Eine Karriere in der Data Science ist äußerst gefragt und gut bezahlt. Sie umfasst Aufgaben wie das Untersuchen und Strukturieren von Daten, den Einsatz von Machine-Learning-Methoden und das Verständnis von Unternehmenszielen. Um in diesem Bereich zu glänzen, brauchst du einen Mix aus Kompetenzen wie Datenanalyse, Business-Verständnis, Kommunikation und mehr. Nutze diese Liste als Referenz, um deinen Lernfortschritt gezielt zu steuern.
Zum Herunterladen der Infografik klicke auf das Bild oben
Explorative Datenanalyse
Deskriptive Statistik
- Berechne Kennzahlen zur Lage wie Mittelwert und Median, zur Streuung wie Spannweite und Standardabweichung, sowie weitere Merkmale von Features.
- Berechne Kennzahlen wie Korrelationen, um Zusammenhänge zwischen Features zu verstehen.
Lerne auf DataCamp
Setze deine Kompetenzen ein
- A Visual History of Nobel Prize Winners
- Optimizing Online Sports Retail Revenue
- Explore a DataFrame
- Analyzing Carbon Footprints in SQL
- Exploring World Cup Data in Python
Datenvisualisierung
- Erstelle Diagramme wie Balkendiagramme, Histogramme und Boxplots, um einzelne Features zu visualisieren.
- Erstelle Diagramme wie Scatterplots, Liniendiagramme und Heatmaps, um Beziehungen zwischen Features zu zeigen.
Lerne auf DataCamp
- Introduction to Data Visualization with Seaborn
- Introduction to Data Visualization with Plotly in Python
- Introduction to Data Visualization with ggplot2
- Interactive Data Visualization with plotly in R
- Data Visualization Cheat Sheet
- Python Seaborn Cheat Sheet
- Plotly Express Cheat Sheet
- ggplot2 Cheat Sheet
- Python Seaborn Tutorial For Beginners
- Graphics with ggplot2 Tutorial
Setze deine Kompetenzen ein
- Visualizing COVID-19 in R
- Modeling the Volatility of US Bond Yields in R
- Exploring the Bitcoin Cryptocurrency Market in Python
- Real-time Insights from Social Media Data in Python
- Visualize Correlation with a Diagonal Correlation Plot in Python
- Data Visualization in Python for Absolute Beginners
- Visualizing Video Game Sales Data with ggplot2 in R
Datenmanagement
Daten importieren und einlesen
- Importiere Daten aus gängigen Dateiformaten wie CSV und Tabellen.
- Importiere Daten per Abfrage aus SQL-Datenbanken.
- Importiere Daten über Web-APIs.
Lerne auf DataCamp
- Introduction to Importing Data in Python
- Intermediate Importing Data in Python
- Streamlined Data Ingestion with pandas
- Introduction to Importing Data in R
- Intermediate Importing Data in R
- Introduction to SQL
- Importing Data in Python Cheat Sheet
- Pandas Tutorial: Importing Data with read_csv()
- Web Scraping With Python and Beautiful Soup
- How to Import Data Into R: A Tutorial
- Importing Data Into R - Part Two
Setze deine Kompetenzen ein
- Importing and Cleaning Data
- The Android App Market on Google Play
- Visualize Historical Stock Data with a Candlestick Chart
- Analyzing Streaming Service Content in SQL
- Analyzing Students' Mental Health in SQL
Data Wrangling
- Führe gängige Datenmanipulationen durch, z. B. Sortieren, Filtern, neue Features hinzufügen und Aggregationen.
- Führe zwei Datensätze per Inner-, Left- und anderen Joins zusammen.
- Pivotiere rechteckige Datensätze, um Zeilen in Spalten oder Spalten in Zeilen umzuwandeln.
Lerne auf DataCamp
- Data Manipulation with pandas
- Joining Data with pandas
- Reshaping Data with pandas
- Data Manipulation with dplyr
- Joining Data with dplyr
- Reshaping Data with tidyr
- Joining Data in SQL
- Pandas Cheat Sheet for Data Science in Python
- Data Manipulation with dplyr in R Cheat Sheet
- SQL Joins Cheat Sheet
- Pandas Cheat Sheet: Data Wrangling in Python
- Joining DataFrames in pandas Tutorial
- Joins in SQL Tutorial
Setze deine Kompetenzen ein
- What and Where are the World's Oldest Businesses?
- Streamlining Employee Data
- Merge DataFrames
- Analyzing NASA Planetary Exploration Budgets in SQL
Datenbereinigung
- Erkenne und behebe Verstöße gegen Datenconstraints wie falsche Datentypen, Werte außerhalb des zulässigen Bereichs oder Duplikate.
- Erkenne und behebe Probleme bei Text- und kategorialen Daten, etwa ungültige Kategorien oder fehlerhafte Formatierung.
- Erkenne und behebe Probleme bei der Dateneinheitlichkeit, z. B. falsche Einheiten, falsche Datumsformate oder Inkonsistenzen zwischen Features.
- Erkenne und behebe Probleme mit fehlenden Werten.
Lerne auf DataCamp
Setze deine Kompetenzen ein
- Exploring the Bitcoin Cryptocurrency Market in Python
- Real-time Insights from Social Media Data in Python
Business-Kompetenzen
Business-Ziele
- Gib Empfehlungen für analytische Ansätze auf Basis der Business-Ziele.
- Beurteile die Performance analytischer Ergebnisse anhand von KPIs oder anderen relevanten Geschäftskriterien.
Lerne auf DataCamp
Setze deine Kompetenzen ein
- Comparing Search Interest with Google Trends
- Optimizing Online Sports Retail Revenue
- Predict CTR and Evaluate ROI
- Calculate Customer Churn Metrics
Organisationswissen
- Verstehe, wie sich Data-Science-Projekte auf dein Unternehmen auswirken.
- Weiß, welche Teams oder Mitarbeitenden in welcher Rolle in ein Datenprojekt eingebunden werden müssen.
Lerne auf DataCamp
Setze deine Kompetenzen ein
- Which Debts Are Worth the Bank's Effort?
- Feature Engineering for Fraud Detection
- User Retention by Cohort
- Analyzing a Marketing Funnel in Spreadsheets
- Visualizing Cost Savings in Tableau
Programmieren für Data Science
Computational Thinking
- Nutze gängige Programmierkonstrukte wie Kontrollfluss und Iteration.
- Verstehe Funktionen und funktionale Programmierung, um wiederverwendbaren Code für Analysen zu schreiben.
Lerne auf DataCamp
Setze deine Kompetenzen ein
- Functions for Food Price Forecasts
- Writing Functions for Product Analysis
- Group and Aggregate data with custom functions
Produktionsnahes Coden
- Nutze Versionskontrolle wie git, um Code zu verwalten.
- Setze Error-Handling, Assertions und Unittests ein, um Codequalität sicherzustellen.
- Schreibe Dokumentation, damit andere deinen Code verstehen.
- Entwickle Packages, um Code wiederverwendbar zu machen.
Lerne auf DataCamp
Setze deine Kompetenzen ein
Modellentwicklung
Modelldesign
- Wähle je nach Datensatz und Analyseziel den passenden Modelltyp (Regression, Klassifikation, Clustering usw.).
Lerne auf DataCamp
- Supervised Learning with scikit-learn
- Unsupervised Learning in Python
- Supervised Learning in R: Classification
- Supervised Learning in R: Regression
- Unsupervised Learning in R
- Supervised Machine Learning Cheat Sheet
- Unsupervised Machine Learning Cheat Sheet
- 8 Machine Learning Models Explained in 20 Minutes
Setze deine Kompetenzen ein
- Predicting Credit Card Approvals
- Predict Taxi Fares with Random Forest
- Classify Song Genres from Audio Data
- Find Movie Similarity from Plot Summaries
- Clustering Heart Disease Patient Data
- ASL Recognition with Deep Learning
- Disney Movies and Box Office Success
Feature Engineering
- Gewinne problemrelevante Informationen aus bestehenden Features, z. B. den Wochentag aus einer Datetime-Variable oder einen "Ist erwerbsfähig"-Indikator aus dem Geburtsdatum.
- Kombiniere mehrere Features zu neuen, etwa indem du regionale Umsätze zu Gesamtumsatz summierst oder den Gewinn als Umsatz minus Kosten berechnest.
- Nutze externe Datensätze, um neue Features abzuleiten, z. B. eine Geocoding-API für die Stadt aus Längen- und Breitengrad oder eine Computer-Vision-API, um festzustellen, ob ein Bild Personen enthält.
- Setze Imputation ein, um fehlende Werte zu schätzen.
Lerne auf DataCamp
Setze deine Kompetenzen ein
- Customer Analytics: Preparing Data for Modeling
- Predict Taxi Fares with Random Forest
- Classify Song Genres from Audio Data
- Find Movie Similarity from Plot Summaries
- Encoding Categorical Variables
- Sentiment Analysis and Prediction in Python
Modelltraining
- Erstelle Trainings- und Testsplits aus einem Datensatz, inklusive Cross-Validation.
- Nutze Hyperparameter-Tuning, um die Modellleistung zu optimieren.
Lerne auf DataCamp
Setze deine Kompetenzen ein
- What Makes a Pokémon Legendary?
- Predict Taxi Fares with Random Forests
- Machine Learning with Python
- Machine Learning with R
- Predicting Hotel Booking Cancellations in Python
- Analyzing a Time Series of the Thames River in Python
Modellvalidierung
- Bewerte die Leistung überwachter Lernmodelle mit Metriken wie Accuracy, Precision und Recall.
- Bewerte die Leistung unüberwachter Lernmodelle mit Metriken wie Homogenität, Vollständigkeit und Silhouettenkoeffizient.
Lerne auf DataCamp
Setze deine Kompetenzen ein
- Clustering Bustabit Gambling Behavior
- Degrees That Pay You Back
- Evaluate your ML Model using the F-score
- How to Explain Black-Box Machine Learning Models
Statistische Experimente
Stichprobenverfahren
- Verstehe statistische Verteilungen wie Normal-, Gleich- und Poisson-Verteilung.
- Wähle geeignete Stichprobenverfahren, um Fragen zu beantworten und Bias zu vermeiden.
Lerne auf DataCamp
Setze deine Kompetenzen ein
Hypothesentests
- Verstehe Null- und Alternativhypothesen.
- Wisse, wann und wie du Tests wie t-Test, Chi-Quadrat-Test und Mann-Whitney-U-Test einsetzt.
- Interpretiere Teststatistiken und p-Werte.
Lerne auf DataCamp
Setze deine Kompetenzen ein
Datenkommunikation
Data Storytelling
- Erstelle eine Erzählung, die Motivation, Methoden, Ergebnisse und Schlussfolgerungen vermittelt.
- Stelle sicher, dass deine Story konsistent mit den Datenbefunden ist.
- Kürze deine Storys auf das Wesentliche.
Lerne auf DataCamp
Setze deine Kompetenzen ein
Verstehe dein Publikum
- Verstehe Vorwissen und Interessen deines Publikums.
- Schneide deine Botschaft so zu, dass sie ankommt – auch bei nicht-technischen Zielgruppen.
Lerne auf DataCamp
Setze deine Kompetenzen ein
Themen
