Kurs
Generalisierte lineare Modelle in R
- FortgeschrittenSchwierigkeitsgrad
- 4.8+
- 514
In diesem Kurs erweitern wir deinen Data-Science-Werkzeugkasten um logistische und Poisson-Regression.
Probabilistik & Statistik
Unsere erfahrenen Lehrkräfte vermitteln dir in kurzen Videos wichtige Kompetenzen. Du vertiefst dein neues Wissen anschließend in interaktiven Übungen direkt im Browser.
oder
Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.Kurs
In diesem Kurs erweitern wir deinen Data-Science-Werkzeugkasten um logistische und Poisson-Regression.
Probabilistik & Statistik
Kurs
Wir zeigen dir, wie du mithilfe statistischer Inferenz aus einer Datenstichprobe Schlussfolgerungen über eine Grundgesamtheit ziehen kannst.
Probabilistik & Statistik
Kurs
In diesem Kurs lernst du, wie du Finanzdaten mit verschiedenen Tools und Quellen in Python importierst und verwaltest.
Angewandte Finanzen
Kurs
Dieser Kurs zeigt dir, was neuronale Netze sind und wie du mit TensorFlow Deep-Learning-Modelle erstellst.
Maschinelles Lernen
Kurs
Lerne alles über die Vorteile der Bayesschen Datenanalyse und probier sie in verschiedenen echten Anwendungsfällen aus!
Probabilistik & Statistik
Kurs
Lerne, verteiltes Datenmanagement und maschinelles Lernen in Spark mit dem PySpark-Paket zu implementieren.
Data Engineering
Kurs
Dieser Kurs zeigt dir praxisnah, wie du besonders schnelle PostgreSQL-Abfragen aufbaust.
Softwareentwicklung
Kurs
Learn how to use Power BI for supply chain analytics in this case study. Create a make vs. buy analysis tool, calculate costs, and analyze production volumes.
Datenvisualisierung
Kurs
Hier lernst du, wie du mit R Daten von jeder Website effizient sammeln und herunterladen kannst.
Datenaufbereitung
Kurs
Learn about AWS Boto and harnessing cloud technology to optimize your data workflow.
Cloud
Kurs
In diesem Kurs bekommst du praxisnah vermittelt, wie du mit Python Betrug erkennst.
Maschinelles Lernen
Kurs
In this course you will learn how to predict future events using linear regression, generalized additive models, random forests, and xgboost.
Maschinelles Lernen
Kurs
Nutze die RNA-Seq-Differenzanalyse, um Gene zu finden, die wahrscheinlich wichtig für verschiedene Krankheiten oder Zustände sind.
Probabilistik & Statistik
Kurs
Learn powerful command-line skills to download, process, and transform data, including machine learning pipeline.
Datenbearbeitung
Kurs
Visualisiere Saisonalität, Trends und andere Muster in deinen Zeitreihendaten.
Datenvisualisierung
Kurs
Explore the concepts and applications of linear models with python and build models to describe, predict, and extract insight from data patterns.
Probabilistik & Statistik
Kurs
Dieser Kurs macht dich vertraut mit den Herausforderungen bei der Überwachung von Machine-Learning-Modellen im Produktivbetrieb.
Maschinelles Lernen
Kurs
Hier erstellst du mit den Text- und Audiomodellen von OpenAI multimodale Systeme, wie etwa einen Kundensupport-Chatbot.
Künstliche Intelligenz
Kurs
Hier schauen wir uns an, wie wir beliebige Dateiformate parsen, ob Flatfiles, Statistiksoftware, Datenbanken oder Daten aus dem Internet.
Datenaufbereitung
Kurs
Dieser Kurs fokussiert sich auf die Grundlagen der Versuchsplanung – ein wichtiger Teil jeder Datenanalyse.
Probabilistik & Statistik
Kurs
Lerne, wie du Zeitreihen in R visualisieren kannst, und probier es dann mit einer Fallstudie zur Aktienauswahl aus.
Datenvisualisierung
Kurs
Dieser Kurs zeigt, wie du Datums- und Zeitdaten in SQL Server für Zeitreihenanalysen nutzt.
Datenbearbeitung
Kurs
Learn how to identify, analyze, remove and impute missing data in Python.
Datenbearbeitung
Kurs
Dieser Kurs zeigt dir, wie du die Gewinn- und Verlustrechnung und die Bilanz in Power BI anwendest.
Angewandte Finanzen
Kurs
Dieser Kurs vermittelt grundlegende Konzepte zu Zufallsvariablen, Mittelwert und Varianz, Wahrscheinlichkeitsverteilungen und mehr.
Probabilistik & Statistik
Kurs
Wir tauchen ein in die Grundlagen der Geschäftsmodellierung, darunter Cashflows, Investitionen, Annuitäten, Kreditrückzahlungen und mehr.
Angewandte Finanzen
Kurs
Develop a strong intuition for how hierarchical and k-means clustering work and learn how to apply them to extract insights from your data.
Maschinelles Lernen
Kurs
Hier lernst du, wie du mit Python, dem geopandas-Paket und folium maps Geodaten ansprechend visualisierst.
Datenvisualisierung
Kurs
Mit den Visualisierungstools von Seaborn erstellt du in diesem Kurs ganz einfach ansprechende und informative Visualisierungen.
Datenvisualisierung
Kurs
Entdecke in diesem vierstündigen Kurs Anomalien in deiner Datenanalyse und erweitere dein Python-Statistik-Toolkit.
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.
Mit unseren Kursen für Mobilgeräte und täglichen Programmier-Challenges erweiterst du deine Datenkompetenz von unterwegs.