschiedenen Sprachen. Inferenzstatistiken ziehen Schl\u00fcsse aus den in einer Datenstichprobe gefundenen Beziehungen auf die Verh\u00e4ltnisse in der Grundgesamtheit. Sie helfen uns zum Beispiel zu entscheiden, ob Unterschiede zwischen Gruppen, die in Daten beobachtet werden, auf die Hypothese \u00fcbertragen werden k\u00f6nnen, dass die Unterschiede generell in der gesamten Population existieren. Der Kurs beginnt mit der Vermittlung von Kenntnissen \u00fcber Signifikanztests, die die Verteilung von Stichproben und Teststatistiken, den p-Wert, die Signifikanz, die Aussagekraft sowie Fehler vom Typ I und Typ II umfassen. Anschlie\u00dfend werden Sie eine Reihe von statistischen Tests und Techniken kennenlernen, die uns dabei helfen, Schlussfolgerungen f\u00fcr verschiedene Datentypen und unterschiedliche Forschungsdesigns zu ziehen. Sie werden auch lernen, Tests durchzuf\u00fchren, um zu pr\u00fcfen, wie jeder einzelne statistische Test funktioniert, f\u00fcr welche Daten er geeignet ist und wie die Ergebnisse interpretiert werden sollten. Diese Tests k\u00f6nnen mit frei verf\u00fcgbarer Software durchgef\u00fchrt werden.  Erworbene Fertigkeiten:<\/strong> Statistik, statistische Inferenz, Regressionsanalyse und Varianzanalyse (ANOVA). Dauer:<\/strong> Etwa 23 Stunden \u00fcber 7 Wochen. Bewertung:<\/strong> 4.3\/94%<\/p>\n\n\n\n

09 Wesentliche Gestaltungsprinzipien f\u00fcr Tableau<\/h3>\n\n\n\n
\"\"\/<\/figure>\n\n\n\n

Wesentliche Designprinzipien<\/a><\/p>\n\n\n\n

Der Kurs ist auf Englisch und hat Untertitel in 8 verschiedenen Sprachen. Dieser Kurs hilft Ihnen dabei, Designprinzipien zu analysieren und auf Ihre Tableau-Visualisierungen anzuwenden. Es wird vorausgesetzt, dass Sie \u00fcber einige Tableau-Erfahrung im Umgang mit den Tools verf\u00fcgen und einige Kenntnisse \u00fcber die Konzepte der Datenvisualisierung haben. Die Unterschiede und Gemeinsamkeiten von explorativen und erkl\u00e4renden Analysen werden definiert und es wird Ihnen gezeigt, wie Sie die richtigen Fragen zu den Anforderungen an eine Visualisierung stellen. Sie werden sehen, wie Design und Daten zusammenarbeiten, einschlie\u00dflich der Auswahl der richtigen Darstellung f\u00fcr Ihre Daten, und Sie werden sich ansehen, was eine effektive Visualisierung von einer ineffektiven Visualisierung unterscheidet. Sie werden lernen, die besten Methoden zur Visualisierung anzuwenden und Visualisierungen zu erstellen und zu gestalten, die Ihre Zielgruppe ansprechen. Erworbene Fertigkeiten:<\/strong> Datenanalyse, Tableau-Software, Datenvirtualisierung und Datenvisualisierung (DataViz). Dauer: <\/strong>Etwa 13 Stunden \u00fcber 4 Wochen. Bewertung:<\/strong> 4.4\/88%<\/p>\n\n\n\n

08 Daten abrufen und bereinigen<\/h3>\n\n\n\n
\"\"\/<\/figure>\n\n\n\n

Abrufen und Bereinigen von Daten<\/a><\/p>\n\n\n\n

Dieser Kurs ist auf Englisch und hat Untertitel in 10 verschiedenen Sprachen. Sie lernen die grundlegenden M\u00f6glichkeiten der Datenbeschaffung kennen. Es wird Ihnen gezeigt, wie Sie Daten aus dem Internet, von APIs, Datenbanken und von Kollegen in verschiedenen Formaten erhalten. Sie werden lernen, wie Sie Daten bereinigen und aufr\u00e4umen, was die nachgelagerte Datenanalyse erheblich beschleunigt. Schlie\u00dflich werden Sie sich mit den Komponenten eines vollst\u00e4ndigen Datensatzes befassen, einschlie\u00dflich Rohdaten, Verarbeitungsanweisungen, Codeb\u00fcchern und verarbeiteten Daten, sowie mit den Grundlagen, die f\u00fcr das Sammeln, Bereinigen und Teilen von Daten erforderlich sind. Sie werden R auch f\u00fcr Text- und Datumsmanipulationen verwenden. Erworbene Fertigkeiten:<\/strong> Datenmanipulation, regul\u00e4re Ausdr\u00fccke (REGEX), R-Programmierung und Datenbereinigung. Dauer:<\/strong> Etwa 20 Stunden \u00fcber 4 Wochen. Bewertung:<\/strong> 4.5\/90%<\/p>\n\n\n\n

07 R Programmierung<\/h3>\n\n\n\n
\"\"\/<\/figure>\n\n\n\n

R Programmierung<\/a><\/p>\n\n\n\n

Dieser Kurs ist auf Englisch. Er hat Untertitel in 12 verschiedenen Sprachen. Sie lernen, wie man in R programmiert und wie man R f\u00fcr die Datenanalyse verwendet. Sie werden lernen, wie man Software in einer statistischen Programmierumgebung installiert und konfiguriert und wie man Konzepte der Programmiersprache in einer statistischen Hochsprache umsetzt. Sie lernen, wie man in R programmiert, Daten in R einliest, auf R-Pakete zugreift, R-Funktionen schreibt, R-Code debuggt und profiliert sowie R-Code organisiert und kommentiert. Sie werden auch lernen, wie Sie R-Schleifenfunktionen und Debugging-Tools nutzen und wie Sie mithilfe des R-Profils detaillierte Informationen sammeln k\u00f6nnen. Erworbene Fertigkeiten:<\/strong> Datenanalyse, Fehlersuche, R-Programmierung und Rstudio. Dauer: <\/strong>Etwa 57 Stunden \u00fcber 4 Wochen.Bewertung:<\/strong> 4.5\/94%<\/p>\n\n\n\n

06 Mathematische Kenntnisse in Datenwissenschaft<\/h3>\n\n\n\n
\"\"\/<\/figure>\n\n\n\n

Mathematische F\u00e4higkeiten in der Datenwissenschaft<\/a><\/p>\n\n\n\n

Der Kurs ist auf Englisch und hat Untertitel in 9 verschiedenen Sprachen. Dieser Kurs wurde f\u00fcr Lernende konzipiert, die ein grundlegendes Verst\u00e4ndnis f\u00fcr Mathematik haben, aber nicht Algebra oder Vorkalk\u00fcl belegt haben, aber die Mathematik ben\u00f6tigen, um in der Datenwissenschaft erfolgreich zu sein. Er f\u00fchrt in den Kern der Mathematik ein, der f\u00fcr die Datenwissenschaft von zentraler Bedeutung ist, und zwar so, dass er leicht verst\u00e4ndlich ist und unbekannte Ideen und mathematische Symbole langsam und vorsichtig eingef\u00fchrt werden. Zu den Themen geh\u00f6ren Mengenlehre und Venn-Diagramme, Intervallnotation, Verwendung von Summen und Sigma-Notation, grafische Darstellung und Beschreibung von Funktionen. Exponenten, Logarithmen und Wahrscheinlichkeit einschlie\u00dflich des Satzes von Bayes. Dieser Kurs ist eine Voraussetzung f\u00fcr diejenigen, die an dem Kurs \"Mastering Data Analysis in Excel\" interessiert sind. Wenn Sie diese F\u00e4higkeit beherrschen, sind Sie bestens auf den Erfolg mit der fortgeschrittenen Mathematik in diesem Kurs vorbereitet. Erworbene Fertigkeiten: <\/strong>Bayes' Theorem, Bayes'sche Wahrscheinlichkeit, Wahrscheinlichkeit und Wahrscheinlichkeitsrechnung. Dauer:<\/strong> Etwa 13 Stunden \u00fcber 4 Wochen. Bewertung:<\/strong> 4.5\/96%<\/p>\n\n\n\n

05 Erstellen von Dashboards und Storytelling mit Tableau<\/h3>\n\n\n\n
\"\"\/<\/figure>\n\n\n\n

Dashboards erstellen<\/a><\/p>\n\n\n\n

Der Kurs ist auf Englisch und hat Untertitel in 8 verschiedenen Sprachen. Dieser Kurs kn\u00fcpft an Visual Analytics mit Tableau an und verwendet die Visualisierungen, die Sie in diesem Kurs erstellt haben, um Dashboards zu erstellen, die Ihnen helfen, die Geschichte in Ihren Daten zu erkennen. Und Sie lernen, wie Sie Story-Points verwenden, um Ihre Story zu erstellen. Sie werden in der Lage sein, Ihre Story so zu strukturieren und zu organisieren, dass sie sowohl f\u00fcr Stakeholder als auch f\u00fcr Endbenutzer ihr volles Potenzial entfaltet. Sie werden lernen, ein Dashboard zu erstellen, Konzepte und Techniken zu analysieren, um mit Daten \u00fcberzeugende Geschichten zu erz\u00e4hlen. Erworbene Fertigkeiten:<\/strong> Storyboarding, Tableau Software, Datenvirtualisierung und Datenvisualisierung.Dauer<\/strong>: Etwa 15 Stunden \u00fcber 4 Wochen. Bewertung:<\/strong> 4.6\/88%<\/p>\n\n\n\n

04 Datenbanken und SQL f\u00fcr Data Science mit Python<\/h3>\n\n\n\n
\"\"\/<\/figure>\n\n\n\n

Datenbanken und SQL<\/a><\/p>\n\n\n\n

Der Kurs ist auf Englisch und hat Untertitel in 2 weiteren Sprachen. Um ein guter Datenanalyst und Datenwissenschaftler zu werden, sind Kenntnisse \u00fcber Datenbanken und SQL (oder strukturierte Abfragesprache) erforderlich. Der Kurs f\u00fchrt in relationale Datenbankkonzepte ein und hilft bei der Anwendung der SQL-Sprache in einer datenwissenschaftlichen Umgebung. Der Schwerpunkt liegt auf dem praktischen Lernen und so werden Sie mit echten Datenbanken und Data Science Tools arbeiten. Sie werden eine Datenbankinstanz in der Cloud erstellen und \u00fcben, SQL-Abfragen zu erstellen und auszuf\u00fchren. Schlie\u00dflich lernen Sie, wie Sie von Jupyter-Notebooks aus mit SQL und Python auf Datenbanken zugreifen k\u00f6nnen. Es sind keine Vorkenntnisse \u00fcber Datenbanken, SQL, Python oder Programmierung erforderlich. Erworbene Fertigkeiten:<\/strong> Cloud-Datenbanken, Python-Programmierung, Ipython, Relationale Datenbankmanagementsysteme (RDBMS) und SQL. Dauer:<\/strong> Etwa 37 Stunden \u00fcber 6 Wochen<\/p>\n\n\n\n

Bewertung:<\/strong> 4.6\/93%<\/p>\n\n\n\n

03 Datenanalyse verwalten<\/h3>\n\n\n\n
\"\"\/<\/figure>\n\n\n\n

Datenanalyse verwalten<\/a><\/p>\n\n\n\n

Dieser Kurs ist auf Englisch und hat Untertitel in 9 verschiedenen Sprachen. Sie lernen den Prozess der Datenanalyse und das Management dieses Prozesses kennen. Der iterative Charakter der Datenanalyse wird beschrieben, ebenso wie die Rolle, eine aussagekr\u00e4ftige Frage zu stellen, die explorative Datenanalyse, die Inferenz, die formale statistische Modellierung, die Interpretation und die Kommunikation. Sie werden auch lernen, wie Sie die Daten verarbeiten, um verst\u00e4ndliche und verwertbare Ergebnisse zu erhalten. Am Ende des Kurses werden Sie gelernt haben, zwischen verschiedenen Datenpools zu unterscheiden, die Iteration der Datenanalyse zu beschreiben, die Datens\u00e4tze auf ihre Angemessenheit hin zu untersuchen und statistische Ergebnisse zu nutzen, um \u00fcberzeugende Pr\u00e4sentationen zur Datenanalyse zu erstellen. Erworbene Fertigkeiten:<\/strong> Datenanalyse, Kommunikation, Interpretation, explorative Datenanalyse. Dauer:<\/strong> Ungef\u00e4hr 9 Stunden, 1 Woche Zeitaufwand. Bewertung<\/strong>: 4.6\/95%<\/p>\n\n\n\n

02 Lineare Regression und Modellierung<\/h3>\n\n\n\n
\"\"\/<\/figure>\n\n\n\n

Lineare Regression und Modellierung<\/a><\/p>\n\n\n\n

Der Kurs ist auf Englisch und hat Untertitel in 9 verschiedenen Sprachen. Dieser Kurs f\u00fchrt Sie durch einfache und multiple lineare Regressionsmodelle, die es Ihnen erm\u00f6glichen, Beziehungen zwischen Variablen innerhalb eines Datensatzes und einer kontinuierlichen Antwortvariablen zu ermitteln. Es werden Beziehungen zwischen scheinbar unverbundenen Variablen ermittelt und Sie lernen die grundlegende Theorie hinter der linearen Regression kennen. Schlie\u00dflich werden Sie lernen, Regressionsmodelle anzupassen, zu untersuchen und zu nutzen, um Beziehungen zwischen vielen Variablen mit Hilfe der kostenlosen Statistiksoftware R und RStudio zu bestimmen. Erworbene Fertigkeiten:<\/strong> Statistik, Lineare Regression, R-Programmierung und Regressionsanalyse. Dauer:<\/strong> Etwa 10 Stunden \u00fcber 4 Wochen<\/p>\n\n\n\n

Bewertung:<\/strong> 4.7\/94%<\/p>\n\n\n\n

01 Explorative Datenanalyse<\/h3>\n\n\n\n
\"\"\/<\/figure>\n\n\n\n

Explorative Datenanalyse<\/a><\/p>\n\n\n\n

Dieser Kurs ist auf Englisch und hat Untertitel in 10 verschiedenen Sprachen. Dieser Kurs ist Teil mehrerer Programme und kann in mehreren Spezialisierungen angewendet werden. Sie werden die explorativen Techniken zur Zusammenfassung von Daten kennenlernen, die in der Regel vor der Modellierung angewendet werden. Sie k\u00f6nnen bei der Entwicklung von komplexeren statistischen Modellen helfen und sind auch wichtig, um wahrscheinliche Hypothesen \u00fcber die Welt, die mit den Daten verbunden ist, zu verwerfen oder zu verfeinern. Die Plottersysteme in R und einige grundlegende Prinzipien, die bei der Erstellung von Datengrafiken verwendet werden, sowie einige der g\u00e4ngigen multivariaten statistischen Techniken, die zur Visualisierung hochdimensionaler Daten verwendet werden. Sie werden lernen, analytische Grafiken und das Basisplottersystem in R zu verstehen und fortgeschrittene Grafiksysteme wie das Latter-System zu verwenden. Schlie\u00dflich werden Sie lernen, grafische Darstellungen von sehr hochdimensionalen Daten zu erstellen und Techniken der Clusteranalyse anzuwenden, um Muster in den Daten zu finden. Erworbene Fertigkeiten: <\/strong>Clusteranalyse, Ggplot2, R-Programmierung und Explorative Datenanalyse. Dauer:<\/strong> Etwa 55 Stunden \u00fcber 4 WochenBewertung:<\/strong> 4.7\/94%<\/p>","protected":false},"excerpt":{"rendered":"

Unser bevorzugter kostenloser Online-Kurs zur Datenanalyse Explorative Datenanalyse Dieser Kurs ist auf Englisch und hat Untertitel in 10 verschiedenen Sprachen. Dieser Kurs ist Teil mehrerer Programme und kann in mehreren Spezialisierungen angewendet werden. Sie lernen die explorativen Techniken zur Zusammenfassung von Daten kennen, die in der Regel vor der Modellierung angewendet werden...<\/p>","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"inline_featured_image":false,"_kad_blocks_custom_css":"","_kad_blocks_head_custom_js":"","_kad_blocks_body_custom_js":"","_kad_blocks_footer_custom_js":"","_kadence_starter_templates_imported_post":false,"_kad_post_transparent":"","_kad_post_title":"","_kad_post_layout":"","_kad_post_sidebar_id":"","_kad_post_content_style":"","_kad_post_vertical_padding":"","_kad_post_feature":"","_kad_post_feature_position":"","_kad_post_header":false,"_kad_post_footer":false,"footnotes":""},"categories":[109],"tags":[164],"class_list":["post-25251","post","type-post","status-publish","format-standard","hentry","category-sub","tag-courses"],"taxonomy_info":{"category":[{"value":109,"label":"Sub"}],"post_tag":[{"value":164,"label":"Courses"}]},"featured_image_src_large":false,"author_info":{"display_name":"Scott Max","author_link":"https:\/\/scottmax.com\/de\/author\/scott\/"},"comment_info":0,"category_info":[{"term_id":109,"name":"Sub","slug":"sub","term_group":0,"term_taxonomy_id":109,"taxonomy":"category","description":"","parent":0,"count":776,"filter":"raw","cat_ID":109,"category_count":776,"category_description":"","cat_name":"Sub","category_nicename":"sub","category_parent":0}],"tag_info":[{"term_id":164,"name":"Courses","slug":"courses","term_group":0,"term_taxonomy_id":164,"taxonomy":"post_tag","description":"","parent":0,"count":30,"filter":"raw"}],"_links":{"self":[{"href":"https:\/\/scottmax.com\/de\/wp-json\/wp\/v2\/posts\/25251","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/scottmax.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/scottmax.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/scottmax.com\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/scottmax.com\/de\/wp-json\/wp\/v2\/comments?post=25251"}],"version-history":[{"count":1,"href":"https:\/\/scottmax.com\/de\/wp-json\/wp\/v2\/posts\/25251\/revisions"}],"predecessor-version":[{"id":25252,"href":"https:\/\/scottmax.com\/de\/wp-json\/wp\/v2\/posts\/25251\/revisions\/25252"}],"wp:attachment":[{"href":"https:\/\/scottmax.com\/de\/wp-json\/wp\/v2\/media?parent=25251"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/scottmax.com\/de\/wp-json\/wp\/v2\/categories?post=25251"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/scottmax.com\/de\/wp-json\/wp\/v2\/tags?post=25251"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}