Kurs
Programmieren mit dplyr
- MittelSchwierigkeitsgrad
- 4.8+
- 50 Wiederholungen
Hier lernst du, wie du fortgeschrittene dplyr-Transformationen vornimmst und dplyr- und ggplot2-Code in Funktionen einbaust.
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
Hier lernst du, wie du fortgeschrittene dplyr-Transformationen vornimmst und dplyr- und ggplot2-Code in Funktionen einbaust.
Datenbearbeitung
Kurs
Du lernst die Grundkonzepte des Feature Engineering und wie du sie mit dem R-Framework tidymodels praktisch anwendest.
Maschinelles Lernen
Kurs
Übe deine Shiny-Kenntnisse, während du coole Shiny-Apps für echte Szenarien entwickelst!
Berichtswesen
Kurs
Sentimentanalyse lernen: positive und negative Sprache, emotionale Absichten erkennen und überzeugende Visualisierungen erstellen.
Maschinelles Lernen
Kurs
ChIP-seq-Daten mit Bioconductor anhand eines menschlichen Krebsdatensatzes analysieren und interpretieren lernen.
Probabilistik & Statistik
Kurs
Lerne, wie du Bayes-Schätzmethoden nutzt, um bessere Rückschlüsse auf lineare Regressionsmodelle zu ziehen.
Probabilistik & Statistik
Kurs
Dieser Kurs geht auf die Grundlagen des Finanzhandels ein und zeigt, wie man mit Quantstrat signalbasierte Handelsstrategien entwickelt.
Angewandte Finanzen
Kurs
Dieser Kurs zeigt dir Techniken zur Dimensionsreduktion in R und macht dich mit der Merkmalsauswahl und -extraktion vertraut.
Maschinelles Lernen
Kurs
Hol dir einen Überblick über alle Fähigkeiten und Tools, die du brauchst, um bei der Verarbeitung natürlicher Sprache in R richtig gut zu werden.
Maschinelles Lernen
Kurs
In diesem Kurs lernst du, wie du Datensätze mit data.table kombinieren und zusammenführen kannst.
Datenbearbeitung
Kurs
Lerne, wie du Kundendaten in R analysierst und modellierst.
Probabilistik & Statistik
Kurs
Grundlagen der Cashflow-Bewertung lernen, mit menschlichen Sterblichkeitsdaten arbeiten und Lebensversicherungsprodukte in R entwickeln.
Angewandte Finanzen
Kurs
Lerne, wie du die Hyperparameter deines Modells anpassen kannst, um die besten Vorhersageergebnisse zu bekommen.
Maschinelles Lernen
Kurs
Dieser Kurs zeigt dir anhand authentischer Datensätze, wie du Textdaten bearbeitest, analysierst und mehr.
Softwareentwicklung
Kurs
In diesem Einstiegskurs lernst du, wie du mit ggplot2 und trelliscopejs Big Data in R visualisieren kannst.
Datenvisualisierung
Kurs
In diesem Kurs tauchen wir in das Thema Statistik ein: von Verteilungen über Hypothesentests bis hin zu Regressionsmodellen und vielem mehr.
Probabilistik & Statistik
Kurs
Lerne, wie du mit den Paketen bigmemory und iotools skalierbaren Code für die Arbeit mit Big Data in R schreibst.
Softwareentwicklung
Kurs
Der Kurs vermittelt dir, wie du in R defensiv programmierst und so deinen Code robuster machst.
Softwareentwicklung
Kurs
In this course youll learn how to create static and interactive dashboards using flexdashboard and shiny.
Berichtswesen
Kurs
Lerne, wie du mit den Tidyverse-Tools schnell demografische Daten vom United States Census Bureau visualisieren und erkunden kannst.
Explorative Datenanalyse
Kurs
Dieser Kurs zeigt dir, wie du Twitter-Daten extrahierst und visualisierst, eine Stimmungs- und Netzwerkanalyse durchführst und mehr.
Datenbearbeitung
Kurs
Nutze C++, um die Leistung deines R-Codes richtig zu steigern.
Softwareentwicklung
Kurs
Lerne, Geschäftsprozesse in R zu analysieren und aus riesigen Ereignisdatenmengen umsetzbare Erkenntnisse zu gewinnen.
Berichtswesen
Kurs
Multivariate Daten analysieren, visualisieren und modellieren lernen.
Probabilistik & Statistik
Kurs
Dieser Kurs vermittelt dir wichtige Grundlagen der Aktienbewertung.
Angewandte Finanzen
Kurs
In diesem Kurs lernst du, wie du mit RJAGS anspruchsvollere Bayessche Modelle umsetzt.
Probabilistik & Statistik
Kurs
Learn how to identify important drivers of demand, look at seasonal effects, and predict demand for a hierarchy of products from a real world example.
Probabilistik & Statistik
Kurs
Lerne Mischungsmodelle kennen: ein praktischer und formaler statistischer Rahmen für probabilistisches Clustering und Klassifizierung.
Probabilistik & Statistik
Kurs
Die Fluktuation der Mitarbeiter vorhersagen und Strategien entwickeln, um Leute zu halten.
Maschinelles Lernen
Kurs
Mit purrr weiterlernen, um robusten, sauberen und leicht wartbaren iterativen Code zu erstellen.
Softwareentwicklung
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.