Kurs
Sentiment Analysis in R
- FortgeschrittenSchwierigkeitsgrad
- 4.5+
- 157
Learn sentiment analysis by identifying positive and negative language, specific emotional intent and making compelling visualizations.
Maschinelles Lernen
Kurse rund um Daten, KI und Cloud
Relevante Fähigkeiten entwickelnUnsere erfahrenen Lehrkräfte vermitteln dir in kurzen Videos wichtige Kompetenzen. Du vertiefst dein neues Wissen anschließend in interaktiven Übungen direkt im Browser.
- Im eigenen Tempo lernen
- Praktische Erfahrungen sammeln
- Kurze Kapitel durcharbeiten
Kostenloses Konto erstellen
oder
Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.675 Kurse
Kurs
Structural Equation Modeling with lavaan in R
- ExperteSchwierigkeitsgrad
- 4.8+
- 156
Learn how to create and assess measurement models used to confirm the structure of a scale or questionnaire.
Probabilistik & Statistik
Kurs
Trust and Security with Google Cloud
- BasicSchwierigkeitsgrad
- 4.8+
- 155
Trust and Security with Google Cloud
Cloud
Kurs
GARCH Models in R
- ExperteSchwierigkeitsgrad
- 4.5+
- 153
Specify and fit GARCH models to forecast time-varying volatility and value-at-risk.
Angewandte Finanzen
Kurs
Differenzielle Expressionsanalyse mit limma in R
- ExperteSchwierigkeitsgrad
- 4.5+
- 150
Lerne, wie du das Bioconductor-Paket limma für die Analyse der differentiellen Genexpression benutzt.
Probabilistik & Statistik
Kurs
Modernize Infrastructure and Applications with Google Cloud
- BasicSchwierigkeitsgrad
- 4.8+
- 148
Modernize Infrastructure and Applications with Google Cloud
Cloud
Kurs
Credit Risk Modeling in R
- FortgeschrittenSchwierigkeitsgrad
- 4.4+
- 148
Apply statistical modeling in a real-life setting using logistic regression and decision trees to model credit risk.
Angewandte Finanzen
Kurs
Dimensionsreduktion in R
- BasicSchwierigkeitsgrad
- 4.5+
- 147
Dieser Kurs zeigt dir Techniken zur Dimensionsreduktion in R und macht dich mit der Merkmalsauswahl und -extraktion vertraut.
Maschinelles Lernen
Kurs
Fortgeschrittenes NLP mit spaCy
- FortgeschrittenSchwierigkeitsgrad
- 5.0+
- 145
Learn how to use spaCy to build advanced natural language understanding systems, using both rule-based and machine learning approaches.
Maschinelles Lernen
Kurs
Cleaning Data in Java
- FortgeschrittenSchwierigkeitsgrad
- 4.8+
- 142
Master data cleaning in Java using statistical methods, transformations, and validation for reliable apps.
Datenimport/-bereinigung
Kurs
Python für MATLAB-Anwender
- BasicSchwierigkeitsgrad
- 4.5+
- 141
Mach den Wechsel von MATLAB, indem du ein paar grundlegende Python-Konzepte lernst und dich mit den Paketen NumPy und Matplotlib beschäftigst.
Softwareentwicklung
Kurs
R For SAS Users
- BasicSchwierigkeitsgrad
- 4.6+
- 140
Learn how to translate your SAS knowledge into R and analyze data using this free and powerful software language.
Softwareentwicklung
Kurs
Pandas-Joins für Spreadsheet-Nutzer
- FortgeschrittenSchwierigkeitsgrad
- 4.5+
- 139
Hier lernst du, wie du Datensätze im Tabellenformat mit der Python-Bibliothek pandas effektiv und effizient zusammenführst.
Datenbearbeitung
Kurs
Einführung in Natural Language Processing mit R
- FortgeschrittenSchwierigkeitsgrad
- 4.5+
- 139
Hol dir einen Überblick über alle Fähigkeiten und Tools, die du brauchst, um bei der Verarbeitung natürlicher Sprache in R richtig gut zu werden.
Maschinelles Lernen
Kurs
Support Vector Machines in R
- FortgeschrittenSchwierigkeitsgrad
- 4.4+
- 137
In diesem Kurs lernst du die Support-Vektor-Maschine (SVM) auf eine einfache und anschauliche Art kennen.
Maschinelles Lernen
Kurs
Feature Engineering in R
- FortgeschrittenSchwierigkeitsgrad
- 4.5+
- 136
Du lernst die Grundkonzepte des Feature Engineering und wie du sie mit dem R-Framework tidymodels praktisch anwendest.
Maschinelles Lernen
Kurs
Diskrete-Ereignis-Simulation mit Python
- ExperteSchwierigkeitsgrad
- 4.6+
- 135
Hier lernst du, Geschäftsprozesse mit ereignisdiskreter Simulation zu optimieren und digitale Zwillinge mit Python und SimPy zu entwickeln.
Probabilistik & Statistik
Kurs
Analyse polizeilicher Maßnahmen mit pandas
- FortgeschrittenSchwierigkeitsgrad
- 4.0+
- 132
Schau dir mal die Daten vom Stanford Open Policing Project an und guck mit Pandas, wie das Geschlecht das Verhalten von Polizisten beeinflusst.
Datenbearbeitung
Kurs
Analyzing Social Media Data in R
- FortgeschrittenSchwierigkeitsgrad
- 4.5+
- 131
Extract and visualize Twitter data, perform sentiment and network analysis, and map the geolocation of your tweets.
Datenbearbeitung
Kurs
Foundations of Functional Programming with purrr
- FortgeschrittenSchwierigkeitsgrad
- 4.5+
- 130
Learn to easily summarize and manipulate lists using the purrr package.
Softwareentwicklung
Kurs
DataLab mit SQL
- BasicSchwierigkeitsgrad
- 4.3+
- 125
Mach deine Analysen besser mit diesem praktischen Kurs, in dem du SQL mit DataLab-Arbeitsmappen lernst.
Berichtswesen
Kurs
Fallstudie: E‑Commerce-Analyse in Tableau
- FortgeschrittenSchwierigkeitsgrad
- 4.1+
- 125
Im E-Commerce dreht sich alles um Umsatz und Kosten. In dieser Fallstudie schaust du dir die Daten eines Online-Shops für Tierbedarf an.
Datenvisualisierung
Kurs
Statistik-Interviewfragen in R üben
- ExperteSchwierigkeitsgrad
- 4.4+
- 124
In diesem Kurs tauchen wir in das Thema Statistik ein: von Verteilungen über Hypothesentests bis hin zu Regressionsmodellen und vielem mehr.
Probabilistik & Statistik
Kurs
Fraud Detection in R
- FortgeschrittenSchwierigkeitsgrad
- 4.3+
- 124
Dieser Kurs gibt dir das nötige Fundament, um mit Analytics in R effektiv Betrug zu erkennen.
Maschinelles Lernen
Kurs
Importing and Managing Financial Data in R
- FortgeschrittenSchwierigkeitsgrad
- 4.5+
- 123
Learn how to access financial data from local files as well as from internet sources.
Angewandte Finanzen
Kurs
Data Transformation with Polars
- FortgeschrittenSchwierigkeitsgrad
- 4.8+
- 121
Take Polars further with text manipulation, rolling statistics, DataFrame joins, and advanced analytics.
Datenbearbeitung
Kurs
Business Process Analytics in R
- FortgeschrittenSchwierigkeitsgrad
- 4.5+
- 121
Learn how to analyze business processes in R and extract actionable insights from enormous sets of event data.
Berichtswesen
Kurs
Kreditamortisation in Google Sheets
- FortgeschrittenSchwierigkeitsgrad
- 3.6+
- 121
In diesem Kurs lernst du, wie du in Google Sheets mit Finanz- und Wenn-Funktionen ein Tilgungsdashboard erstellst.
Angewandte Finanzen
Kurs
Fortgeschrittene Reguläre Ausdrücke in R
- FortgeschrittenSchwierigkeitsgrad
- 4.8+
- 117
Dieser Kurs zeigt dir anhand authentischer Datensätze, wie du Textdaten bearbeitest, analysierst und mehr.
Softwareentwicklung
Kurs
Life Insurance Products Valuation in R
- BasicSchwierigkeitsgrad
- 4.7+
- 116
Learn the basics of cash flow valuation, work with human mortality data and build life insurance products in R.
Angewandte Finanzen
FAQs
Was ist Data Science?
Bei Data Science handelt es sich um ein Fachgebiet, das sich auf die Gewinnung von Informationen aus Daten konzentriert. Mit Programmierkenntnissen, wissenschaftlichen Methoden, Algorithmen etc. analysieren Data Scientists Daten, um praktische Erkenntnisse zu gewinnen.
Wie kann ich Data Science lernen?
Du musst eine Programmiersprache wie Python oder R lernen und die Grundlagen der Mathematik und Statistik beherrschen. Kenntnisse über Datenanalysemethoden und Data-Science-Tools sind auch wichtig. Es gibt viele Möglichkeiten, Data Science zu lernen. Neben formalen Bildungswegen wie einem Studium gibt es viele andere Ressourcen, mit denen du in deinem eigenen Tempo lernen kannst. Neben Online-Kursen und Tutorials gibt es Bücher, Videos und vieles mehr.
Welche Fähigkeiten sind für Data Science erforderlich?
Neben Kenntnissen in Mathematik und Statistik benötigen Data Scientists Programmierkenntnisse in Sprachen wie Python, R und SQL. Darüber hinaus erfordert Data Science den Umgang mit großen Datensätzen sowie Kenntnisse in Datenvisualisierung, Data Wrangling und Datenbankmanagement. Auch Kenntnisse in Machine Learning und Deep Learning sind nützlich.
Wofür kann ich Data Science nutzen?
In nahezu jeder Branche kann Data Science in mehr oder weniger großem Umfang nützlich sein. Organisationen im Gesundheitswesen können mithilfe von Data Science Krankheiten besser erkennen und heilen, während Finanzunternehmen sie nutzen, um Betrug zu erkennen und zu verhindern. Darüber hinaus kommt Data Science branchenübergreifend im Marketing zum Einsatz, etwa beim Aufbau von Empfehlungssystemen und bei der Analyse der Kundenabwanderung.
Ist eine Karriere im Bereich Data Science sinnvoll?
Ja, Data Science gehört zu den am schnellsten wachsenden Bereichen weltweit. Damit verbundene Berufe gehören zu den am besten bezahlten überhaupt. Laut Daten von Payscale verdienen erfahrene Data Scientists in den USA durchschnittlich 97.609 US-Dollar im Jahr bei gleichzeitig hoher Jobzufriedenheit.
Ist es schwierig, Data Scientist zu werden?
Hierbei gibt es einiges zu beachten. Für einen Abschluss im Bereich Data Science sind oftmals durchweg gute Leistungen erforderlich. Darüber hinaus sind für das Entwickeln vieler Data-Science-Fähigkeiten ein intensives Studium und Geduld nötig. Es kann mehrere Monate dauern, bis man alle notwendigen Grundlagen beherrscht und praktische Erfahrung gesammelt hat, um sich eine Einstiegsposition zu sichern.
Erfordert Data Science Programmierkenntnisse?
Ja, du benötigst Programmiererfahrung in Sprachen wie Python, R, SQL, Java und C/C++. Aufgrund ihrer relativ einfachen Syntax wird die Programmiersprache Python von Einsteigern oft bevorzugt.
Wie lange dauert es, Data Scientist zu werden?
Eine Person ohne vorherige Programmiererfahrung und/oder mathematischen Hintergrund benötigt in der Regel sieben bis zwölf Monate intensiven Studiums, bis sie auf einem soliden Einstiegsniveau im Bereich Data Science ist. Dabei ist zusätzlich zu beachten, dass ausschließlich theoretische Grundlagen nicht ausreichen, um in diesem Bereich praktisch zu arbeiten.
Welche Themen kann ich im Bereich Data Science lernen?
Sobald du die Grundlagen der Datenwissenschaft beherrschst, kannst du dich in verschiedenen Bereichen spezialisieren, darunter Machine Learning, künstliche Intelligenz, Big-Data-Analyse, Business Analytics und Business Intelligence, Data Mining und mehr.