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.
84 Kurse

Kurs

Effizientes KI-Modelltraining mit PyTorch

  • ExperteSchwierigkeitsgrad
  • 4.8+
  • 114 Wiederholungen

Lerne, wie du das Training von LLMs mithilfe von Accelerator und Trainer für verteilte Trainingsprozesse beschleunigst.

Künstliche Intelligenz

4 Stunden

Kurs

Diskrete-Ereignis-Simulation mit Python

  • ExperteSchwierigkeitsgrad
  • 4.7+
  • 84 Wiederholungen

Hier lernst du, Geschäftsprozesse mit ereignisdiskreter Simulation zu optimieren und digitale Zwillinge mit Python und SimPy zu entwickeln.

Probabilistik & Statistik

4 Stunden

Kurs

Überlebenszeitanalyse in Python

  • ExperteSchwierigkeitsgrad
  • 4.7+
  • 77 Wiederholungen

In diesem Kurs ermittelst du anhand von Überlebensanalysen die geschätzte Zeit bis zum Eintritt eines Ereignisses und die Überlebenszeit.

Probabilistik & Statistik

4 Stunden

Kurs

Recommendation Engines mit PySpark erstellen

  • ExperteSchwierigkeitsgrad
  • 4.8+
  • 259 Wiederholungen

Lernen Sie Tools und Techniken kennen, um Ihre eigenen Big Data zu nutzen und positive Erlebnisse für Ihre Nutzer zu ermöglichen.

Maschinelles Lernen

4 Stunden

Kurs

Fehlende Daten mit Imputationen in R behandeln

  • ExperteSchwierigkeitsgrad
  • 4.7+
  • 118 Wiederholungen

Fehlende Daten diagnostizieren, visualisieren und mit verschiedenen Imputationstechniken behandeln – mit Tipps, um deine Ergebnisse zu verbessern.

Datenbearbeitung

4 Stunden

Kurs

Forecasting-Pipelines für die Produktion entwerfen

  • ExperteSchwierigkeitsgrad
  • 4.7+
  • 75 Wiederholungen

Im Fokus dieses Kurses stehen skalierbare Prognosepipelines in Python und wie du sie entwirfst, automatisierst und überwachst.

Maschinelles Lernen

4 Stunden

Kurs

Faktorenanalyse in R

  • ExperteSchwierigkeitsgrad
  • 4.7+
  • 174 Wiederholungen

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

Probabilistik & Statistik

4 Stunden

Kurs

Datenschutz und Anonymisierung mit Python

  • ExperteSchwierigkeitsgrad
  • 4.8+
  • 59 Wiederholungen

In diesem Kurs lernst du praktische Methoden kennen, um sensible Daten datenschutzkonform zu verarbeiten.

Maschinelles Lernen

4 Stunden

Kurs

Strukturgleichungsmodellierung mit lavaan in R

  • ExperteSchwierigkeitsgrad
  • 4.8+
  • 77 Wiederholungen

Lerne, wie du Messmodelle erstellst und bewertest, um die Struktur einer Skala oder eines Fragebogens zu bestätigen.

Probabilistik & Statistik

4 Stunden

Kurs

GARCH-Modelle in R

  • ExperteSchwierigkeitsgrad
  • 4.8+
  • 101 Wiederholungen

GARCH-Modelle spezifizieren und anpassen, um zeitvariable Volatilität und Value-at-Risk vorherzusagen.

Angewandte Finanzen

4 Stunden

Kurs

Bayesianisches Modellieren mit RJAGS

  • ExperteSchwierigkeitsgrad
  • 4.8+
  • 56 Wiederholungen

In diesem Kurs lernst du, wie du mit RJAGS anspruchsvollere Bayessche Modelle umsetzt.

Probabilistik & Statistik

4 Stunden

Kurs

Statistik-Interviewfragen in R üben

  • ExperteSchwierigkeitsgrad
  • 4.7+
  • 25 Wiederholungen

In diesem Kurs tauchen wir in das Thema Statistik ein: von Verteilungen über Hypothesentests bis hin zu Regressionsmodellen und vielem mehr.

Probabilistik & Statistik

4 Stunden

Kurs

Hyperparameter-Tuning in R

  • ExperteSchwierigkeitsgrad
  • 4.8+
  • 68 Wiederholungen

Lerne, wie du die Hyperparameter deines Modells anpassen kannst, um die besten Vorhersageergebnisse zu bekommen.

Maschinelles Lernen

4 Stunden

Kurs

Skalierbare Datenverarbeitung in R

  • ExperteSchwierigkeitsgrad
  • 4.7+
  • 29 Wiederholungen

Lerne, wie du mit den Paketen bigmemory und iotools skalierbaren Code für die Arbeit mit Big Data in R schreibst.

Softwareentwicklung

4 Stunden

Kurs

Choice Modeling für Marketing in R

  • ExperteSchwierigkeitsgrad
  • 4.8+
  • 43 Wiederholungen

Lerne, wie du Kundendaten in R analysierst und modellierst.

Probabilistik & Statistik

4 Stunden

Kurs

Maschinelle Übersetzung mit Keras

  • ExperteSchwierigkeitsgrad
  • 4.8+
  • 50 Wiederholungen

In diesem Kurs lernst du, wie die Modelle funktionieren, die hinter Produkten wie Google Translate stecken.

Künstliche Intelligenz

4 Stunden

Kurs

Manage Scalable Workloads in GKE

  • ExperteSchwierigkeitsgrad
  • 4.8+
  • 14 Wiederholungen

Scale and manage multi-cluster GKE environments. Master fleets, Cloud Service Mesh, identity management, CI/CD at scale, and GKE Enterprise capabilities.

Cloud

7 Stunden 20 min

Kurs

Serverless Data Processing with Dataflow: Operations

  • ExperteSchwierigkeitsgrad
  • 4.9+
  • 19 Wiederholungen

Operate Dataflow pipelines in production. Learn monitoring, logging, troubleshooting, performance tuning, CI/CD, reliability, and templates.

Cloud

4 Stunden 13 min

Kurs

Implement Cloud Next Generation Firewall

  • ExperteSchwierigkeitsgrad
  • 5
  • 1 Wiederholung

Secure VPC networks with Cloud NGFW: firewall policies, secure tags, intrusion prevention, and Firewall Insights.

Cloud

3 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.