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

Interaktive Datenvisualisierung mit plotly in R

  • BasicSchwierigkeitsgrad
  • 4.8+
  • 98 Wiederholungen

Dieser Kurs hilft dir, mit plotly in R interaktive Datenvisualisierungen zu erstellen und deine Daten optimal zu präsentieren.

Datenvisualisierung

4 Stunden

Kurs

Aktienbewertung in R

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 74 Wiederholungen

Dieser Kurs vermittelt dir wichtige Grundlagen der Aktienbewertung.

Angewandte Finanzen

4 Stunden

Kurs

Schlussfolgerungen für numerische Daten in R

  • ExperteSchwierigkeitsgrad
  • 4.8+
  • 121 Wiederholungen

In diesem Kurs lernst du Techniken für die statistische Inferenz anhand numerischer Daten kennen.

Probabilistik & Statistik

4 Stunden

Kurs

Social-Media-Daten mit R analysieren

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 98 Wiederholungen

Dieser Kurs zeigt dir, wie du Twitter-Daten extrahierst und visualisierst, eine Stimmungs- und Netzwerkanalyse durchführst und mehr.

Datenbearbeitung

4 Stunden

Kurs

Kategorische Daten im Tidyverse

  • BasicSchwierigkeitsgrad
  • 4.8+
  • 192 Wiederholungen

Bereit zum Kategorisieren! In diesem Kurs, arbeitest du mit nicht numerischen Daten wie Jobtiteln oder Umfrageantworten im Tidyverse-Ökosystem.

Datenbearbeitung

4 Stunden

Kurs

Web Scraping in R

  • MittelSchwierigkeitsgrad
  • 4.7+
  • 102 Wiederholungen

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

Datenaufbereitung

4 Stunden

Kurs

Kreditrisikomodellierung in R

  • MittelSchwierigkeitsgrad
  • 4.7+
  • 94 Wiederholungen

Statistische Modellierung praktisch anwenden: Mit Logistic Regression und Decision Trees Kreditrisiko modellieren.

Angewandte Finanzen

4 Stunden

Kurs

Programmieren mit dplyr

  • MittelSchwierigkeitsgrad
  • 4.7+
  • 53 Wiederholungen

Hier lernst du, wie du fortgeschrittene dplyr-Transformationen vornimmst und dplyr- und ggplot2-Code in Funktionen einbaust.

Datenbearbeitung

4 Stunden

Kurs

Netzwerkanalyse mit R

  • MittelSchwierigkeitsgrad
  • 4.7+
  • 138 Wiederholungen

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

Probabilistik & Statistik

4 Stunden

Kurs

Modellierung mit tidymodels in R

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 194 Wiederholungen

Lerne, wie du deine Workflows im Bereich maschinelles Lernen mit tidymodels optimieren kannst.

Maschinelles Lernen

4 Stunden

Kurs

Schlussfolgern für kategoriale Daten in R

  • ExperteSchwierigkeitsgrad
  • 4.8+
  • 124 Wiederholungen

In diesem Kurs lernst du, wie du statistische Techniken für die Arbeit mit kategorialen Daten nutzen kannst.

Probabilistik & Statistik

4 Stunden

Kurs

Einführung in die Portfolioanalyse in R

  • BasicSchwierigkeitsgrad
  • 4.8+
  • 164 Wiederholungen

In diesem Kurs vertiefst du deine Finanzkenntnisse in R, um Finanzportfolios zu back-testen, zu analysieren und zu optimieren.

Angewandte Finanzen

5 Stunden

Kurs

Quantitatives Risikomanagement in R

  • BasicSchwierigkeitsgrad
  • 4.8+
  • 89 Wiederholungen

In diesem Kurs arbeitest du mit Renditereihen von Risikofaktoren, untersuchst empirische Eigenschaften und schätzt den Value-at-Risk.

Angewandte Finanzen

5 Stunden

Kurs

Machine Learning im Tidyverse

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 124 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

Kurs

Defensives R-Programming

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 96 Wiederholungen

Der Kurs vermittelt dir, wie du in R defensiv programmierst und so deinen Code robuster machst.

Softwareentwicklung

4 Stunden

Kurs

Zeitreihen in R visualisieren

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 189 Wiederholungen

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

Datenvisualisierung

4 Stunden

Kurs

R für SAS-Anwender:innen

  • BasicSchwierigkeitsgrad
  • 4.6+
  • 32 Wiederholungen

Lerne, wie du dein SAS-Wissen in R überträgst und Daten mit dieser kostenlosen und leistungsstarken Software-Sprache analysierst.

Softwareentwicklung

4 Stunden

Kurs

Business Process Analytics in R

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 51 Wiederholungen

Lerne, Geschäftsprozesse in R zu analysieren und aus riesigen Ereignisdatenmengen umsetzbare Erkenntnisse zu gewinnen.

Berichtswesen

4 Stunden

Kurs

R-Pakete entwickeln

  • MittelSchwierigkeitsgrad
  • 4.7+
  • 163 Wiederholungen

Learn to develop R packages and boost your coding skills. Discover package creation benefits, practice with dev tools, and create a unit conversion package.

Softwareentwicklung

4 Stunden

Kurs

Support Vector Machines in R

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 107 Wiederholungen

In diesem Kurs lernst du die Support-Vektor-Maschine (SVM) auf eine einfache und anschauliche Art kennen.

Maschinelles Lernen

4 Stunden

Kurs

Faktorenanalyse in R

  • ExperteSchwierigkeitsgrad
  • 4.7+
  • 170 Wiederholungen

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

Probabilistik & Statistik

4 Stunden

Kurs

Text Mining mit Bag-of-Words in R

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 146 Wiederholungen

Lerne die Bag-of-Words-Technik für Text Mining mit R.

Maschinelles Lernen

4 Stunden

Kurs

Anleihebewertung und -analyse in R

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 92 Wiederholungen

Lerne, wie du mit R Modelle entwickeln kannst, um Anleihen zu bewerten und zu analysieren und sie vor Zinsänderungen zu schützen.

Angewandte Finanzen

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

Big Data mit Trelliscope in R visualisieren

  • BasicSchwierigkeitsgrad
  • 4.7+
  • 54 Wiederholungen

In diesem Einstiegskurs lernst du, wie du mit ggplot2 und trelliscopejs Big Data in R visualisieren kannst.

Datenvisualisierung

4 Stunden

Kurs

HR-Analytics: Mitarbeiterdaten in R erkunden

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 43 Wiederholungen

Lerne anhand einer Reihe von Fallstudien aus dem Bereich HR-Analytik, wie du Daten bearbeiten, visualisieren und statistische Tests durchführen kannst.

Explorative Datenanalyse

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.

Erweitere deine Datenkompetenzen mit DataCamp for Mobile

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