Was ist Data Science?<\/h3>\n\n\n\n![\"\"\/](\"https:\/\/lh4.googleusercontent.com\/SRKHhuMx8kzVzO1P07X9w9eLO21B7PdPG4ZGsB0EaQkCfFj_acF_pMOP5p1URGBNbJZdLNMgsToZ_1KXXkPhjVQzdGHiP-6H97vim2Rbz87BD1C8S4V84VeenXRNx9t1_x_1cL-TF4u1x2XOhGzk5tdh6GsY6e3cpGoIKkYapIcEaYxkdVDOwKpRkpR8bJQQl41ITA\")
<\/figure>\n\n\n\nWas ist Datenwissenschaft?<\/a><\/p>\n\n\n\nDies ist ein Anf\u00e4ngerniveau in Englisch mit Untertiteln in 9 verschiedenen Sprachen. Einblicke und Trends in Daten sind eine Kunstform, die es schon seit \u00c4onen gibt. Die alten \u00c4gypter nutzten Daten aus Volksz\u00e4hlungen, um die Steuererhebung und die Vorhersage der j\u00e4hrlichen \u00dcberschwemmung des Nils zu verbessern. In letzter Zeit haben die Menschen in der Datenwissenschaft ein einzigartiges und eigenst\u00e4ndiges Arbeitsfeld geschaffen. In diesem Kurs lernen Sie Praktiker der Datenwissenschaft kennen und erhalten einen \u00dcberblick \u00fcber 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 f\u00fchren, und Sie werden erkl\u00e4ren k\u00f6nnen, 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 \u00fcber Videos und Lesungen mit Quizfragen, um Ihr Wissen zu festigen. Erworbene Fertigkeiten:<\/strong> Datenwissenschaft, Deep Learning, maschinelles Lernen, Big Data und Data Mining. Dauer:<\/strong> Etwa 9 Stunden \u00fcber 3 Wochen. Bewertung:<\/strong> 4.7\/97%<\/p>\n\n\n\nWelche sind die besten kostenlosen Online-Kurse f\u00fcr Datenwissenschaft?<\/h2>\n\n\n\n
Nach umfangreichen Recherchen \u00fcber alle angebotenen Online-Kurse in Datenwissenschaft haben wir die 22 besten Kurse in Datenwissenschaft gefunden, um Ihnen die Auswahl zu erleichtern<\/p>\n\n\n\n
22 SQL f\u00fcr das Data Science Capstone Projekt<\/h3>\n\n\n\n![\"\"\/](\"https:\/\/lh5.googleusercontent.com\/_1iYQF1GZF_YyeJAp-m7PE1s78UHnoNPhAF-ItY2tWKK_tGoDrj71QoT-V0on2j306yKq-iw_5BRpHKV5QUtEcR6G2OWCY78t3mG3lv1D800Sm1rQ8tySGs2w2VoPxjenqG-q70EyhQslYwyHJUmlfe5I_f0M2d_LcI_whNndDa8fNj0OpQk66aiVxee4cbrK5p8mw\")
<\/figure>\n\n\n\nSQL f\u00fcr das Abschlussprojekt der Datenwissenschaft<\/a><\/p>\n\n\n\nDieser 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 Verst\u00e4ndnis und F\u00e4higkeiten zur Anwendung von SQL, um Daten zu analysieren und Gesch\u00e4ftsprobleme zu l\u00f6sen. Dieses Projekt wird Ihnen helfen, das Wissen und die F\u00e4higkeiten, die Sie beim Erlernen von SQL erworben haben, anzuwenden. Es wird Ihnen ein Datensatz zur Verf\u00fcgung gestellt, aus dem Sie einen Projektvorschlag entwickeln werden, der Ihnen die M\u00f6glichkeit gibt, Ihre Daten zu untersuchen und einige statistische Berechnungen durchzuf\u00fchren. Sie werden Analysen f\u00fcr qualitative Daten entdecken und neue Metriken auswerten, um die Muster zu verstehen, die sich in Ihrer Analyse abzeichnen. Schlie\u00dflich werden Sie Ihre Arbeit pr\u00e4sentieren und die Geschichte Ihrer Ergebnisse erz\u00e4hlen. 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: Pr\u00e4sentieren Sie Ihre Ergebnisse (Storytelling). Der Unterricht erfolgt mit Hilfe von Videos und Lekt\u00fcre sowie einigen Quizfragen zur Festigung.<\/p>\n\n\n\n
Erworbene Fertigkeiten:<\/strong> Pr\u00e4sentationsf\u00e4higkeiten, Datenanalyse, SQL, Erstellen von Metriken und explorative Datenanalyse. Dauer<\/strong>: Etwa 35 Stunden \u00fcber 4 Wochen. Bewertung:<\/strong> 4.3<\/p>\n\n\n\n21 Genomische Datenwissenschaft Spezialisierung<\/h3>\n\n\n\n![\"\"\/](\"https:\/\/lh3.googleusercontent.com\/ggKEQ1l7jYPDe1GBHi1WaQYLyMWOJN98rtpAqHDBl79U41DPrlYGAtDq6NUNPyXFsWG03v7qgjZS0cEUG4CaC4ivt_kb1Kec3Mnw8hoqOKi2ZkDa9LDO6j73sabTQ6GDETV4v5lskI7AEmqBhVQH8NYGOAxsV1C_xYpKuKDiXaPV8bbTbdBXJix-B_0SUmN4Cm7oPQ\")
<\/figure>\n\n\n\nSpezialisierung auf genomische Datenwissenschaft<\/a><\/p>\n\n\n\nDer Kurs ist ein Mittelstufenkurs in Englisch mit Untertiteln in 9 verschiedenen Sprachen. Die Genomik hat eine Revolution in der medizinischen Wissenschaft ausgel\u00f6st und es ist von entscheidender Bedeutung, das Genom zu verstehen und die Daten und Informationen aus den genomischen Datens\u00e4tzen nutzen und verstehen zu k\u00f6nnen. Genomic Data Science wendet Statistik und Datenwissenschaft auf die Informationen des Genoms an. Diese Spezialisierung erforscht die Werkzeuge und Konzepte, die Sie ben\u00f6tigen, 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 eigenst\u00e4ndige Einf\u00fchrung dienen oder ein Studium oder einen Aufbaustudiengang in Biologie, Genetik oder Molekularbiologie erg\u00e4nzen, um sich mit Datenwissenschaft und Statistik vertraut zu machen und so Ihre Interaktion mit Daten in der t\u00e4glichen Arbeit zu f\u00f6rdern. Da es sich um eine Spezialisierung handelt, k\u00f6nnen Sie den Kurs w\u00e4hlen, mit dem Sie beginnen m\u00f6chten. Kurs 1 - Einf\u00fchrung in Genomische Technologien; Kurs 2 - Python f\u00fcr Genomische Datenwissenschaft; Kurs 3 - Algorithmen f\u00fcr die DNA-Sequenzierung; Kurs 4 - Kommandozeilentools f\u00fcr Genomische Datenwissenschaft; Kurs 5 - Bioconductor f\u00fcr Genomische Datenwissenschaft und Kurs 6 - Statistik f\u00fcr Genomische Datenwissenschaft.<\/p>\n\n\n\n
Erworbene Fertigkeiten:<\/strong> Bioinformatik, Statistik, Datenwissenschaft, Computational Biology, Biopython, Python-Programmierung, Genomik, Bioinformatik-Algorithmen. Algorithmen, Algorithmen auf Strings, Samtools und Unix. Dauer:<\/strong> Ca. 6 Monate bei einem Tempo von 2 Stunden pro Woche - 6 Kurse. Bewertung:<\/strong> 4.3<\/p>\n\n\n\n20 Grundlagen der skalierbaren Datenwissenschaft<\/h3>\n\n\n\n![\"\"\/](\"https:\/\/lh6.googleusercontent.com\/gsEcbh3IzoCWr_joZCMhqCbG3AsadjG9aIJlT8rrFDsiVqDW5oYea_FQe2MFSojPZWVXjTl8FaCnyJEUg74FEmxcfeb0cOaeQjD9goKScuORU9Zg_GTGaEx7A0Pv2Vf03uLfaKbHA9BWSUlsNxL1hPbSB-peXzAuCKh-XamnqxmjCZJsSkkJuA49s39Wb6HjjCtkYA\")
<\/figure>\n\n\n\nGrundlagen der skalierbaren Datenwissenschaft<\/a><\/p>\n\n\n\nDieser Kurs ist ein Anf\u00e4ngerkurs auf Englisch und hat Untertitel in 8 verschiedenen Sprachen. Apache Spark ist der Standard f\u00fcr die Datenverarbeitung in gro\u00dfem Ma\u00dfstab. Es ist von entscheidender Bedeutung, eine skalierbare Data-Science-Plattform zu erlernen, da Speicher- und CPU-Beschr\u00e4nkungen die M\u00f6glichkeiten bei der Erstellung fortgeschrittener maschineller Lernmodelle einschr\u00e4nken. Dieser Kurs f\u00fchrt 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 Ma\u00dfe Muster in Daten aufdecken, Datenmerkmale, Muster, Trends, Abweichungen und Ausrei\u00dfer erkennen und Techniken f\u00fcr die Arbeit mit Big Data wie Dimensionsreduktion und Methoden zur Auswahl von Merkmalen anwenden. Es wird empfohlen, dass Sie \u00fcber Grundkenntnisse in Python, Mathematik und SQL verf\u00fcgen. Die folgenden Technologien werden verwendet, aber es sind keine Vorkenntnisse erforderlich - Jupyter Notebooks, Apache Spark und Python. Der Lehrplan umfasst: Woche 1 - Einf\u00fchrung in den Kurs und die Bewertungsumgebung; Woche 2 - Tools zur Unterst\u00fctzung von Big Data-L\u00f6sungen; Woche 3 - Skalierung von Mathematik f\u00fcr Statistik auf Apache Spark und Woche 4 - Datenvisualisierung von Big Data.<\/p>\n\n\n\n
Erworbene Fertigkeiten:<\/strong> Statistik, Datenwissenschaft, Internet der Dinge (IOT) und Apache Spark. Dauer:<\/strong> Etwa 22 Stunden \u00fcber 4 Wochen. Bewertung:<\/strong> 4.3\/87%<\/p>\n\n\n\n19 Datenwissenschaft f\u00fcr gesch\u00e4ftliche Innovation<\/h3>\n\n\n\n![\"\"\/](\"https:\/\/lh5.googleusercontent.com\/Aa3A1MgRGmASumzGXOR4yaazSZRrR0ShBynwy2Xxn2jSo0jWX6v42gfzFWE8eMA9Kz2MgnPE7juCfCLRf3xvpvUSAzfi6clBi9TVCl9DxUcgpPofh9t781ZYXnxLOhadnOvceCCoqG6p9TO9qOJU18l9Q9JRIEJlN1ggLa-XHH5_kY55cje-C4afeiaEnv9V2SzmZA\")
<\/figure>\n\n\n\nDatenwissenschaft f\u00fcr gesch\u00e4ftliche Innovation<\/a><\/p>\n\n\n\nDies ist ein Kurs f\u00fcr Anf\u00e4nger in Englisch mit Untertiteln in 4 weiteren Sprachen. Dieser Kurs vermittelt die Grundlagen des notwendigen Fachwissens im Bereich Data Science, um F\u00fchrungskr\u00e4fte und das mittlere Management in die Lage zu versetzen, datengest\u00fctzte Innovationen zu erzielen. In diesem Kurs lernen Sie den Wert, den Data Science schafft, die wichtigsten Arten von Problemen, die damit gel\u00f6st werden k\u00f6nnen, den Unterschied zwischen deskriptiver, pr\u00e4diktiver und pr\u00e4skriptiver Analytik und die Rolle, die maschinelles Lernen und k\u00fcnstliche Intelligenz spielen. Aus technischer Sicht befasst sich der Kurs mit \u00fcberwachten, un\u00fcberwachten und halb\u00fcberwachten Methoden und erkl\u00e4rt, 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 - Einf\u00fchrung in das datengesteuerte Gesch\u00e4ft; Woche 2 - Terminologie und grundlegende Konzepte; Woche 3 - Data Science-Methoden f\u00fcr Unternehmen; und schlie\u00dflich Woche 4 - Herausforderungen und Schlussfolgerungen. Erworbene Fertigkeiten:<\/strong> Datenwissenschaft, Business Analytics, Entscheidungsfindung, Datenanalyse und Big Data. Dauer:<\/strong> Etwa 7 Stunden \u00fcber 4 Wochen. Bewertung:<\/strong> 4.3\/89%<\/p>\n\n\n\n18 Executive Data Science Spezialisierung<\/h3>\n\n\n\n![\"\"\/](\"https:\/\/lh6.googleusercontent.com\/Z6hsCHbhDC1Jp1PGYbXfsSDSy4QtLV604yBo3rj6e9HynRbeNxvTPDNgRMxRfWiOwpY-hqFzaH2KazA5fCZpviA11H_H1Vuy6q7p7LLKKUYnS-F84OVrZHMhOROw4unPzqjruH_OcZ5PLhAOf-YKAm47ABHAXT1jAWkEGrrIV4fQGEOFnwW1DRUP267cxEWGsATwnQ\")
<\/figure>\n\n\n\nSpezialisierung auf Data Science f\u00fcr F\u00fchrungskr\u00e4fte<\/a><\/p>\n\n\n\nDer Kurs ist ein Anf\u00e4ngerkurs auf Englisch mit Untertiteln in 14 verschiedenen Sprachen. In diesen 4 Kursen, aus denen sich die Spezialisierung zusammensetzt, lernen Sie alles, was Sie wissen m\u00fcssen, 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 F\u00fchrungskraft zu verstehen. Au\u00dferdem lernen Sie, wie man ein Team rekrutiert, ein Team zusammenstellt, das Team bewertet und dann das Team mit komplement\u00e4ren F\u00e4higkeiten 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 schlie\u00dflich lernen Sie einige praktische Fertigkeiten, um die \u00fcblichen Herausforderungen zu meistern, die Data-Science-Projekte h\u00e4ufig 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 schlie\u00dflich Kurs 5 - Executive Data Science Capstone.<\/p>\n\n\n\n
Erworbene Fertigkeiten:<\/strong> Datenwissenschaft, Datenmanagement, Datenanalyse, Kommunikation, F\u00fchrung, maschinelles Lernen, Projekt, Teambildung, Management, Teamleitung, Interpretation und erkl\u00e4rende Datenanalyse. Dauer:<\/strong> Ca. 2 Monate bei einem Tempo von 6 Stunden pro Woche - 5 Kurse<\/p>\n\n\n\nBewertung :<\/strong>4.5<\/p>\n\n\n\n17 Angewandte Datenwissenschaft mit Spezialisierung auf Python<\/h3>\n\n\n\n![\"\"\/](\"https:\/\/lh6.googleusercontent.com\/M7i6mddcG7593FtqfD5gUuhZJqCpFai7hYc2iym1sDtl64IHnbDkV63B-k0tXk3saG-O-OgmswPF37r9s4yRfj08H4HC8ZQOhBxZ6B2o2mQYlDjOfR_uSN3l6ieNm55Ohe9QDkEELW7KDYoDuIuwW7S449XpJIweVfuLercPjoJie_KYtOV7MKehqSclEZnBLa7ZhQ\")
<\/figure>\n\n\n\nAngewandte Datenwissenschaft mit Spezialisierung auf Python<\/a><\/p>\n\n\n\nDer Kurs ist ein Mittelstufenkurs in Englisch mit Untertiteln in 10 verschiedenen Sprachen. Diese Spezialisierung umfasst 5 Kurse und f\u00fchrt 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 m\u00f6chten, um Einblicke in Daten zu gewinnen. Die Kurse 1, 2 und 3 m\u00fcssen in der richtigen Reihenfolge belegt werden und danach k\u00f6nnen die Kurse 4 und 5 in beliebiger Reihenfolge belegt werden. Sie werden lernen, wie man statistische Analysen durchf\u00fchrt, wie man feststellt, ob eine Datenvisualisierung gut oder schlecht ist, wie man eine Datenanalyse mit angewandtem maschinellem Lernen verbessert und wie man die Konnektivit\u00e4t eines sozialen Netzwerks analysiert. Die 5 Kurse umfassen: Kurs 1 - Einf\u00fchrung 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: <\/strong>Text Mining, Python Programmierung, Pandas, Matplotlib, Numpy, Datenbereinigung, Datenvirtualisierung, Datenvisualisierung (DataViz), Algorithmen f\u00fcr maschinelles Lernen (ML), maschinelles Lernen, Scikit Learn und Natural Language Toolkit. Dauer:<\/strong> Ca. 5 Monate bei einem Tempo von 7 Stunden pro Woche - 5 Kurse. Bewertung:<\/strong> 4.5<\/p>\n\n\n\n16 Tools f\u00fcr Datenwissenschaft<\/h3>\n\n\n\n![\"\"\/](\"https:\/\/lh4.googleusercontent.com\/FflTicShGdblohJ0n4BlynZFqHFxEm5i-koXnFHj_wfng9ElkZcAmOLEtYB4-iL-H59Eyy38XRuE6U8sQ7EZtBICVgMxT3xHcRbtiO7Y6_jjqOG6zHwnQ3SAUWxELDOWGyOTL8IMpfHptbdDwiRM54PyUExv8UCEj-9oVL9354oAYB3QydkAsY6UTke64z53gJlw1g\")
<\/figure>\n\n\n\nTools f\u00fcr die Datenwissenschaft<\/a><\/p>\n\n\n\nDies 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 ausf\u00fchren k\u00f6nnen, und ihren Funktionen und Einschr\u00e4nkungen besprochen. Die Tools werden in der Cloud auf Skills Network Labs gehostet, wo Sie auf jedes Tool zugreifen und den Anweisungen folgen k\u00f6nnen, um einfachen Code in Python, R oder Scala auszuf\u00fchren. Zum Abschluss des Kurses werden Sie ein Projekt mit einem Jupyter-Notizbuch auf IBM Watson Studio erstellen und Ihre F\u00e4higkeiten 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 f\u00fcr Data Science in GitHub und wie IBM Data Science Tools von Data Scientists genutzt werden k\u00f6nnen, abgesehen von dem, was oben erkl\u00e4rt wurde. Der Lehrplan umfasst: Woche 1 - Data Scientist's Toolkit; Woche 2 - Open Source Tools; Woche 3 - IBM Tools for Data Science; und schlie\u00dflich in Woche 4 - Abschlussarbeit: Erstellen und teilen Sie Ihr Jupyter Notebook. Erworbene Fertigkeiten:<\/strong> Datenwissenschaft, Github, Python-Programmierung, Jupyter Notebooks und Rstudio. Dauer:<\/strong> Etwa 20 Stunden \u00fcber 4 Wochen. Bewertung:<\/strong> 4.5\/84%<\/p>\n\n\n\n15 Data Science Spezialisierung<\/h3>\n\n\n\n![\"\"\/](\"https:\/\/lh5.googleusercontent.com\/WiIbXZCU_E4BABpPKMfRAnsKBhN1t_KPHE733n1OGrhr5d-fVfh5kt8Gkvm8tvVMGiPQVEIG_EHPlTdJFFqW-afsIYd3XS6WTbNOB33iW2iWj2RlBhw6V4j6HVKRNyZAhItgU1JKqrD3nRUSVghHT1cahsyKMmESaVyLwDbj74TY3Y0kcXAv-kzDoa9rYnc2nzEtZg\")
<\/figure>\n\n\n\nSpezialisierung auf Datenwissenschaft<\/a><\/p>\n\n\n\nDies ist ein Anf\u00e4ngerkurs auf Englisch mit Untertiteln in 12 verschiedenen Sprachen. Das Ziel dieser Spezialisierung ist es, die Werkzeuge und Konzepte zu vermitteln, die Sie w\u00e4hrend der gesamten Data Science Pipeline ben\u00f6tigen, vom Stellen der richtigen Fragen \u00fcber das Ziehen von Schlussfolgerungen bis hin zur Ver\u00f6ffentlichung der Ergebnisse. Im abschlie\u00dfenden Capstone-Projekt wenden Sie die erlernten F\u00e4higkeiten 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 Ver\u00f6ffentlichung zu durchlaufen, Github zu verwenden, um Ihre Projekte zu verwalten und Regressionsanalysen, kleinste Quadrate und Inferenzen mit Regressionsmodellen durchzuf\u00fchren. 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:<\/strong> Github, Maschinelles Lernen, R-Programmierung, Regressionsanalyse, Datenwissenschaft, Rstudio, Datenanalyse, Debugging, Datenmanipulation, Regul\u00e4re Ausdr\u00fccke (REGEX), Datenbereinigung und Clusteranalyse. Dauer:<\/strong> Ca. 11 Monate bei einem Tempo von 7 Stunden pro Woche - 10 Kurse. Bewertung:<\/strong> 4.5<\/p>\n\n\n\n14 Python-Projekt f\u00fcr Datenwissenschaft<\/h3>\n\n\n\n![\"\"\/](\"https:\/\/lh3.googleusercontent.com\/c8XhtQwsvxTf6FhhL-zDNJQpKY4_QqFxWUAtrfBBBFPBclllSbgUKqlM2WSL0W4YaYEI0nj0Rg8H6r7ySV6gNV2YyKD0sCtdvCbEYGSu33SW2-eI6CqDj62WdCWxLLbM65fEPYyr3BID6qUpqqoNvCUd9S81p6JFaQlUx-vubSDsDo2DZgXCc0ifg4Ea2XM3TbXPKg\")
<\/figure>\n\n\n\nPython-Projekt f\u00fcr Datenwissenschaft<\/a><\/p>\n\n\n\nDies ist ein Kurs f\u00fcr Fortgeschrittene nur auf Englisch. Dies ist ein Minikurs, in dem Sie Ihre grundlegenden Python-Kenntnisse f\u00fcr die Arbeit mit Daten unter Beweis stellen k\u00f6nnen. 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 schl\u00fcpfen, der an einem authentischen Python-Projekt arbeitet, und anschlie\u00dfend 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 Lekt\u00fcren und Quizfragen, um das Gelernte zu festigen. Erworbene Fertigkeiten:<\/strong> Datenwissenschaft, Python-Programmierung, Ipython, Datenanalyse und Pandas. Dauer:<\/strong> Ca. 8 Stunden - 1 Woche. Bewertung:<\/strong> 4.5\/90%<\/p>\n\n\n\n13 Einf\u00fchrung in die Datenwissenschaft in Python<\/h3>\n\n\n\n![\"\"\/](\"https:\/\/lh5.googleusercontent.com\/6cqeHdbM8d7Uy2WpL25v9oyv-EwzfyNzIPx2gjsfBqGLX2ClrHl3RbNI5_wa6Gg1Yg8GTHCo7laW3irsKRJ2YTBwuZ6uHB6n9p9ZDA-E6OsZh6PB9x5-fxvsev2xuv59LkNYjMlLM-SG0LphcT2UiQnhOA-Sd1WHqMOkhY5C3ZgUVCdJtGcicd1GOzOwYhi6vLZOBg\")
<\/figure>\n\n\n\nEinf\u00fchrung in die Datenwissenschaft in Python<\/a><\/p>\n\n\n\nDies ist ein Mittelstufenkurs auf Englisch mit Untertiteln in 10 weiteren Sprachen. Sie werden in die Grundlagen der Python-Programmierung eingef\u00fchrt, einschlie\u00dflich 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 f\u00fcr die Datenanalyse eingef\u00fchrt. Au\u00dferdem gibt es Tutorials zur Verwendung von Funktionen wie Groupby, Merge und Pivot-Tabellen. Schlie\u00dflich werden Sie tabellarische Daten manipulieren und bereinigen und grundlegende inferenzstatistische Analysen durchf\u00fchren. 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 un\u00fcbersichtlichen Daten. Der Unterricht erfolgt mit Hilfe von Videos und Lekt\u00fcre sowie Quizfragen, um Ihr Verst\u00e4ndnis zu \u00fcberpr\u00fcfen. Erworbene Fertigkeiten<\/strong>: Python Programmierung, Numpy, Pandas, und Datenbereinigung. Dauer:<\/strong> Etwa 31 Stunden \u00fcber 4 Wochen. Bewertung:<\/strong> 4.5\/92%<\/p>\n\n\n\n12 Ein Crashkurs in Datenwissenschaft<\/h3>\n\n\n\n![\"\"\/](\"https:\/\/lh4.googleusercontent.com\/3PxD2qwYy5GYVJWQ7nxu3WJMXFr900uOwuHYZTF-PIfJJbYQOxxNdL0uyCoQDrsH3ZtrsNufeM3rvkhDcpsWua912hQ5TBDJ9xzKk-O2EjHBUsXC389naA0y1M-IzYeSJOjB0ZDZO4yb449RXduCRNAeKABUe_xyH_yVRbnr_Qn_CcP3w-9W8D00QCHRMjjD_XkwCA\")
<\/figure>\n\n\n\nEin Crashkurs in Datenwissenschaft<\/a><\/p>\n\n\n\nDies ist ein Anf\u00e4ngerkurs auf Englisch mit Untertiteln in 12 verschiedenen Sprachen. Dieser 1-w\u00f6chige 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 f\u00fcr diejenigen geeignet, die mehr \u00fcber die Datenwissenschaft und ihre Bedeutung erfahren m\u00f6chten, aber auch f\u00fcr diejenigen, die sp\u00e4ter ein Team von Datenwissenschaftlern leiten werden. Die Absicht hinter dem Kurs ist es, Sie schnell und ohne Umschweife in die Datenwissenschaft einzuf\u00fchren. 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 schlie\u00dflich werden Sie die Rolle des Data Science Managers verstehen lernen. Erworbene Fertigkeiten:<\/strong> Datenwissenschaft, Datenanalyse, Maschinelles Lernen und Projekt. Dauer:<\/strong> Ca. 7 Stunden - 1 Woche. Bewertung:<\/strong> 4.5\/93%<\/p>\n\n\n\n11 Mathematische F\u00e4higkeiten in der Datenwissenschaft<\/h3>\n\n\n\n![\"\"\/](\"https:\/\/lh5.googleusercontent.com\/9b0WJDTuvv2OpmNBXssdpuP74zoAN71olJZiznaeM7_iova6nKxH2SnSYEGORZu0_Zl_i3yNRdjE0UU-v4E1AjgyUrV6lTIixguwFVEPZq7z7t3H34UdB0NIlxro94kzE46T0_2YAGYjQ1FShokLLOxG5gCinx4L9w6BB2os6A-qWm_Q4KbpqSubSeOf3Rjo34GXtw\")
<\/figure>\n\n\n\nMathematische Kenntnisse in den Datenwissenschaften<\/a><\/p>\n\n\n\nDer Kurs ist ein Anf\u00e4ngerkurs auf Englisch mit Untertiteln in 9 verschiedenen Sprachen. Jeder, der einen Kurs in Datenwissenschaft belegt, wei\u00df, dass Mathe dazu geh\u00f6rt. Dieser Kurs vermittelt Ihnen die Mathematik, die Sie ben\u00f6tigen, um in jedem Mathekurs f\u00fcr Datenwissenschaftler erfolgreich zu sein. Er wurde f\u00fcr diejenigen entwickelt, die \u00fcber grundlegende Mathematikkenntnisse verf\u00fcgen, aber noch keine Algebra oder Vorkalkulation belegt haben. Dieser Kurs f\u00fchrt Sie in die Mathematik ein, die Sie f\u00fcr die Datenwissenschaft ben\u00f6tigen, ohne die Komplexit\u00e4t zu erh\u00f6hen oder ungewohnte Ideen einzuf\u00fchren. Sie lernen das Vokabular, die Notation, die Konzepte und die algebraischen Regeln, die alle Datenwissenschaftler ben\u00f6tigen, bevor sie in ihrem Studium der Datenwissenschaft vorankommen. Der Lehrplan umfasst: Woche 1 - Bausteine zur Probleml\u00f6sung; Woche 2 - Funktionen und Graphen; Woche 3 - Messung von Ver\u00e4nderungsraten; und schlie\u00dflich Woche 4 - Einf\u00fchrung in die Wahrscheinlichkeitstheorie. Der Unterricht wird mit Hilfe von Videos und Lekt\u00fcre durchgef\u00fchrt. 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\n10 Datenwissenschaft: Spezialisierung auf Statistik und maschinelles Lernen<\/h3>\n\n\n\n![\"\"\/](\"https:\/\/lh6.googleusercontent.com\/fOrUtvG8CISzNpx8QTysPNdnc5iMpRXeVLF4BETxuOCO41NM53t8E5nQ18zdzPSV38p02O-3AL8OWRffVi5gaUSqQOvet7FesXH1XWlxtQYF1at-I7kPPoZIBqoU3ZXMh-oWbg9ta1gA8FdBEKmi71aobnONrExXT87tEfkND3UAJOPxzefaYJHOyPx2sxmq0rG77w\")
<\/figure>\n\n\n\nDatenwissenschaft: Spezialisierung auf Statistik und maschinelles Lernen<\/a><\/p>\n\n\n\nDies 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, \u00f6ffentliche Datenprodukte zu entwickeln und zu verstehen, wie man aus Daten Schl\u00fcsse \u00fcber Populationen oder wissenschaftliche Wahrheiten zieht.das Capstone-Projekt wird Ihnen die M\u00f6glichkeit geben, Ihre neu erlernten F\u00e4higkeiten anzuwenden, indem Sie ein Datenprodukt mit tats\u00e4chlichen Daten erstellen. Diese Kurse umfassen: Kurs 1 - Statistische Inferenz; Kurs 2 - Regressionsmodelle; Kurs 3 - Praktisches maschinelles Lernen; Kurs 4 - Entwicklung von Datenprodukten und schlie\u00dflich Kurs 5 - Data Science Capstone. <\/p>\n\n\n\n
Erworbene Fertigkeiten:<\/strong> Maschinelles Lernen, Github, R-Programmierung, Regressionsanalyse, Datenvisualisierung (DataViz), Statistik, statistische Inferenz, statistische Hypothesentests, Modellauswahl, verallgemeinertes lineares Modell, lineare Regression und Random Forest. Dauer:<\/strong> Ca. 6 Monate bei einem Tempo von 6 Stunden pro Woche - 5 Kurse. Bewertung:<\/strong> 4.6<\/p>\n\n\n\n09 IBM Data Science Professional Zertifikat<\/h3>\n\n\n\n![\"\"\/](\"https:\/\/lh4.googleusercontent.com\/LlwyRusZfn2X8QelYbX3dMXG-738jRwtTO_SRiUM1MBfYEVT2zqw_D1zhG77hhP7ZX61K08hgWgwWX8oIreXro6IKCdDEqkE2rtmknZ3N7Xuvrlsr0vQjisAtASwBy8FwbCFWGGtmBl9gr8HnUMaObipN2e_wQVgRWFEirMG8lbXvpEEpY4E2WWhkZvqy-F8tAVrOQ\")
<\/figure>\n\n\n\nIBM Data Science Professional Zertifikat<\/a><\/p>\n\n\n\nDies ist ein Anf\u00e4ngerkurs 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 datengest\u00fctzte Entscheidungen zu treffen, explodiert. Es sind KEINE Vorkenntnisse in Informatik oder einer Programmiersprache erforderlich, aber Sie werden die F\u00e4higkeiten und Werkzeuge entwickeln, die Ihnen einen Wettbewerbsvorteil verschaffen, wenn Sie eine Einstiegsposition als Data Scientist suchen. Dieses Programm mit 10 Kursen, einschlie\u00dflich des Capstone, vermittelt Ihnen die neuesten Tools und F\u00e4higkeiten, darunter Open-Source-Tools und -Bibliotheken, Python, Datenbanken, SQL, Datenvisualisierung, Datenanalyse, statistische Analyse, pr\u00e4diktive Modellierung und maschinelle Lernalgorithmen. Zus\u00e4tzlich zum Erwerb eines professionellen Zertifikats von Coursera erhalten Sie auch das digitale Abzeichen von IBM. Sie werden lernen, was Datenwissenschaft bedeutet, welche T\u00e4tigkeiten ein Datenwissenschaftler aus\u00fcbt und wie ein Datenwissenschaftler denkt und arbeitet. Sie werden auch F\u00e4higkeiten im Umgang mit Tools, Sprachen und professionellen Bibliotheken f\u00fcr Datenwissenschaftler entwickeln. Au\u00dferdem lernen Sie, Datens\u00e4tze 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 f\u00fcr Data Science, KI und Entwicklung; Python-Projekt f\u00fcr Data Science; Datenbasen und SQL f\u00fcr Data Science mit Python; Datenanalyse mit Python; Datenvisualisierung mit Python; Maschinelles Lernen mit Python und Applied Data Science Capstone. Erworbene Fertigkeiten:<\/strong> Data Science, Deep Learning, Maschinelles Lernen, Big Data, Data Mining, Github, Python-Programmierung, Jupyter Notebooks, Rstudio, Methodologie, Datenanalyse und Pandas. Dauer:<\/strong> Ca. 11 Monate bei einem Tempo von 4 Stunden pro Woche - 10 Kurse. Bewertung : <\/strong>4.6<\/p>\n\n\n\n08 SQL f\u00fcr Datenwissenschaft<\/h3>\n\n\n\n![\"\"\/](\"https:\/\/lh6.googleusercontent.com\/hF3OufpQzQ_YCO1SP0iypqif2xBQimR9knJ8QSYcbBDYad9yN6-PAdyjr5RI_Th57CLQumxpt5i8Cz_TZ0XwE1tQlX5N5bNkiosXWq4rW49eLuu2ou-l8MNlHDeh0ZN0NW9vs9ucmgvk_PGMd7F8-WRv7pZ90lB0kJe_ednrhsfrzvL3aBw4Add-6e4ztQ0g1ZUoLg\")
<\/figure>\n\n\n\nSQL f\u00fcr Datenwissenschaft<\/a><\/p>\n\n\n\nDies ist ein Kurs f\u00fcr Anf\u00e4nger 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 f\u00fcr Unternehmen zu optimieren, ist von gr\u00f6\u00dfter Bedeutung. Zu den F\u00e4higkeiten, die ein exzellenter Data Scientist mitbringen muss, geh\u00f6rt die F\u00e4higkeit, Daten zu beschaffen und mit ihnen zu arbeiten, und damit auch die Beherrschung von SQL, der Sprache f\u00fcr die Kommunikation mit Datenbanksystemen. Dieser Kurs vermittelt Ihnen die Grundlagen von SQL und der Arbeit mit Daten, damit Sie mit der Analyse f\u00fcr Data Science-Zwecke beginnen k\u00f6nnen. Sie werden lernen, die richtigen Fragen zu stellen und dann gute Antworten zu finden, um Erkenntnisse f\u00fcr Ihr Unternehmen zu gewinnen. Der Kurs beginnt mit den Grundlagen, wobei davon ausgegangen wird, dass Sie keine Kenntnisse oder F\u00e4higkeiten in SQL haben, und baut dann darauf auf, dass Sie einfache und komplexe Abfragen schreiben, die Ihnen helfen, die richtigen Daten aus Tabellen auszuw\u00e4hlen. Zu den Datentypen, mit denen Sie sich vertraut machen werden, geh\u00f6ren 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 f\u00fcr Analysezwecke zu formen. Der Lehrplan umfasst: Woche 1 - Ausw\u00e4hlen und Abrufen von Daten mit SQL; Woche 2 - Filtern, Sortieren und Berechnen von Daten mit SQL; Woche 3 - Unterabfragen und Joins in SQL und schlie\u00dflich in Woche 4 - \u00c4ndern und Analysieren von Daten mit SQL. Erworbene Fertigkeiten<\/strong>: Datenwissenschaft, Datenanalyse, Sqlite, und SQL. Dauer:<\/strong> Etwa 14 Stunden \u00fcber 4 Wochen. Bewertung:<\/strong> 4.6\/91%<\/p>\n\n\n\n07 Datenwissenschaftliche Methodik<\/h3>\n\n\n\n![\"\"\/](\"https:\/\/lh4.googleusercontent.com\/DOvaWNpphX1ZmCi1Dp_WocE-AJO_m8tfiqLbU75P6A4-2k6cR7r-XP35Y-q0fZifbKnisV5QmRrbWq0VRA3cjVydaKFsOQYbR5g0HqBK7kZis15fqTZtmwlavFubH_wt9GfzA0rLfK6GIKZxPVobalOmbxE9LKeIVY9Doq5ehd5TBXICLpTPm-Aw7a3SIAXzq323Og\")
<\/figure>\n\n\n\nMethodik der Datenwissenschaft<\/a><\/p>\n\n\n\nDies ist ein Einsteigerkurs auf Englisch mit Untertiteln in 10 verschiedenen Sprachen. Trotz verbesserter Computerkenntnisse und eines verbesserten Zugangs zu Daten ist unsere F\u00e4higkeit, 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 k\u00f6nnen, dass die bei der Probleml\u00f6sung verwendeten Daten sowohl relevant sind als auch richtig verarbeitet werden, um das jeweilige Problem zu l\u00f6sen. In diesem Kurs lernen Sie die Schritte kennen, die bei der Bearbeitung eines datenwissenschaftlichen Problems erforderlich sind, die Schritte bei der Aus\u00fcbung der Datenwissenschaft von der Formulierung eines Problems \u00fcber die Sammlung und Analyse von Daten bis hin zur Erstellung eines Modells und dem Verst\u00e4ndnis der R\u00fcckmeldungen 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:<\/strong> Datenwissenschaft, Data Mining und Methodik. Dauer:<\/strong> Etwa 8 Stunden \u00fcber 3 Wochen. Bewertung:<\/strong> 4.6\/93%<\/p>\n\n\n\n06 Python f\u00fcr Datenwissenschaft, KI & Entwicklung<\/h3>\n\n\n\n![\"\"\/](\"https:\/\/lh4.googleusercontent.com\/IcED3gxIzyG-0oKAXQAXK4ORSHk-ZXjAnx8H3jMQzbYLxBcC5y-jAmnn9miiiT2OHllOp9-KHJDUHrv0i9t45_bYl89W8Q_gjuThZuV55sJWgKx_kxm11_HvdeOwFKjGePkQL65adLzhrI5VCnVbYBEnB4s_Lese6VkL9lfx29UDXH7wddq7R9ePhHh50lBPyMvRGw\")
<\/figure>\n\n\n\nPython f\u00fcr Data Science, KI & Entwicklung<\/a><\/p>\n\n\n\nDieser Kurs ist auf Englisch und hat Untertitel in 2 weiteren Sprachen. In diesem Kurs lernen Sie Python f\u00fcr Data Science und Programmierung im Allgemeinen mit dieser Einf\u00fchrung in Python. Sie ben\u00f6tigen keine Vorkenntnisse in der Programmierung und werden die Grundlagen der Python-Programmierung einschlie\u00dflich Datenstruktur und -analyse anhand von \u00dcbungen in den Modulen erlernen und ein Projekt erstellen, in dem Sie Ihre F\u00e4higkeiten unter Beweis stellen. Am Ende dieses Kurses werden Sie grundlegende Programme f\u00fcr die Arbeit mit Daten und die L\u00f6sung von Problemen erstellen und sich eine solide Grundlage f\u00fcr weiterf\u00fchrende 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:<\/strong> Datenwissenschaft, Python-Programmierung, Datenanalyse, Panda und Numpy. Dauer:<\/strong> Etwa 21 Stunden \u00fcber 5 Wochen. Bewertung:<\/strong> 4.6\/93%<\/p>\n\n\n\n05 Datenbanken und SQL f\u00fcr Data Science mit Python<\/h3>\n\n\n\n![\"\"\/](\"https:\/\/lh3.googleusercontent.com\/0x3HzSsb7yoULL5NzdN0X1Svmc7ttbN5s71UPTw26aKup69zQoxm_XN4wlyCXtEoh-ICf4uWe1kU-og6JXIW0AQk0eD-uLwcbuebOGgI6eoGRZoCNbJK_bGr3KVHDTjqeWjC5fbgTcAnHwHOLK2pLaGtTWXtIBZerXpEGbz5BReMftA3kqmnIx2qKOzoftufP0BUfw\")
<\/figure>\n\n\n\nDatenbanken und SQL f\u00fcr Data Science mit Python<\/a><\/p>\n\n\n\nDies ist ein Kurs f\u00fcr Anf\u00e4nger in Englisch mit Untertiteln in 2 weiteren Sprachen. Da die meisten Daten in Datenbanken gespeichert werden, ist SQL (Structured Query Language) die am h\u00e4ufigsten verwendete Sprache f\u00fcr die Kommunikation mit und die Extraktion von Daten aus Datenbanken. Wenn Sie Datenwissenschaftler werden wollen, m\u00fcssen Sie sich sowohl mit Datenbanken als auch mit SQL auskennen. Dieser Kurs f\u00fchrt 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 Datens\u00e4tzen arbeiten. W\u00e4hrend des Kurses werden Sie eine Datenbank in der Cloud erstellen und in einer Reihe von \u00dcbungen SQL-Abfragen erstellen und ausf\u00fchren und lernen, wie Sie mit SQL und Python von Jupyter-Notebooks aus auf Datenbanken zugreifen k\u00f6nnen. 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 - Einf\u00fchrung in relationale Datenbanken und Tabellen; Woche 3 - SQL f\u00fcr Fortgeschrittene; Woche 4 - Zugriff auf Datenbanken mit Python; Woche 5 - Die Kursaufgabe; und Woche 6 ist ein Bonusmodul: Fortgeschrittenes SQL f\u00fcr Data Engineering. Erworbene Fertigkeiten:<\/strong> Cloud-Datenbank, Python-Programmierung, Ipython und Relationale Datenbankmanagementsysteme (RDBMS). Dauer:<\/strong> Etwa 37 Stunden \u00fcber 6 Wochen. Bewertung:<\/strong> 4.6\/93%<\/p>\n\n\n\n04 Grundlagen der Datenwissenschaft : K-Means Clustering in Python<\/h3>\n\n\n\n![\"\"\/](\"https:\/\/lh3.googleusercontent.com\/koD34tLSt4NfXmzDXNTM1wt__XAbeNsY98KlAU9yHCl0n5JoleMULo7v2jqAiJhJsWfaosEmRW4mDSbKvHFfrGWYROCZ1pyQKpTV_e5tATPbIftxddFshe6VrgVPRg6NiR2EO4ISEEgm7gJDRPcEpPdmKWkdllVAN6F-sDPxH6dpiZ7IWWxxVDap5pJkmV-nPoraVg\")
<\/figure>\n\n\n\nGrundlagen der Datenwissenschaft: K-means Clustering in Python<\/a><\/p>\n\n\n\nDer Kurs ist ein Anf\u00e4ngerkurs 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 f\u00fchrt Sie in die Datenwissenschaft ein und bereitet Sie auf die Kurse f\u00fcr Fortgeschrittene und Profis vor, indem er sich auf die grundlegenden mathematischen, statistischen und programmiertechnischen Kenntnisse konzentriert, die f\u00fcr die Datenanalyse erforderlich sind. Sie werden diese Konzepte bei einer Daten-Clustering-Aufgabe anwenden, bei der Sie grundlegende Programmierkenntnisse erlernen, die f\u00fcr datenwissenschaftliche Techniken erforderlich sind. Im weiteren Verlauf des Kurses werden Sie einige mathematische und programmiertechnische \u00dcbungen und ein Datencluster-Projekt f\u00fcr einen vorgegebenen Datensatz durchf\u00fchren. Der Lehrplan umfasst: Woche 1 - Grundlagen der Datenwissenschaft: K-Means-Clustering in Python; Woche 2 - Mittelwerte und Abweichungen in Mathematik und Python; Woche 3 - \u00dcbergang von ein- zu zweidimensionalen Daten; Woche 4 - Einf\u00fchrung in Pandas und Verwendung von K-Means zur Datenanalyse und Woche 5 - Daten-Clustering-Projekt. Erworbene Fertigkeiten<\/strong>: K-Means Clustering, Maschinelles Lernen und Programmieren in Python. Dauer:<\/strong> Etwa 29 Stunden \u00fcber 5 Wochen. Bewertung:<\/strong> 4.6\/95%<\/p>\n\n\n\n03 Data Science Masterclass f\u00fcr Einsteiger<\/h3>\n\n\n\n![\"\"\/](\"https:\/\/lh6.googleusercontent.com\/0HN9ssG5dEkHy3iTVZaVTNPvB6UvdbDtA2XcUPG5TrQ1OLIL2Ab53BXulLEFotrwHmbz10GPWGJNNvhTllLN48wpOTtaecm8kTJW7WuyUGmTjSnH34I5Bn6ZzRlKgyOR8B3a_JYlkXJ0CKK2fN0PPb3_bWFClxDfwwDlL3bLpKRh0IMGX0cVwcTgBy5gyxHy7L5BXQ\")
<\/figure>\n\n\n\nMeisterklasse f\u00fcr Datenwissenschaft<\/a><\/p>\n\n\n\nDieser 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 F\u00e4higkeiten und Tools einf\u00fchren, die f\u00fcr die Arbeit mit dieser \u00e4u\u00dferst wertvollen Ressource erforderlich sind. Zu den behandelten Themen geh\u00f6ren Programmiersprachen, Datenwissenschaft, Methodik und Zusammenarbeit. Das behandelte Modul ist Grundlagen der Datenwissenschaft. Einf\u00fchrung, Programmiersprachen, Data Science-Methodik, Data Science via Chatbot, Bibliotheken, APIs, Datens\u00e4tze und Github. Nach Abschluss dieses Kurses werden Sie in der Lage sein, die 3 prim\u00e4ren 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 ber\u00fccksichtigen sind; Sie k\u00f6nnen die Schritte der Data-Science-Methodik und die Rolle von Entit\u00e4ten und Intentionen bei der Chatbot-Entwicklung erkl\u00e4ren und verstehen schlie\u00dflich den Zweck und die Verwendung von GitHub bei der Zusammenarbeit. Erworbene Fertigkeiten:<\/strong> Programmierung, Wissenschaft, Datenwissenschaft, Dateneingabe und Programmiersprachen.Dauer: <\/strong>Ca. 3 - 4 Stunden. Bewertung: <\/strong>5 Sterne<\/p>\n\n\n\n02 Einf\u00fchrung in die Data Science Spezialisierung<\/h3>\n\n\n\n![\"\"\/](\"https:\/\/lh5.googleusercontent.com\/53ZlXhsST4skeuBVlJOj7tIhwkH7eCsialFwLC53vYnI-QPc8O1S1QSZhvy08byeg_57VLZe43QSaXylzKZpF3Zq7M0_Oz1D1unj6HVr0Znae0M3e1pnB-syQoA3_92Nj4xk03OSBiykrBfMA50pOCe3m0cISek7IpUGzxsh7QNqKdPH4SKqqXvN1s9t5OGrWFXUTA\")
<\/figure>\n\n\n\n
<\/figure>\n\n\n\nWas ist Datenwissenschaft?<\/a><\/p>\n\n\n\n Dies ist ein Anf\u00e4ngerniveau in Englisch mit Untertiteln in 9 verschiedenen Sprachen. Einblicke und Trends in Daten sind eine Kunstform, die es schon seit \u00c4onen gibt. Die alten \u00c4gypter nutzten Daten aus Volksz\u00e4hlungen, um die Steuererhebung und die Vorhersage der j\u00e4hrlichen \u00dcberschwemmung des Nils zu verbessern. In letzter Zeit haben die Menschen in der Datenwissenschaft ein einzigartiges und eigenst\u00e4ndiges Arbeitsfeld geschaffen. In diesem Kurs lernen Sie Praktiker der Datenwissenschaft kennen und erhalten einen \u00dcberblick \u00fcber 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 f\u00fchren, und Sie werden erkl\u00e4ren k\u00f6nnen, 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 \u00fcber Videos und Lesungen mit Quizfragen, um Ihr Wissen zu festigen. Erworbene Fertigkeiten:<\/strong> Datenwissenschaft, Deep Learning, maschinelles Lernen, Big Data und Data Mining. Dauer:<\/strong> Etwa 9 Stunden \u00fcber 3 Wochen. Bewertung:<\/strong> 4.7\/97%<\/p>\n\n\n\n Nach umfangreichen Recherchen \u00fcber alle angebotenen Online-Kurse in Datenwissenschaft haben wir die 22 besten Kurse in Datenwissenschaft gefunden, um Ihnen die Auswahl zu erleichtern<\/p>\n\n\n\n SQL f\u00fcr das Abschlussprojekt der Datenwissenschaft<\/a><\/p>\n\n\n\n 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 Verst\u00e4ndnis und F\u00e4higkeiten zur Anwendung von SQL, um Daten zu analysieren und Gesch\u00e4ftsprobleme zu l\u00f6sen. Dieses Projekt wird Ihnen helfen, das Wissen und die F\u00e4higkeiten, die Sie beim Erlernen von SQL erworben haben, anzuwenden. Es wird Ihnen ein Datensatz zur Verf\u00fcgung gestellt, aus dem Sie einen Projektvorschlag entwickeln werden, der Ihnen die M\u00f6glichkeit gibt, Ihre Daten zu untersuchen und einige statistische Berechnungen durchzuf\u00fchren. Sie werden Analysen f\u00fcr qualitative Daten entdecken und neue Metriken auswerten, um die Muster zu verstehen, die sich in Ihrer Analyse abzeichnen. Schlie\u00dflich werden Sie Ihre Arbeit pr\u00e4sentieren und die Geschichte Ihrer Ergebnisse erz\u00e4hlen. 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: Pr\u00e4sentieren Sie Ihre Ergebnisse (Storytelling). Der Unterricht erfolgt mit Hilfe von Videos und Lekt\u00fcre sowie einigen Quizfragen zur Festigung.<\/p>\n\n\n\n Erworbene Fertigkeiten:<\/strong> Pr\u00e4sentationsf\u00e4higkeiten, Datenanalyse, SQL, Erstellen von Metriken und explorative Datenanalyse. Dauer<\/strong>: Etwa 35 Stunden \u00fcber 4 Wochen. Bewertung:<\/strong> 4.3<\/p>\n\n\n\n Spezialisierung auf genomische Datenwissenschaft<\/a><\/p>\n\n\n\n Der Kurs ist ein Mittelstufenkurs in Englisch mit Untertiteln in 9 verschiedenen Sprachen. Die Genomik hat eine Revolution in der medizinischen Wissenschaft ausgel\u00f6st und es ist von entscheidender Bedeutung, das Genom zu verstehen und die Daten und Informationen aus den genomischen Datens\u00e4tzen nutzen und verstehen zu k\u00f6nnen. Genomic Data Science wendet Statistik und Datenwissenschaft auf die Informationen des Genoms an. Diese Spezialisierung erforscht die Werkzeuge und Konzepte, die Sie ben\u00f6tigen, 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 eigenst\u00e4ndige Einf\u00fchrung dienen oder ein Studium oder einen Aufbaustudiengang in Biologie, Genetik oder Molekularbiologie erg\u00e4nzen, um sich mit Datenwissenschaft und Statistik vertraut zu machen und so Ihre Interaktion mit Daten in der t\u00e4glichen Arbeit zu f\u00f6rdern. Da es sich um eine Spezialisierung handelt, k\u00f6nnen Sie den Kurs w\u00e4hlen, mit dem Sie beginnen m\u00f6chten. Kurs 1 - Einf\u00fchrung in Genomische Technologien; Kurs 2 - Python f\u00fcr Genomische Datenwissenschaft; Kurs 3 - Algorithmen f\u00fcr die DNA-Sequenzierung; Kurs 4 - Kommandozeilentools f\u00fcr Genomische Datenwissenschaft; Kurs 5 - Bioconductor f\u00fcr Genomische Datenwissenschaft und Kurs 6 - Statistik f\u00fcr Genomische Datenwissenschaft.<\/p>\n\n\n\n Erworbene Fertigkeiten:<\/strong> Bioinformatik, Statistik, Datenwissenschaft, Computational Biology, Biopython, Python-Programmierung, Genomik, Bioinformatik-Algorithmen. Algorithmen, Algorithmen auf Strings, Samtools und Unix. Dauer:<\/strong> Ca. 6 Monate bei einem Tempo von 2 Stunden pro Woche - 6 Kurse. Bewertung:<\/strong> 4.3<\/p>\n\n\n\n Grundlagen der skalierbaren Datenwissenschaft<\/a><\/p>\n\n\n\n Dieser Kurs ist ein Anf\u00e4ngerkurs auf Englisch und hat Untertitel in 8 verschiedenen Sprachen. Apache Spark ist der Standard f\u00fcr die Datenverarbeitung in gro\u00dfem Ma\u00dfstab. Es ist von entscheidender Bedeutung, eine skalierbare Data-Science-Plattform zu erlernen, da Speicher- und CPU-Beschr\u00e4nkungen die M\u00f6glichkeiten bei der Erstellung fortgeschrittener maschineller Lernmodelle einschr\u00e4nken. Dieser Kurs f\u00fchrt 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 Ma\u00dfe Muster in Daten aufdecken, Datenmerkmale, Muster, Trends, Abweichungen und Ausrei\u00dfer erkennen und Techniken f\u00fcr die Arbeit mit Big Data wie Dimensionsreduktion und Methoden zur Auswahl von Merkmalen anwenden. Es wird empfohlen, dass Sie \u00fcber Grundkenntnisse in Python, Mathematik und SQL verf\u00fcgen. Die folgenden Technologien werden verwendet, aber es sind keine Vorkenntnisse erforderlich - Jupyter Notebooks, Apache Spark und Python. Der Lehrplan umfasst: Woche 1 - Einf\u00fchrung in den Kurs und die Bewertungsumgebung; Woche 2 - Tools zur Unterst\u00fctzung von Big Data-L\u00f6sungen; Woche 3 - Skalierung von Mathematik f\u00fcr Statistik auf Apache Spark und Woche 4 - Datenvisualisierung von Big Data.<\/p>\n\n\n\n Erworbene Fertigkeiten:<\/strong> Statistik, Datenwissenschaft, Internet der Dinge (IOT) und Apache Spark. Dauer:<\/strong> Etwa 22 Stunden \u00fcber 4 Wochen. Bewertung:<\/strong> 4.3\/87%<\/p>\n\n\n\n Datenwissenschaft f\u00fcr gesch\u00e4ftliche Innovation<\/a><\/p>\n\n\n\n Dies ist ein Kurs f\u00fcr Anf\u00e4nger in Englisch mit Untertiteln in 4 weiteren Sprachen. Dieser Kurs vermittelt die Grundlagen des notwendigen Fachwissens im Bereich Data Science, um F\u00fchrungskr\u00e4fte und das mittlere Management in die Lage zu versetzen, datengest\u00fctzte Innovationen zu erzielen. In diesem Kurs lernen Sie den Wert, den Data Science schafft, die wichtigsten Arten von Problemen, die damit gel\u00f6st werden k\u00f6nnen, den Unterschied zwischen deskriptiver, pr\u00e4diktiver und pr\u00e4skriptiver Analytik und die Rolle, die maschinelles Lernen und k\u00fcnstliche Intelligenz spielen. Aus technischer Sicht befasst sich der Kurs mit \u00fcberwachten, un\u00fcberwachten und halb\u00fcberwachten Methoden und erkl\u00e4rt, 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 - Einf\u00fchrung in das datengesteuerte Gesch\u00e4ft; Woche 2 - Terminologie und grundlegende Konzepte; Woche 3 - Data Science-Methoden f\u00fcr Unternehmen; und schlie\u00dflich Woche 4 - Herausforderungen und Schlussfolgerungen. Erworbene Fertigkeiten:<\/strong> Datenwissenschaft, Business Analytics, Entscheidungsfindung, Datenanalyse und Big Data. Dauer:<\/strong> Etwa 7 Stunden \u00fcber 4 Wochen. Bewertung:<\/strong> 4.3\/89%<\/p>\n\n\n\n Spezialisierung auf Data Science f\u00fcr F\u00fchrungskr\u00e4fte<\/a><\/p>\n\n\n\n Der Kurs ist ein Anf\u00e4ngerkurs auf Englisch mit Untertiteln in 14 verschiedenen Sprachen. In diesen 4 Kursen, aus denen sich die Spezialisierung zusammensetzt, lernen Sie alles, was Sie wissen m\u00fcssen, 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 F\u00fchrungskraft zu verstehen. Au\u00dferdem lernen Sie, wie man ein Team rekrutiert, ein Team zusammenstellt, das Team bewertet und dann das Team mit komplement\u00e4ren F\u00e4higkeiten 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 schlie\u00dflich lernen Sie einige praktische Fertigkeiten, um die \u00fcblichen Herausforderungen zu meistern, die Data-Science-Projekte h\u00e4ufig 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 schlie\u00dflich Kurs 5 - Executive Data Science Capstone.<\/p>\n\n\n\n Erworbene Fertigkeiten:<\/strong> Datenwissenschaft, Datenmanagement, Datenanalyse, Kommunikation, F\u00fchrung, maschinelles Lernen, Projekt, Teambildung, Management, Teamleitung, Interpretation und erkl\u00e4rende Datenanalyse. Dauer:<\/strong> Ca. 2 Monate bei einem Tempo von 6 Stunden pro Woche - 5 Kurse<\/p>\n\n\n\n Bewertung :<\/strong>4.5<\/p>\n\n\n\n Angewandte Datenwissenschaft mit Spezialisierung auf Python<\/a><\/p>\n\n\n\n Der Kurs ist ein Mittelstufenkurs in Englisch mit Untertiteln in 10 verschiedenen Sprachen. Diese Spezialisierung umfasst 5 Kurse und f\u00fchrt 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 m\u00f6chten, um Einblicke in Daten zu gewinnen. Die Kurse 1, 2 und 3 m\u00fcssen in der richtigen Reihenfolge belegt werden und danach k\u00f6nnen die Kurse 4 und 5 in beliebiger Reihenfolge belegt werden. Sie werden lernen, wie man statistische Analysen durchf\u00fchrt, wie man feststellt, ob eine Datenvisualisierung gut oder schlecht ist, wie man eine Datenanalyse mit angewandtem maschinellem Lernen verbessert und wie man die Konnektivit\u00e4t eines sozialen Netzwerks analysiert. Die 5 Kurse umfassen: Kurs 1 - Einf\u00fchrung 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: <\/strong>Text Mining, Python Programmierung, Pandas, Matplotlib, Numpy, Datenbereinigung, Datenvirtualisierung, Datenvisualisierung (DataViz), Algorithmen f\u00fcr maschinelles Lernen (ML), maschinelles Lernen, Scikit Learn und Natural Language Toolkit. Dauer:<\/strong> Ca. 5 Monate bei einem Tempo von 7 Stunden pro Woche - 5 Kurse. Bewertung:<\/strong> 4.5<\/p>\n\n\n\n Tools f\u00fcr die Datenwissenschaft<\/a><\/p>\n\n\n\n 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 ausf\u00fchren k\u00f6nnen, und ihren Funktionen und Einschr\u00e4nkungen besprochen. Die Tools werden in der Cloud auf Skills Network Labs gehostet, wo Sie auf jedes Tool zugreifen und den Anweisungen folgen k\u00f6nnen, um einfachen Code in Python, R oder Scala auszuf\u00fchren. Zum Abschluss des Kurses werden Sie ein Projekt mit einem Jupyter-Notizbuch auf IBM Watson Studio erstellen und Ihre F\u00e4higkeiten 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 f\u00fcr Data Science in GitHub und wie IBM Data Science Tools von Data Scientists genutzt werden k\u00f6nnen, abgesehen von dem, was oben erkl\u00e4rt wurde. Der Lehrplan umfasst: Woche 1 - Data Scientist's Toolkit; Woche 2 - Open Source Tools; Woche 3 - IBM Tools for Data Science; und schlie\u00dflich in Woche 4 - Abschlussarbeit: Erstellen und teilen Sie Ihr Jupyter Notebook. Erworbene Fertigkeiten:<\/strong> Datenwissenschaft, Github, Python-Programmierung, Jupyter Notebooks und Rstudio. Dauer:<\/strong> Etwa 20 Stunden \u00fcber 4 Wochen. Bewertung:<\/strong> 4.5\/84%<\/p>\n\n\n\n Spezialisierung auf Datenwissenschaft<\/a><\/p>\n\n\n\n Dies ist ein Anf\u00e4ngerkurs auf Englisch mit Untertiteln in 12 verschiedenen Sprachen. Das Ziel dieser Spezialisierung ist es, die Werkzeuge und Konzepte zu vermitteln, die Sie w\u00e4hrend der gesamten Data Science Pipeline ben\u00f6tigen, vom Stellen der richtigen Fragen \u00fcber das Ziehen von Schlussfolgerungen bis hin zur Ver\u00f6ffentlichung der Ergebnisse. Im abschlie\u00dfenden Capstone-Projekt wenden Sie die erlernten F\u00e4higkeiten 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 Ver\u00f6ffentlichung zu durchlaufen, Github zu verwenden, um Ihre Projekte zu verwalten und Regressionsanalysen, kleinste Quadrate und Inferenzen mit Regressionsmodellen durchzuf\u00fchren. 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:<\/strong> Github, Maschinelles Lernen, R-Programmierung, Regressionsanalyse, Datenwissenschaft, Rstudio, Datenanalyse, Debugging, Datenmanipulation, Regul\u00e4re Ausdr\u00fccke (REGEX), Datenbereinigung und Clusteranalyse. Dauer:<\/strong> Ca. 11 Monate bei einem Tempo von 7 Stunden pro Woche - 10 Kurse. Bewertung:<\/strong> 4.5<\/p>\n\n\n\n Python-Projekt f\u00fcr Datenwissenschaft<\/a><\/p>\n\n\n\n Dies ist ein Kurs f\u00fcr Fortgeschrittene nur auf Englisch. Dies ist ein Minikurs, in dem Sie Ihre grundlegenden Python-Kenntnisse f\u00fcr die Arbeit mit Daten unter Beweis stellen k\u00f6nnen. 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 schl\u00fcpfen, der an einem authentischen Python-Projekt arbeitet, und anschlie\u00dfend 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 Lekt\u00fcren und Quizfragen, um das Gelernte zu festigen. Erworbene Fertigkeiten:<\/strong> Datenwissenschaft, Python-Programmierung, Ipython, Datenanalyse und Pandas. Dauer:<\/strong> Ca. 8 Stunden - 1 Woche. Bewertung:<\/strong> 4.5\/90%<\/p>\n\n\n\n Einf\u00fchrung in die Datenwissenschaft in Python<\/a><\/p>\n\n\n\n Dies ist ein Mittelstufenkurs auf Englisch mit Untertiteln in 10 weiteren Sprachen. Sie werden in die Grundlagen der Python-Programmierung eingef\u00fchrt, einschlie\u00dflich 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 f\u00fcr die Datenanalyse eingef\u00fchrt. Au\u00dferdem gibt es Tutorials zur Verwendung von Funktionen wie Groupby, Merge und Pivot-Tabellen. Schlie\u00dflich werden Sie tabellarische Daten manipulieren und bereinigen und grundlegende inferenzstatistische Analysen durchf\u00fchren. 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 un\u00fcbersichtlichen Daten. Der Unterricht erfolgt mit Hilfe von Videos und Lekt\u00fcre sowie Quizfragen, um Ihr Verst\u00e4ndnis zu \u00fcberpr\u00fcfen. Erworbene Fertigkeiten<\/strong>: Python Programmierung, Numpy, Pandas, und Datenbereinigung. Dauer:<\/strong> Etwa 31 Stunden \u00fcber 4 Wochen. Bewertung:<\/strong> 4.5\/92%<\/p>\n\n\n\n Ein Crashkurs in Datenwissenschaft<\/a><\/p>\n\n\n\n Dies ist ein Anf\u00e4ngerkurs auf Englisch mit Untertiteln in 12 verschiedenen Sprachen. Dieser 1-w\u00f6chige 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 f\u00fcr diejenigen geeignet, die mehr \u00fcber die Datenwissenschaft und ihre Bedeutung erfahren m\u00f6chten, aber auch f\u00fcr diejenigen, die sp\u00e4ter ein Team von Datenwissenschaftlern leiten werden. Die Absicht hinter dem Kurs ist es, Sie schnell und ohne Umschweife in die Datenwissenschaft einzuf\u00fchren. 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 schlie\u00dflich werden Sie die Rolle des Data Science Managers verstehen lernen. Erworbene Fertigkeiten:<\/strong> Datenwissenschaft, Datenanalyse, Maschinelles Lernen und Projekt. Dauer:<\/strong> Ca. 7 Stunden - 1 Woche. Bewertung:<\/strong> 4.5\/93%<\/p>\n\n\n\n Mathematische Kenntnisse in den Datenwissenschaften<\/a><\/p>\n\n\n\n Der Kurs ist ein Anf\u00e4ngerkurs auf Englisch mit Untertiteln in 9 verschiedenen Sprachen. Jeder, der einen Kurs in Datenwissenschaft belegt, wei\u00df, dass Mathe dazu geh\u00f6rt. Dieser Kurs vermittelt Ihnen die Mathematik, die Sie ben\u00f6tigen, um in jedem Mathekurs f\u00fcr Datenwissenschaftler erfolgreich zu sein. Er wurde f\u00fcr diejenigen entwickelt, die \u00fcber grundlegende Mathematikkenntnisse verf\u00fcgen, aber noch keine Algebra oder Vorkalkulation belegt haben. Dieser Kurs f\u00fchrt Sie in die Mathematik ein, die Sie f\u00fcr die Datenwissenschaft ben\u00f6tigen, ohne die Komplexit\u00e4t zu erh\u00f6hen oder ungewohnte Ideen einzuf\u00fchren. Sie lernen das Vokabular, die Notation, die Konzepte und die algebraischen Regeln, die alle Datenwissenschaftler ben\u00f6tigen, bevor sie in ihrem Studium der Datenwissenschaft vorankommen. Der Lehrplan umfasst: Woche 1 - Bausteine zur Probleml\u00f6sung; Woche 2 - Funktionen und Graphen; Woche 3 - Messung von Ver\u00e4nderungsraten; und schlie\u00dflich Woche 4 - Einf\u00fchrung in die Wahrscheinlichkeitstheorie. Der Unterricht wird mit Hilfe von Videos und Lekt\u00fcre durchgef\u00fchrt. 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 Datenwissenschaft: Spezialisierung auf Statistik und maschinelles Lernen<\/a><\/p>\n\n\n\n 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, \u00f6ffentliche Datenprodukte zu entwickeln und zu verstehen, wie man aus Daten Schl\u00fcsse \u00fcber Populationen oder wissenschaftliche Wahrheiten zieht.das Capstone-Projekt wird Ihnen die M\u00f6glichkeit geben, Ihre neu erlernten F\u00e4higkeiten anzuwenden, indem Sie ein Datenprodukt mit tats\u00e4chlichen Daten erstellen. Diese Kurse umfassen: Kurs 1 - Statistische Inferenz; Kurs 2 - Regressionsmodelle; Kurs 3 - Praktisches maschinelles Lernen; Kurs 4 - Entwicklung von Datenprodukten und schlie\u00dflich Kurs 5 - Data Science Capstone. <\/p>\n\n\n\n Erworbene Fertigkeiten:<\/strong> Maschinelles Lernen, Github, R-Programmierung, Regressionsanalyse, Datenvisualisierung (DataViz), Statistik, statistische Inferenz, statistische Hypothesentests, Modellauswahl, verallgemeinertes lineares Modell, lineare Regression und Random Forest. Dauer:<\/strong> Ca. 6 Monate bei einem Tempo von 6 Stunden pro Woche - 5 Kurse. Bewertung:<\/strong> 4.6<\/p>\n\n\n\n IBM Data Science Professional Zertifikat<\/a><\/p>\n\n\n\n Dies ist ein Anf\u00e4ngerkurs 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 datengest\u00fctzte Entscheidungen zu treffen, explodiert. Es sind KEINE Vorkenntnisse in Informatik oder einer Programmiersprache erforderlich, aber Sie werden die F\u00e4higkeiten und Werkzeuge entwickeln, die Ihnen einen Wettbewerbsvorteil verschaffen, wenn Sie eine Einstiegsposition als Data Scientist suchen. Dieses Programm mit 10 Kursen, einschlie\u00dflich des Capstone, vermittelt Ihnen die neuesten Tools und F\u00e4higkeiten, darunter Open-Source-Tools und -Bibliotheken, Python, Datenbanken, SQL, Datenvisualisierung, Datenanalyse, statistische Analyse, pr\u00e4diktive Modellierung und maschinelle Lernalgorithmen. Zus\u00e4tzlich zum Erwerb eines professionellen Zertifikats von Coursera erhalten Sie auch das digitale Abzeichen von IBM. Sie werden lernen, was Datenwissenschaft bedeutet, welche T\u00e4tigkeiten ein Datenwissenschaftler aus\u00fcbt und wie ein Datenwissenschaftler denkt und arbeitet. Sie werden auch F\u00e4higkeiten im Umgang mit Tools, Sprachen und professionellen Bibliotheken f\u00fcr Datenwissenschaftler entwickeln. Au\u00dferdem lernen Sie, Datens\u00e4tze 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 f\u00fcr Data Science, KI und Entwicklung; Python-Projekt f\u00fcr Data Science; Datenbasen und SQL f\u00fcr Data Science mit Python; Datenanalyse mit Python; Datenvisualisierung mit Python; Maschinelles Lernen mit Python und Applied Data Science Capstone. Erworbene Fertigkeiten:<\/strong> Data Science, Deep Learning, Maschinelles Lernen, Big Data, Data Mining, Github, Python-Programmierung, Jupyter Notebooks, Rstudio, Methodologie, Datenanalyse und Pandas. Dauer:<\/strong> Ca. 11 Monate bei einem Tempo von 4 Stunden pro Woche - 10 Kurse. Bewertung : <\/strong>4.6<\/p>\n\n\n\n SQL f\u00fcr Datenwissenschaft<\/a><\/p>\n\n\n\n Dies ist ein Kurs f\u00fcr Anf\u00e4nger 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 f\u00fcr Unternehmen zu optimieren, ist von gr\u00f6\u00dfter Bedeutung. Zu den F\u00e4higkeiten, die ein exzellenter Data Scientist mitbringen muss, geh\u00f6rt die F\u00e4higkeit, Daten zu beschaffen und mit ihnen zu arbeiten, und damit auch die Beherrschung von SQL, der Sprache f\u00fcr die Kommunikation mit Datenbanksystemen. Dieser Kurs vermittelt Ihnen die Grundlagen von SQL und der Arbeit mit Daten, damit Sie mit der Analyse f\u00fcr Data Science-Zwecke beginnen k\u00f6nnen. Sie werden lernen, die richtigen Fragen zu stellen und dann gute Antworten zu finden, um Erkenntnisse f\u00fcr Ihr Unternehmen zu gewinnen. Der Kurs beginnt mit den Grundlagen, wobei davon ausgegangen wird, dass Sie keine Kenntnisse oder F\u00e4higkeiten in SQL haben, und baut dann darauf auf, dass Sie einfache und komplexe Abfragen schreiben, die Ihnen helfen, die richtigen Daten aus Tabellen auszuw\u00e4hlen. Zu den Datentypen, mit denen Sie sich vertraut machen werden, geh\u00f6ren 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 f\u00fcr Analysezwecke zu formen. Der Lehrplan umfasst: Woche 1 - Ausw\u00e4hlen und Abrufen von Daten mit SQL; Woche 2 - Filtern, Sortieren und Berechnen von Daten mit SQL; Woche 3 - Unterabfragen und Joins in SQL und schlie\u00dflich in Woche 4 - \u00c4ndern und Analysieren von Daten mit SQL. Erworbene Fertigkeiten<\/strong>: Datenwissenschaft, Datenanalyse, Sqlite, und SQL. Dauer:<\/strong> Etwa 14 Stunden \u00fcber 4 Wochen. Bewertung:<\/strong> 4.6\/91%<\/p>\n\n\n\n Methodik der Datenwissenschaft<\/a><\/p>\n\n\n\n Dies ist ein Einsteigerkurs auf Englisch mit Untertiteln in 10 verschiedenen Sprachen. Trotz verbesserter Computerkenntnisse und eines verbesserten Zugangs zu Daten ist unsere F\u00e4higkeit, 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 k\u00f6nnen, dass die bei der Probleml\u00f6sung verwendeten Daten sowohl relevant sind als auch richtig verarbeitet werden, um das jeweilige Problem zu l\u00f6sen. In diesem Kurs lernen Sie die Schritte kennen, die bei der Bearbeitung eines datenwissenschaftlichen Problems erforderlich sind, die Schritte bei der Aus\u00fcbung der Datenwissenschaft von der Formulierung eines Problems \u00fcber die Sammlung und Analyse von Daten bis hin zur Erstellung eines Modells und dem Verst\u00e4ndnis der R\u00fcckmeldungen 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:<\/strong> Datenwissenschaft, Data Mining und Methodik. Dauer:<\/strong> Etwa 8 Stunden \u00fcber 3 Wochen. Bewertung:<\/strong> 4.6\/93%<\/p>\n\n\n\n Python f\u00fcr Data Science, KI & Entwicklung<\/a><\/p>\n\n\n\n Dieser Kurs ist auf Englisch und hat Untertitel in 2 weiteren Sprachen. In diesem Kurs lernen Sie Python f\u00fcr Data Science und Programmierung im Allgemeinen mit dieser Einf\u00fchrung in Python. Sie ben\u00f6tigen keine Vorkenntnisse in der Programmierung und werden die Grundlagen der Python-Programmierung einschlie\u00dflich Datenstruktur und -analyse anhand von \u00dcbungen in den Modulen erlernen und ein Projekt erstellen, in dem Sie Ihre F\u00e4higkeiten unter Beweis stellen. Am Ende dieses Kurses werden Sie grundlegende Programme f\u00fcr die Arbeit mit Daten und die L\u00f6sung von Problemen erstellen und sich eine solide Grundlage f\u00fcr weiterf\u00fchrende 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:<\/strong> Datenwissenschaft, Python-Programmierung, Datenanalyse, Panda und Numpy. Dauer:<\/strong> Etwa 21 Stunden \u00fcber 5 Wochen. Bewertung:<\/strong> 4.6\/93%<\/p>\n\n\n\n Datenbanken und SQL f\u00fcr Data Science mit Python<\/a><\/p>\n\n\n\n Dies ist ein Kurs f\u00fcr Anf\u00e4nger in Englisch mit Untertiteln in 2 weiteren Sprachen. Da die meisten Daten in Datenbanken gespeichert werden, ist SQL (Structured Query Language) die am h\u00e4ufigsten verwendete Sprache f\u00fcr die Kommunikation mit und die Extraktion von Daten aus Datenbanken. Wenn Sie Datenwissenschaftler werden wollen, m\u00fcssen Sie sich sowohl mit Datenbanken als auch mit SQL auskennen. Dieser Kurs f\u00fchrt 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 Datens\u00e4tzen arbeiten. W\u00e4hrend des Kurses werden Sie eine Datenbank in der Cloud erstellen und in einer Reihe von \u00dcbungen SQL-Abfragen erstellen und ausf\u00fchren und lernen, wie Sie mit SQL und Python von Jupyter-Notebooks aus auf Datenbanken zugreifen k\u00f6nnen. 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 - Einf\u00fchrung in relationale Datenbanken und Tabellen; Woche 3 - SQL f\u00fcr Fortgeschrittene; Woche 4 - Zugriff auf Datenbanken mit Python; Woche 5 - Die Kursaufgabe; und Woche 6 ist ein Bonusmodul: Fortgeschrittenes SQL f\u00fcr Data Engineering. Erworbene Fertigkeiten:<\/strong> Cloud-Datenbank, Python-Programmierung, Ipython und Relationale Datenbankmanagementsysteme (RDBMS). Dauer:<\/strong> Etwa 37 Stunden \u00fcber 6 Wochen. Bewertung:<\/strong> 4.6\/93%<\/p>\n\n\n\n Grundlagen der Datenwissenschaft: K-means Clustering in Python<\/a><\/p>\n\n\n\n Der Kurs ist ein Anf\u00e4ngerkurs 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 f\u00fchrt Sie in die Datenwissenschaft ein und bereitet Sie auf die Kurse f\u00fcr Fortgeschrittene und Profis vor, indem er sich auf die grundlegenden mathematischen, statistischen und programmiertechnischen Kenntnisse konzentriert, die f\u00fcr die Datenanalyse erforderlich sind. Sie werden diese Konzepte bei einer Daten-Clustering-Aufgabe anwenden, bei der Sie grundlegende Programmierkenntnisse erlernen, die f\u00fcr datenwissenschaftliche Techniken erforderlich sind. Im weiteren Verlauf des Kurses werden Sie einige mathematische und programmiertechnische \u00dcbungen und ein Datencluster-Projekt f\u00fcr einen vorgegebenen Datensatz durchf\u00fchren. Der Lehrplan umfasst: Woche 1 - Grundlagen der Datenwissenschaft: K-Means-Clustering in Python; Woche 2 - Mittelwerte und Abweichungen in Mathematik und Python; Woche 3 - \u00dcbergang von ein- zu zweidimensionalen Daten; Woche 4 - Einf\u00fchrung in Pandas und Verwendung von K-Means zur Datenanalyse und Woche 5 - Daten-Clustering-Projekt. Erworbene Fertigkeiten<\/strong>: K-Means Clustering, Maschinelles Lernen und Programmieren in Python. Dauer:<\/strong> Etwa 29 Stunden \u00fcber 5 Wochen. Bewertung:<\/strong> 4.6\/95%<\/p>\n\n\n\n Meisterklasse f\u00fcr Datenwissenschaft<\/a><\/p>\n\n\n\n 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 F\u00e4higkeiten und Tools einf\u00fchren, die f\u00fcr die Arbeit mit dieser \u00e4u\u00dferst wertvollen Ressource erforderlich sind. Zu den behandelten Themen geh\u00f6ren Programmiersprachen, Datenwissenschaft, Methodik und Zusammenarbeit. Das behandelte Modul ist Grundlagen der Datenwissenschaft. Einf\u00fchrung, Programmiersprachen, Data Science-Methodik, Data Science via Chatbot, Bibliotheken, APIs, Datens\u00e4tze und Github. Nach Abschluss dieses Kurses werden Sie in der Lage sein, die 3 prim\u00e4ren 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 ber\u00fccksichtigen sind; Sie k\u00f6nnen die Schritte der Data-Science-Methodik und die Rolle von Entit\u00e4ten und Intentionen bei der Chatbot-Entwicklung erkl\u00e4ren und verstehen schlie\u00dflich den Zweck und die Verwendung von GitHub bei der Zusammenarbeit. Erworbene Fertigkeiten:<\/strong> Programmierung, Wissenschaft, Datenwissenschaft, Dateneingabe und Programmiersprachen.Dauer: <\/strong>Ca. 3 - 4 Stunden. Bewertung: <\/strong>5 Sterne<\/p>\n\n\n\nWelche sind die besten kostenlosen Online-Kurse f\u00fcr Datenwissenschaft?<\/h2>\n\n\n\n
22 SQL f\u00fcr das Data Science Capstone Projekt<\/h3>\n\n\n\n
21 Genomische Datenwissenschaft Spezialisierung<\/h3>\n\n\n\n
20 Grundlagen der skalierbaren Datenwissenschaft<\/h3>\n\n\n\n
19 Datenwissenschaft f\u00fcr gesch\u00e4ftliche Innovation<\/h3>\n\n\n\n
18 Executive Data Science Spezialisierung<\/h3>\n\n\n\n
17 Angewandte Datenwissenschaft mit Spezialisierung auf Python<\/h3>\n\n\n\n
16 Tools f\u00fcr Datenwissenschaft<\/h3>\n\n\n\n
15 Data Science Spezialisierung<\/h3>\n\n\n\n
14 Python-Projekt f\u00fcr Datenwissenschaft<\/h3>\n\n\n\n
13 Einf\u00fchrung in die Datenwissenschaft in Python<\/h3>\n\n\n\n
12 Ein Crashkurs in Datenwissenschaft<\/h3>\n\n\n\n
11 Mathematische F\u00e4higkeiten in der Datenwissenschaft<\/h3>\n\n\n\n
10 Datenwissenschaft: Spezialisierung auf Statistik und maschinelles Lernen<\/h3>\n\n\n\n
09 IBM Data Science Professional Zertifikat<\/h3>\n\n\n\n
08 SQL f\u00fcr Datenwissenschaft<\/h3>\n\n\n\n
07 Datenwissenschaftliche Methodik<\/h3>\n\n\n\n
06 Python f\u00fcr Datenwissenschaft, KI & Entwicklung<\/h3>\n\n\n\n
05 Datenbanken und SQL f\u00fcr Data Science mit Python<\/h3>\n\n\n\n
04 Grundlagen der Datenwissenschaft : K-Means Clustering in Python<\/h3>\n\n\n\n
03 Data Science Masterclass f\u00fcr Einsteiger<\/h3>\n\n\n\n
02 Einf\u00fchrung in die Data Science Spezialisierung<\/h3>\n\n\n\n