Kurs
Zeitreihen in R bearbeiten
- MittelSchwierigkeitsgrad
- 4.8+
- 290 Wiederholungen
Zeitreihendaten in R meistern: Importieren, Zusammenfassen und Filtern mit zoo, lubridate und xts.
Datenbearbeitung
Unsere erfahrenen Lehrkräfte vermitteln dir in kurzen Videos wichtige Kompetenzen. Du vertiefst dein neues Wissen anschließend in interaktiven Übungen direkt im Browser.
oder
Kurs
Zeitreihendaten in R meistern: Importieren, Zusammenfassen und Filtern mit zoo, lubridate und xts.
Datenbearbeitung
Kurs
In diesem Kurs lernst du, zukünftige Ereignisse mit linearer Regression, generalisierten additiven Modellen, Random Forests und xgboost vorherzusagen.
Maschinelles Lernen
Kurs
Learn to effectively convey your data with an overview of common charts, alternative visualization types, and perception-driven style enhancements.
Datenvisualisierung
Kurs
Nutze die RNA-Seq-Differenzanalyse, um Gene zu finden, die wahrscheinlich wichtig für verschiedene Krankheiten oder Zustände sind.
Probabilistik & Statistik
Kurs
Lerne, wie du mit Zeitreihenprognosen in R, einschließlich ARIMA-Modellen und exponentiellen Glättungsmethoden, Vorhersagen über die Zukunft treffen kannst.
Probabilistik & Statistik
Kurs
Lerne, was Bayessche Datenanalyse ist, wie sie funktioniert und warum sie ein nützliches Werkzeug für dein Data Science-Toolkit ist.
Probabilistik & Statistik
Kurs
Dieser Kurs bietet eine Einführung in Clustering und Dimensionsreduktion in R aus Machine-Learning-Perspektive.
Maschinelles Lernen
Kurs
Hier untersuchst du latente Variablen wie Persönlichkeit mithilfe von explorativer und konfirmatorischer Faktorenanalyse.
Probabilistik & Statistik
Kurs
Lerne die Grundlagen zum Parsen, Bearbeiten und Berechnen von Datums- und Zeitangaben in R.
Softwareentwicklung
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
Werde zum Profi im Anpassen von ARIMA-Modellen (autoregressive integrierte gleitende Durchschnitte) an Zeitreihendaten mit R.
Probabilistik & Statistik
Kurs
In diesem Kurs lernst du, wie du mit linearen Modellen Schlussfolgerungen ziehst.
Probabilistik & Statistik
Kurs
Lerne, wie man Umfragen mit gängigen Designstrukturen gestaltet und dann die Ergebnisse visualisiert und analysiert.
Probabilistik & Statistik
Kurs
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
Kurs
Learn how to pull character strings apart, put them back together and use the stringr package.
Softwareentwicklung
Kurs
In diesem Kurs geht es darum, Textdaten in R mit dem tidy-Framework zu analysieren.
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
Kurs
In diesem Kurs lernst du die wichtigsten Konzepte des maschinellen Lernens kennen, zum Beispiel wie man Vorhersagemodelle erstellt und bewertet.
Maschinelles Lernen
Kurs
In diesem Kurs erweitern wir deinen Data-Science-Werkzeugkasten um logistische und Poisson-Regression.
Probabilistik & Statistik
Kurs
Lerne, wie Datumsangaben in R funktionieren, und entdecke die Welt der if-Anweisungen, Schleifen und Funktionen anhand von Finanzbeispielen.
Angewandte Finanzen
Kurs
Hier lernst du, wie du mit R Daten von jeder Website effizient sammeln und herunterladen kannst.
Datenaufbereitung
Kurs
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
Kurs
Mach deinen Code übersichtlicher, indem du mit den Systemen S3 und R6 objektorientiert programmierst.
Softwareentwicklung
Kurs
In diesem Kurs untersuchst du historische Abstimmungen der UN-Generalversammlung mithilfe von Datenbearbeitung und -visualisierung.
Explorative Datenanalyse
Kurs
Lerne, wie du mit dem igraph-Paket Netzwerkdaten analysieren und visualisieren kannst, und erstelle mit threejs interaktive Netzwerkdiagramme.
Probabilistik & Statistik
Kurs
Learn how to use tree-based models and ensembles to make classification and regression predictions with tidymodels.
Maschinelles Lernen
Kurs
Lerne, wie du Zeitreihen in R visualisieren kannst, und probier es dann mit einer Fallstudie zur Aktienauswahl aus.
Datenvisualisierung
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
In diesem Kurs lernst du, wie du auf Finanzdaten aus lokalen und öffentlichen Quellen zugreifen kannst.
Angewandte Finanzen
Kurs
Nutze die Pakete tidyr und purrr aus dem tidyverse, um Modelle für maschinelles Lernen zu erstellen, zu erkunden und zu bewerten.
Maschinelles Lernen
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.
Mit unseren Kursen für Mobilgeräte und täglichen Programmier-Challenges erweiterst du deine Datenkompetenz von unterwegs.