Unsere erfahrenen Lehrkräfte vermitteln dir in kurzen Videos wichtige Kompetenzen. Du vertiefst dein neues Wissen anschließend in interaktiven Übungen direkt im Browser.
oder
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 die Support-Vektor-Maschine (SVM) auf eine einfache und anschauliche Art kennen.
Maschinelles Lernen
Kurs
Lerne, wie du mit dem igraph-Paket Netzwerkdaten analysieren und visualisieren kannst, und erstelle mit threejs interaktive Netzwerkdiagramme.
Probabilistik & Statistik
Kurs
Du lernst die Grundlagen von A/B-Tests in R und erfährst, wie du Experimente planst, Daten analysierst und Ergebnisse visualisierst.
Probabilistik & Statistik
Kurs
Lerne die wichtigsten Konzepte der Datenbearbeitung, wie Filtern, Auswählen und Berechnen von Gruppenstatistiken mit data.table.
Datenbearbeitung
Kurs
Lerne, wie du dein SAS-Wissen in R überträgst und Daten mit dieser kostenlosen und leistungsstarken Software-Sprache analysierst.
Softwareentwicklung
Kurs
In diesem Kurs lernst du, wie du statistische Techniken für die Arbeit mit kategorialen Daten nutzen kannst.
Probabilistik & Statistik
Kurs
Interaktive Webkarten mit Leichtigkeit mit leaflet erstellen lernen.
Datenvisualisierung
Kurs
Statistische Modellierung praktisch anwenden: Mit Logistic Regression und Decision Trees Kreditrisiko modellieren.
Angewandte Finanzen
Kurs
In diesem Kurs arbeitest du mit Renditereihen von Risikofaktoren, untersuchst empirische Eigenschaften und schätzt den Value-at-Risk.
Angewandte Finanzen
Kurs
In diesem Kurs lernst du Techniken für die statistische Inferenz anhand numerischer Daten kennen.
Probabilistik & Statistik
Kurs
In diesem Kurs vertiefst du deine Finanzkenntnisse in R, um Finanzportfolios zu back-testen, zu analysieren und zu optimieren.
Angewandte Finanzen
Kurs
Hier lernst du, wie du fortgeschrittene dplyr-Transformationen vornimmst und dplyr- und ggplot2-Code in Funktionen einbaust.
Datenbearbeitung
Kurs
Der Kurs vermittelt dir, wie du in R defensiv programmierst und so deinen Code robuster machst.
Softwareentwicklung
Kurs
Lerne, wie du deine Workflows im Bereich maschinelles Lernen mit tidymodels optimieren kannst.
Maschinelles Lernen
Kurs
Lerne anhand einer Reihe von Fallstudien aus dem Bereich HR-Analytik, wie du Daten bearbeiten, visualisieren und statistische Tests durchführen kannst.
Explorative Datenanalyse
Kurs
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
Kurs
Lerne, wie du Zeitreihen in R visualisieren kannst, und probier es dann mit einer Fallstudie zur Aktienauswahl aus.
Datenvisualisierung
Kurs
Lerne, wie du Messmodelle erstellst und bewertest, um die Struktur einer Skala oder eines Fragebogens zu bestätigen.
Probabilistik & Statistik
Kurs
GAMs modellieren Beziehungen in Daten als nichtlineare Funktionen, die sich super an verschiedene Arten von datenwissenschaftlichen Problemen anpassen lassen.
Probabilistik & Statistik
Kurs
Lerne, wie du mit R Modelle entwickeln kannst, um Anleihen zu bewerten und zu analysieren und sie vor Zinsänderungen zu schützen.
Angewandte Finanzen
Kurs
Lerne, wie du das Bioconductor-Paket limma für die Analyse der differentiellen Genexpression benutzt.
Probabilistik & Statistik
Kurs
In diesem Kurs lernst du, wie du auf Finanzdaten aus lokalen und öffentlichen Quellen zugreifen kannst.
Angewandte Finanzen
Kurs
Learn to easily summarize and manipulate lists using the purrr package.
Softwareentwicklung
Kurs
Dieser Kurs geht auf die Grundlagen des Finanzhandels ein und zeigt, wie man mit Quantstrat signalbasierte Handelsstrategien entwickelt.
Angewandte Finanzen
Kurs
Lerne die Bag-of-Words-Technik für Text Mining mit R.
Maschinelles Lernen
Kurs
Dieser Kurs hilft dir, mit plotly in R interaktive Datenvisualisierungen zu erstellen und deine Daten optimal zu präsentieren.
Datenvisualisierung
Kurs
Du lernst die Grundkonzepte des Feature Engineering und wie du sie mit dem R-Framework tidymodels praktisch anwendest.
Maschinelles Lernen
Kurs
Wende grundlegende Konzepte der Netzwerkanalyse auf große reale Datensätze in 4 verschiedenen Fallstudien an.
Probabilistik & Statistik
Kurs
Multivariate Daten analysieren, visualisieren und modellieren lernen.
Probabilistik & Statistik
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.
Mach Fortschritte unterwegs – mit unseren mobilen Kursen und den täglichen 5-minütigen Coding-Challenges.