Kurs
Einführung in die Portfolioanalyse mit Python
- ExperteSchwierigkeitsgrad
- 4.6+
- 434
Du machst dich vertraut mit Risiko- und Performance-Kennzahlen und erstellst ein Portfolio für das gewünschte Risiko-Rendite-Verhältnis.
Angewandte Finanzen
Unsere erfahrenen Lehrkräfte vermitteln dir in kurzen Videos wichtige Kompetenzen. Du vertiefst dein neues Wissen anschließend in interaktiven Übungen direkt im Browser.
oder
Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.Kurs
Du machst dich vertraut mit Risiko- und Performance-Kennzahlen und erstellst ein Portfolio für das gewünschte Risiko-Rendite-Verhältnis.
Angewandte Finanzen
Kurs
Hier ermittelst du, welche Skills bei Data Scientists, Data Analysts und Data Engineers besonders gefragt sind.
Datenvisualisierung
Kurs
Mit der Python-Bibliothek „Great Expectations“ kannst du in Data-Science- und Data-Engineering-Workflows für hohe Datenqualität sorgen.
Data Engineering
Kurs
Test a chatbot that matches customers with ideal skincare products using your prompting skills for personalized results.
Künstliche Intelligenz
Kurs
Hier erfährst du, wie du GenAI-Modellen menschliche Werte vermittelst, und sammelst praktische Erfahrungen mit fortgeschrittenen LLMs.
Künstliche Intelligenz
Kurs
Learn the gritty details that data scientists are spending 70-80% of their time on; data wrangling and feature engineering.
Datenbearbeitung
Kurs
Extend your regression toolbox with the logistic and Poisson models and learn to train, understand, and validate them, as well as to make predictions.
Probabilistik & Statistik
Kurs
Learn to build and customize Sigma charts to tell clear, compelling data stories—no coding required.
Datenvisualisierung
Kurs
Dieser Kurs zeigt dir, wie du die Gewinn- und Verlustrechnung und die Bilanz in Power BI anwendest.
Angewandte Finanzen
Kurs
Lerne wichtige Finanzkonzepte wie Kapitalinvestitionen, WACC und Shareholder Value kennen.
Angewandte Finanzen
Kurs
Develop a strong intuition for how hierarchical and k-means clustering work and learn how to apply them to extract insights from your data.
Maschinelles Lernen
Kurs
Beherrsche strategisches Datenmanagement für Business Excellence.
Datenmanagement
Kurs
Master Databricks with Python: learn to authenticate, manage clusters, automate jobs, and query AI models programmatically.
Künstliche Intelligenz
Kurs
Erlerne und nutze leistungsstarke Deep Reinforcement Learning-Algorithmen, einschließlich Verfeinerungs- und Optimierungstechniken.
Künstliche Intelligenz
Kurs
Entdecke in diesem vierstündigen Kurs Anomalien in deiner Datenanalyse und erweitere dein Python-Statistik-Toolkit.
Probabilistik & Statistik
Kurs
Lerne die Grundlagen zum Parsen, Bearbeiten und Berechnen von Datums- und Zeitangaben in R.
Softwareentwicklung
Kurs
Wir tauchen ein in die Grundlagen der Geschäftsmodellierung, darunter Cashflows, Investitionen, Annuitäten, Kreditrückzahlungen und mehr.
Angewandte Finanzen
Kurs
Hier entwickelst du ein solides Verständnis dafür, wie du Daten in Microsoft Fabric umwandeln und analysieren kannst.
Sonstige
Kurs
Hier lernst du, wie du mit Google Sheets ein grafisches Dashboard erstellst, um die Performance von Wertpapieren zu tracken.
Angewandte Finanzen
Kurs
In diesem Kurs lernst du, wie man hierarchische Modelle mit Zufallseffekten anpasst.
Probabilistik & Statistik
Kurs
In diesem Kurs lernst du den Umgang mit kontinuierlichen Datenströmen mithilfe von serverlosen Technologien basierend auf AWS.
Cloud
Kurs
Collaborate with AI to make recruiting, people ops, and policy engagement faster and fairer.
Künstliche Intelligenz
Kurs
Dieser Kurs richtet sich an alle Data Scientists, die Kaggle-Competitions angehen und gewinnen wollen.
Maschinelles Lernen
Kurs
Lerne, wie du Zeitreihen in R visualisieren kannst, und probier es dann mit einer Fallstudie zur Aktienauswahl aus.
Datenvisualisierung
Kurs
Lerne, wie du mit Python deine eigenen Monte-Carlo-Simulationen entwirfst und durchführst!
Probabilistik & Statistik
Kurs
Get ready to categorize! In this course, you will work with non-numerical data, such as job titles or survey responses, using the Tidyverse landscape.
Datenbearbeitung
Kurs
Learn to analyze data over time with this practical course on Time Series Analysis in Power BI. Work with real datasets & practice common techniques.
Datenvisualisierung
Kurs
Lerne mehr über MLOps-Architektur, CI/CD/CM/CT-Techniken und Automatisierungsmuster, um ML-Systeme einzusetzen, die langfristig einen Mehrwert bieten.
Maschinelles Lernen
Kurs
Learn how to identify, analyze, remove and impute missing data in Python.
Datenbearbeitung
Kurs
Mach es dir leicht, fehlende Daten zu visualisieren, zu untersuchen und zu ergänzen – mit naniar, einem tidyverse-freundlichen Ansatz für fehlende Daten.
Datenaufbereitung
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.
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.
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.
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.
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.
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.
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.
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.
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.