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.
181 Kurse

Kurs

Betrugserkennung mit Python

  • MittelSchwierigkeitsgrad
  • 4.7+
  • 193 Wiederholungen

In diesem Kurs bekommst du praxisnah vermittelt, wie du mit Python Betrug erkennst.

Maschinelles Lernen

4 Stunden

Kurs

Quantitative Risk Management in Python

  • ExperteSchwierigkeitsgrad
  • 4.8+
  • 218 Wiederholungen

Lerne mit Python mehr über Risikomanagement, Value at Risk und andere Themen, die bei der Finanzkrise 2008 eine Rolle gespielt haben.

Angewandte Finanzen

4 Stunden

Kurs

Monitoring Machine Learning in Python

  • ExperteSchwierigkeitsgrad
  • 4.8+
  • 362 Wiederholungen

This course covers everything you need to know to build a basic machine learning monitoring system in Python

Maschinelles Lernen

3 Stunden

Kurs

Graph RAG mit LangChain und Neo4j

  • ExperteSchwierigkeitsgrad
  • 4.7+
  • 106 Wiederholungen

Erstelle genauere und zuverlässigere RAG-Systeme mit Graph RAG und Hybrid RAG.

Künstliche Intelligenz

3 Stunden

Kurs

Grundlagen der Wahrscheinlichkeit in Python

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 202 Wiederholungen

Dieser Kurs vermittelt grundlegende Konzepte zu Zufallsvariablen, Mittelwert und Varianz, Wahrscheinlichkeitsverteilungen und mehr.

Probabilistik & Statistik

5 Stunden

Kurs

Arbeiten mit Geodaten in Python

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 277 Wiederholungen

Dieser Kurs zeigt, wie du Geodaten in deinen Data-Science-Workflow integrierst.

Datenbearbeitung

4 Stunden

Kurs

Einführung in TensorFlow mit Python

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 53 Wiederholungen

Dieser Kurs zeigt dir, was neuronale Netze sind und wie du mit TensorFlow Deep-Learning-Modelle erstellst.

Maschinelles Lernen

4 Stunden

Kurs

Einführung in Data Quality mit Great Expectations

  • MittelSchwierigkeitsgrad
  • 4.7+
  • 385 Wiederholungen

Mit der Python-Bibliothek „Great Expectations“ kannst du in Data-Science- und Data-Engineering-Workflows für hohe Datenqualität sorgen.

Data Engineering

4 Stunden

Kurs

Verarbeitung gesprochener Sprache in Python

  • ExperteSchwierigkeitsgrad
  • 4.8+
  • 270 Wiederholungen

Hier zeigen wir dir, wie du in Python Sprache aus rohen Audiodateien laden, umwandeln und transkribieren kannst.

Datenbearbeitung

4 Stunden

Kurs

Daten­transformation mit Polars

  • MittelSchwierigkeitsgrad
  • 4.9+
  • 65 Wiederholungen

Polars mit Textmanipulation, rollenden Statistiken, DataFrame-Joins und fortgeschrittener Analyse vertiefen.

Datenbearbeitung

4 Stunden

Kurs

Bildmodellierung mit Keras

  • ExperteSchwierigkeitsgrad
  • 4.8+
  • 89 Wiederholungen

Lerne, wie du mit Keras und Python Bilder analysierst, indem du Faltungsneuronale Netze aufbaust, trainierst und bewertest.

Künstliche Intelligenz

4 Stunden

Kurs

Einführung in Optimierung mit Python

  • MittelSchwierigkeitsgrad
  • 4.7+
  • 189 Wiederholungen

In diesem Kurs lernst du, wie du mit SciPy und PuLP von Python arbeitest, um authentische Optimierungsprobleme zu lösen.

Softwareentwicklung

4 Stunden

Kurs

Einführung in MongoDB mit Python

  • MittelSchwierigkeitsgrad
  • 4.7+
  • 371 Wiederholungen

Lerne, wie du flexibel strukturierte Daten mit MongoDB bearbeiten und analysieren kannst.

Data Engineering

3 Stunden

Kurs

Einführung in Predictive Analytics mit Python

  • BasicSchwierigkeitsgrad
  • 4.8+
  • 235 Wiederholungen

In diesem Kurs lernst du, logistische Regressionsmodelle zu nutzen und zu präsentieren, um Vorhersagen zu treffen.

Maschinelles Lernen

4 Stunden

Kurs

Maschinelles Lernen für Finanzen in Python

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 208 Wiederholungen

Lerne, Aktienkursdaten mit linearen Modellen, Entscheidungsbäumen, Random Forests und neuronalen Netzen zu modellieren und vorherzusagen.

Maschinelles Lernen

4 Stunden

Kurs

Einstieg in die Netzwerkanalyse mit Python

  • MittelSchwierigkeitsgrad
  • 4.7+
  • 217 Wiederholungen

In diesem Kurs lernst du, wie du Netzwerke mit der NetworkX-Bibliothek analysieren, visualisieren und verstehen kannst.

Probabilistik & Statistik

4 Stunden

Kurs

ARIMA-Modelle in Python

  • ExperteSchwierigkeitsgrad
  • 4.8+
  • 404 Wiederholungen

Im Fokus dieses Kurses stehen ARIMA-Modelle in Python und der sichere Umgang mit Zeitreihenanalysen.

Maschinelles Lernen

4 Stunden

Kurs

Einführung in die Portfolioanalyse mit Python

  • ExperteSchwierigkeitsgrad
  • 4.8+
  • 341 Wiederholungen

Du machst dich vertraut mit Risiko- und Performance-Kennzahlen und erstellst ein Portfolio für das gewünschte Risiko-Rendite-Verhältnis.

Angewandte Finanzen

4 Stunden

Kurs

Supply Chain Analytics in Python

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 92 Wiederholungen

Leverage the power of Python and PuLP to optimize supply chains.

Explorative Datenanalyse

4 Stunden

Kurs

Eine Kaggle-Competition in Python gewinnen

  • ExperteSchwierigkeitsgrad
  • 4.8+
  • 447 Wiederholungen

Dieser Kurs richtet sich an alle Data Scientists, die Kaggle-Competitions angehen und gewinnen wollen.

Maschinelles Lernen

4 Stunden

Kurs

Bayesianische Datenanalyse in Python

  • MittelSchwierigkeitsgrad
  • 4.7+
  • 257 Wiederholungen

Lerne alles über die Vorteile der Bayesschen Datenanalyse und probier sie in verschiedenen echten Anwendungsfällen aus!

Probabilistik & Statistik

4 Stunden

Kurs

Market Basket Analysis in Python

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 264 Wiederholungen

In diesem Kurs lernst du nützliche Assoziationsregeln kennen, analysierst Buchhandlungsdaten und erstellst Filmempfehlungen.

Maschinelles Lernen

4 Stunden

Kurs

Ensemble-Methoden in Python

  • ExperteSchwierigkeitsgrad
  • 4.8+
  • 407 Wiederholungen

In diesem Kurs entwickelst du fortgeschrittene Machine-Learning-Modelle mit Ensemble-Techniken wie Bagging, Boosting und Stacking.

Maschinelles Lernen

4 Stunden

Kurs

Visualizing Geospatial Data in Python

  • MittelSchwierigkeitsgrad
  • 4.7+
  • 341 Wiederholungen

Hier lernst du, wie du mit Python, dem geopandas-Paket und folium maps Geodaten ansprechend visualisierst.

Datenvisualisierung

4 Stunden

Kurs

Case Study: Building Software in Python

  • ExperteSchwierigkeitsgrad
  • 4.7+
  • 294 Wiederholungen

Build real-world applications with Python—practice using OOP and software engineering principles to write clean and maintainable code.

Softwareentwicklung

3 Stunden

Kurs

Monte-Carlo-Simulationen in Python

  • MittelSchwierigkeitsgrad
  • 4.7+
  • 162 Wiederholungen

Lerne, wie du mit Python deine eigenen Monte-Carlo-Simulationen entwirfst und durchführst!

Probabilistik & Statistik

4 Stunden

Kurs

Anomalieerkennung mit Python

  • MittelSchwierigkeitsgrad
  • 4.8+
  • 177 Wiederholungen

Entdecke in diesem vierstündigen Kurs Anomalien in deiner Datenanalyse und erweitere dein Python-Statistik-Toolkit.

Probabilistik & Statistik

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.

DataCamp gibt es auch für Mobilgeräte

Mit unseren Kursen für Mobilgeräte und täglichen Programmier-Challenges erweiterst du deine Datenkompetenz von unterwegs.