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

Modellieren mit Daten im Tidyverse

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 254 Wiederholungen

Lerne verschiedene Arten der Datenmodellierung, auch für Vorhersagen, sowie lineare Regression und Modellbewertung mit Tidyverse.

Probabilistik & Statistik

4 Stunden

Kurs

Webanwendungen mit Shiny in R entwickeln

  • MittelSchwierigkeitsgrad
  • 4.7+
  • 232 Wiederholungen

Mit Shiny kannst du interaktive Web-Apps direkt in R erstellen – und deinem Team Daten als Dashboard oder Visualisierung bereitstellen.

Softwareentwicklung

4 Stunden

Kurs

Einführung in Bioconductor in R

  • MittelSchwierigkeitsgrad
  • 4.7+
  • 138 Wiederholungen

Lerne, wie man wichtige Bioconductor-Pakete für die Bioinformatik mit Datensätzen von Viren, Pilzen, Menschen und Pflanzen benutzt!

Probabilistik & Statistik

4 Stunden

Kurs

Versuchsplanung in R

  • MittelSchwierigkeitsgrad
  • 4.7+
  • 371 Wiederholungen

Dieser Kurs fokussiert sich auf die Grundlagen der Versuchsplanung – ein wichtiger Teil jeder Datenanalyse.

Probabilistik & Statistik

4 Stunden

Kurs

Prognosen mit R

  • BasicSchwierigkeitsgrad
  • 4.8+
  • 56 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

Zeitreihen in R bearbeiten

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 309 Wiederholungen

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

Datenbearbeitung

4 Stunden

Kurs

Bewertung von Lebensversicherungsprodukten in R

  • BasicSchwierigkeitsgrad
  • 4.8+
  • 55 Wiederholungen

Grundlagen der Cashflow-Bewertung lernen, mit menschlichen Sterblichkeitsdaten arbeiten und Lebensversicherungsprodukte in R entwickeln.

Angewandte Finanzen

4 Stunden

Kurs

Zeitreihenanalyse in R

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 93 Wiederholungen

Dieser Kurs macht dich mit zentralen Techniken vertraut, um aus Zeitreihendaten wichtige Erkenntnisse zu gewinnen.

Probabilistik & Statistik

4 Stunden

Kurs

RNA-Seq mit Bioconductor in R

  • MittelSchwierigkeitsgrad
  • 4.7+
  • 155 Wiederholungen

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

Probabilistik & Statistik

4 Stunden

Kurs

Arbeiten mit Datums- und Zeitangaben in R

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 102 Wiederholungen

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

Softwareentwicklung

4 Stunden

Kurs

Unüberwachtes Lernen in R

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 112 Wiederholungen

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

Maschinelles Lernen

4 Stunden

Kurs

Survival-Analyse in R

  • MittelSchwierigkeitsgrad
  • 4.7+
  • 222 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

Maschinelles Lernen mit caret in R

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 47 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

ARIMA-Modelle in R

  • BasicSchwierigkeitsgrad
  • 4.8+
  • 339 Wiederholungen

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

Probabilistik & Statistik

4 Stunden

Kurs

Einführung in die Textanalyse mit R

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 64 Wiederholungen

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

Datenbearbeitung

4 Stunden

Kurs

Generalisierte lineare Modelle in R

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 218 Wiederholungen

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

Probabilistik & Statistik

4 Stunden

Kurs

Clusteranalyse in R

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 79 Wiederholungen

Entwickle ein sicheres Gespür für hierarchisches und k-means-Clustering und nutze beides, um Erkenntnisse aus deinen Daten zu gewinnen.

Maschinelles Lernen

4 Stunden

Kurs

Dashboards mit shinydashboard erstellen

  • BasicSchwierigkeitsgrad
  • 4.7+
  • 92 Wiederholungen

Erstelle interaktive Dashboards mit R und dem leistungsstarken Paket shinydashboard. Erstelle dynamische, ansprechende Visualisierungen für deine Zielgruppe.

Berichtswesen

4 Stunden

Kurs

String Manipulation with stringr in R

  • MittelSchwierigkeitsgrad
  • 4.7+
  • 54 Wiederholungen

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

Softwareentwicklung

4 Stunden

Kurs

Fallstudie: Explorative Datenanalyse in R

  • BasicSchwierigkeitsgrad
  • 4.9+
  • 51 Wiederholungen

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

Explorative Datenanalyse

4 Stunden

Kurs

Umfragen mit R analysieren

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 232 Wiederholungen

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

Probabilistik & Statistik

4 Stunden

Kurs

Grundlagen der Bayes'schen Datenanalyse in R

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 237 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

Interaktive Karten mit leaflet in R

  • BasicSchwierigkeitsgrad
  • 4.7+
  • 114 Wiederholungen

Interaktive Webkarten mit Leichtigkeit mit leaflet erstellen lernen.

Datenvisualisierung

4 Stunden

Kurs

Datenmanipulation mit data.table in R

  • BasicSchwierigkeitsgrad
  • 4.7+
  • 25 Wiederholungen

Lerne die wichtigsten Konzepte der Datenbearbeitung, wie Filtern, Auswählen und Berechnen von Gruppenstatistiken mit data.table.

Datenbearbeitung

4 Stunden

Kurs

A/B-Tests in R

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 102 Wiederholungen

Du lernst die Grundlagen von A/B-Tests in R und erfährst, wie du Experimente planst, Daten analysierst und Ergebnisse visualisierst.

Probabilistik & Statistik

4 Stunden

Kurs

Geodaten in R visualisieren

  • MittelSchwierigkeitsgrad
  • 4.6+
  • 93 Wiederholungen

Hier liest, erkundest und bearbeitest du Geodaten und nutzt dann deine Fähigkeiten, um mit R aussagekräftige Karten zu erstellen.

Datenvisualisierung

4 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.

Erweitere deine Datenkompetenzen mit DataCamp for Mobile

Mach Fortschritte unterwegs – mit unseren mobilen Kursen und den täglichen 5-minütigen Coding-Challenges.