Weiter zum Inhalt

Kurse rund um Daten, KI und Cloud

Relevante Fähigkeiten entwickeln

Unsere 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

Mit Google fortfahrenWeitere Optionen anzeigen

oder


Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.
127 Kurse

Kurs

Zeitreihen in R bearbeiten

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 290 Wiederholungen

Zeitreihendaten in R meistern: Importieren, Zusammenfassen und Filtern mit zoo, lubridate und xts.

Datenbearbeitung

4 Stunden

Kurs

Überwachtes Lernen in R: Regression

  • MittelSchwierigkeitsgrad
  • 4.6+
  • 105 Wiederholungen

In diesem Kurs lernst du, zukünftige Ereignisse mit linearer Regression, generalisierten additiven Modellen, Random Forests und xgboost vorherzusagen.

Maschinelles Lernen

4 Stunden

Kurs

Best Practices für Visualisierung in R

  • BasicSchwierigkeitsgrad
  • 4.8+
  • 333 Wiederholungen

Learn to effectively convey your data with an overview of common charts, alternative visualization types, and perception-driven style enhancements.

Datenvisualisierung

1 Stunde

Kurs

RNA-Seq mit Bioconductor in R

  • MittelSchwierigkeitsgrad
  • 4.7+
  • 142 Wiederholungen

Nutze die RNA-Seq-Differenzanalyse, um Gene zu finden, die wahrscheinlich wichtig für verschiedene Krankheiten oder Zustände sind.

Probabilistik & Statistik

4 Stunden

Kurs

Prognosen mit R

  • BasicSchwierigkeitsgrad
  • 4.9+
  • 51 Wiederholungen

Lerne, wie du mit Zeitreihenprognosen in R, einschließlich ARIMA-Modellen und exponentiellen Glättungsmethoden, Vorhersagen über die Zukunft treffen kannst.

Probabilistik & Statistik

5 Stunden

Kurs

Grundlagen der Bayes'schen Datenanalyse in R

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 217 Wiederholungen

Lerne, was Bayessche Datenanalyse ist, wie sie funktioniert und warum sie ein nützliches Werkzeug für dein Data Science-Toolkit ist.

Probabilistik & Statistik

4 Stunden

Kurs

Unüberwachtes Lernen in R

  • MittelSchwierigkeitsgrad
  • 4.7+
  • 105 Wiederholungen

Dieser Kurs bietet eine Einführung in Clustering und Dimensionsreduktion in R aus Machine-Learning-Perspektive.

Maschinelles Lernen

4 Stunden

Kurs

Faktorenanalyse in R

  • ExperteSchwierigkeitsgrad
  • 4.7+
  • 158 Wiederholungen

Hier untersuchst du latente Variablen wie Persönlichkeit mithilfe von explorativer und konfirmatorischer Faktorenanalyse.

Probabilistik & Statistik

4 Stunden

Kurs

Arbeiten mit Datums- und Zeitangaben in R

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 93 Wiederholungen

Lerne die Grundlagen zum Parsen, Bearbeiten und Berechnen von Datums- und Zeitangaben in R.

Softwareentwicklung

4 Stunden

Kurs

Clusteranalyse in R

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 71 Wiederholungen

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

4 Stunden

Kurs

ARIMA-Modelle in R

  • BasicSchwierigkeitsgrad
  • 4.8+
  • 313 Wiederholungen

Werde zum Profi im Anpassen von ARIMA-Modellen (autoregressive integrierte gleitende Durchschnitte) an Zeitreihendaten mit R.

Probabilistik & Statistik

4 Stunden

Kurs

Umfragen mit R analysieren

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 219 Wiederholungen

Lerne, wie man Umfragen mit gängigen Designstrukturen gestaltet und dann die Ergebnisse visualisiert und analysiert.

Probabilistik & Statistik

4 Stunden

Kurs

Modellieren mit Daten im Tidyverse

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 230 Wiederholungen

Discover different types in data modeling, including for prediction, and learn how to conduct linear regression and model assessment measures in the Tidyverse.

Probabilistik & Statistik

4 Stunden

Kurs

String Manipulation with stringr in R

  • MittelSchwierigkeitsgrad
  • 4.7+
  • 53 Wiederholungen

Learn how to pull character strings apart, put them back together and use the stringr package.

Softwareentwicklung

4 Stunden

Kurs

Einführung in die Textanalyse mit R

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 62 Wiederholungen

In diesem Kurs geht es darum, Textdaten in R mit dem tidy-Framework zu analysieren.

Datenbearbeitung

4 Stunden

Kurs

Umgang mit fehlenden Daten in R

  • BasicSchwierigkeitsgrad
  • 4.7+
  • 141 Wiederholungen

Mach es dir leicht, fehlende Daten zu visualisieren, zu untersuchen und zu ergänzen – mit naniar, einem tidyverse-freundlichen Ansatz für fehlende Daten.

Datenaufbereitung

4 Stunden

Kurs

Maschinelles Lernen mit caret in R

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 43 Wiederholungen

In diesem Kurs lernst du die wichtigsten Konzepte des maschinellen Lernens kennen, zum Beispiel wie man Vorhersagemodelle erstellt und bewertet.

Maschinelles Lernen

4 Stunden

Kurs

Generalisierte lineare Modelle in R

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 194 Wiederholungen

In diesem Kurs erweitern wir deinen Data-Science-Werkzeugkasten um logistische und Poisson-Regression.

Probabilistik & Statistik

4 Stunden

Kurs

R für Finanzen – Aufbaukurs

  • BasicSchwierigkeitsgrad
  • 4.8+
  • 41 Wiederholungen

Lerne, wie Datumsangaben in R funktionieren, und entdecke die Welt der if-Anweisungen, Schleifen und Funktionen anhand von Finanzbeispielen.

Angewandte Finanzen

5 Stunden

Kurs

Web Scraping in R

  • MittelSchwierigkeitsgrad
  • 4.7+
  • 98 Wiederholungen

Hier lernst du, wie du mit R Daten von jeder Website effizient sammeln und herunterladen kannst.

Datenaufbereitung

4 Stunden

Kurs

Survival-Analyse in R

  • MittelSchwierigkeitsgrad
  • 4.7+
  • 196 Wiederholungen

Learn to work with time-to-event data. The event may be death or finding a job after unemployment. Learn to estimate, visualize, and interpret survival models!

Probabilistik & Statistik

4 Stunden

Kurs

Fallstudie: Explorative Datenanalyse in R

  • BasicSchwierigkeitsgrad
  • 4.9+
  • 48 Wiederholungen

In diesem Kurs untersuchst du historische Abstimmungen der UN-Generalversammlung mithilfe von Datenbearbeitung und -visualisierung.

Explorative Datenanalyse

4 Stunden

Kurs

Netzwerkanalyse mit R

  • MittelSchwierigkeitsgrad
  • 4.7+
  • 122 Wiederholungen

Lerne, wie du mit dem igraph-Paket Netzwerkdaten analysieren und visualisieren kannst, und erstelle mit threejs interaktive Netzwerkdiagramme.

Probabilistik & Statistik

4 Stunden

Kurs

Machine Learning with Tree-Based Models in R

  • BasicSchwierigkeitsgrad
  • 4.8+
  • 262 Wiederholungen

Learn how to use tree-based models and ensembles to make classification and regression predictions with tidymodels.

Maschinelles Lernen

4 Stunden

Kurs

Zeitreihen in R visualisieren

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 182 Wiederholungen

Lerne, wie du Zeitreihen in R visualisieren kannst, und probier es dann mit einer Fallstudie zur Aktienauswahl aus.

Datenvisualisierung

4 Stunden

Kurs

Kategorische Daten im Tidyverse

  • BasicSchwierigkeitsgrad
  • 4.7+
  • 172 Wiederholungen

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

4 Stunden

Kurs

Machine Learning im Tidyverse

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 115 Wiederholungen

Nutze die Pakete tidyr und purrr aus dem tidyverse, um Modelle für maschinelles Lernen zu erstellen, zu erkunden und zu bewerten.

Maschinelles Lernen

5 Stunden

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.

DataCamp gibt es auch für Mobilgeräte

Mit unseren Kursen für Mobilgeräte und täglichen Programmier-Challenges erweiterst du deine Datenkompetenz von unterwegs.