Een carrière in data science is zeer gewild en lucratief. Het omvat een reeks taken, zoals het bestuderen en ordenen van data, het toepassen van machine learning-technieken en oog hebben voor bedrijfsdoelen. Om uit te blinken in dit vakgebied heb je een combinatie van vaardigheden nodig, zoals data analyseren, bedrijfsconcepten begrijpen, communicatievaardigheden en meer. Gebruik deze lijst als referentiepunt voor je leerpad.
Klik op de afbeelding hierboven om deze infographic te downloaden
Exploratory Data Analysis
Beschrijvende statistiek
- Bereken maten van ligging zoals gemiddelde en mediaan, maten van spreiding zoals bereik en standaarddeviatie, en andere kenmerken van features.
- Bereken maten zoals correlatie om de relaties tussen features te begrijpen.
Leren op DataCamp
Pas je skills toe
- A Visual History of Nobel Prize Winners
- Optimizing Online Sports Retail Revenue
- Explore a DataFrame
- Analyzing Carbon Footprints in SQL
- Exploring World Cup Data in Python
Datavisualisatie
- Maak grafieken zoals staafdiagrammen, histogrammen en boxplots om enkele features te visualiseren.
- Maak grafieken zoals scatterplots, lijndiagrammen en heatmaps om relaties tussen features te visualiseren.
Leren op DataCamp
- Introduction to Data Visualization with Seaborn
- Introduction to Data Visualization with Plotly in Python
- Introduction to Data Visualization with ggplot2
- Interactive Data Visualization with plotly in R
- Data Visualization Cheat Sheet
- Python Seaborn Cheat Sheet
- Plotly Express Cheat Sheet
- ggplot2 Cheat Sheet
- Python Seaborn Tutorial For Beginners
- Graphics with ggplot2 Tutorial
Pas je skills toe
- Visualizing COVID-19 in R
- Modeling the Volatility of US Bond Yields in R
- Exploring the Bitcoin Cryptocurrency Market in Python
- Real-time Insights from Social Media Data in Python
- Visualize Correlation with a Diagonal Correlation Plot in Python
- Data Visualization in Python for Absolute Beginners
- Visualizing Video Game Sales Data with ggplot2 in R
Databeheer
Data importeren en inlezen
- Importeer data uit gangbare bestandsformaten zoals CSV en spreadsheets.
- Importeer data door SQL-databases te bevragen.
- Importeer data via web-API’s.
Leren op DataCamp
- Introduction to Importing Data in Python
- Intermediate Importing Data in Python
- Streamlined Data Ingestion with pandas
- Introduction to Importing Data in R
- Intermediate Importing Data in R
- Introduction to SQL
- Importing Data in Python Cheat Sheet
- Pandas Tutorial: Importing Data with read_csv()
- Web Scraping With Python and Beautiful Soup
- How to Import Data Into R: A Tutorial
- Importing Data Into R - Part Two
Pas je skills toe
- Importing and Cleaning Data
- The Android App Market on Google Play
- Visualize Historical Stock Data with a Candlestick Chart
- Analyzing Streaming Service Content in SQL
- Analyzing Students' Mental Health in SQL
Data wrangling
- Voer veelvoorkomende datamanipulaties uit, zoals sorteren, subsetten, nieuwe features toevoegen en aggregeren.
- Voeg twee datasets samen via inner, left en andere joins.
- Pivot een rechthoekige dataset om rijen naar kolommen of kolommen naar rijen te converteren.
Leren op DataCamp
- Data Manipulation with pandas
- Joining Data with pandas
- Reshaping Data with pandas
- Data Manipulation with dplyr
- Joining Data with dplyr
- Reshaping Data with tidyr
- Joining Data in SQL
- Pandas Cheat Sheet for Data Science in Python
- Data Manipulation with dplyr in R Cheat Sheet
- SQL Joins Cheat Sheet
- Pandas Cheat Sheet: Data Wrangling in Python
- Joining DataFrames in pandas Tutorial
- Joins in SQL Tutorial
Pas je skills toe
- What and Where are the World's Oldest Businesses?
- Streamlining Employee Data
- Merge DataFrames
- Analyzing NASA Planetary Exploration Budgets in SQL
Data opschonen
- Identificeer en herstel problemen met datacondities, zoals onjuiste datatypes, waarden buiten het bereik of dubbele waarden.
- Identificeer en herstel problemen met tekst- en categorische data, zoals ongeldige categorieën of onjuiste opmaak.
- Identificeer en herstel problemen met data-uniformiteit, zoals onjuiste eenheden, verkeerde datumnotaties en inconsistentie tussen features.
- Identificeer en herstel problemen met ontbrekende datapunten.
Leren op DataCamp
Pas je skills toe
- Exploring the Bitcoin Cryptocurrency Market in Python
- Real-time Insights from Social Media Data in Python
Zakelijk inzicht
Bedrijfsdoelen
- Doe aanbevelingen voor analytische aanpakken op basis van bedrijfsdoelen.
- Beoordeel de prestaties van analytische resultaten aan de hand van KPI’s of andere relevante bedrijfscriteria.
Leren op DataCamp
Pas je skills toe
- Comparing Search Interest with Google Trends
- Optimizing Online Sports Retail Revenue
- Predict CTR and Evaluate ROI
- Calculate Customer Churn Metrics
Organisatietkennis
- Begrijp de impact van data science-projecten op je bedrijf.
- Begrijp welke teams of medewerkers betrokken moeten zijn bij een dataproject en in welke rol.
Leren op DataCamp
Pas je skills toe
- Which Debts Are Worth the Bank's Effort?
- Feature Engineering for Fraud Detection
- User Retention by Cohort
- Analyzing a Marketing Funnel in Spreadsheets
- Visualizing Cost Savings in Tableau
Programmeren voor data science
Computationeel denken
- Gebruik gangbare programmeerconstructies zoals flow control en iteratie.
- Begrijp functies en functioneel programmeren om herhaalbare code voor analyse te schrijven.
Leren op DataCamp
Pas je skills toe
- Functions for Food Price Forecasts
- Writing Functions for Product Analysis
- Group and Aggregate data with custom functions
Productiecode schrijven
- Maak gebruik van versiebeheer zoals git om code te beheren.
- Gebruik foutafhandeling, assertions en unittests om codekwaliteit te waarborgen.
- Schrijf documentatie zodat anderen je code begrijpen.
- Ontwikkel packages om je code herbruikbaar te maken.
Leren op DataCamp
Pas je skills toe
Modelontwikkeling
Modelontwerp
- Kies een geschikt modeltype (regressie, classificatie, clustering, enz.) op basis van je dataset en de analysedoelen.
Leren op DataCamp
- Supervised Learning with scikit-learn
- Unsupervised Learning in Python
- Supervised Learning in R: Classification
- Supervised Learning in R: Regression
- Unsupervised Learning in R
- Supervised Machine Learning Cheat Sheet
- Unsupervised Machine Learning Cheat Sheet
- 8 Machine Learning Models Explained in 20 Minutes
Pas je skills toe
- Predicting Credit Card Approvals
- Predict Taxi Fares with Random Forest
- Classify Song Genres from Audio Data
- Find Movie Similarity from Plot Summaries
- Clustering Heart Disease Patient Data
- ASL Recognition with Deep Learning
- Disney Movies and Box Office Success
Feature engineering
- Haal probleemrelevante informatie uit bestaande features, zoals de dag van de week uit een datetime-variabele halen, of een "is werkzame leeftijd"-indicator uit een geboortedatum.
- Combineer meerdere features tot nieuwe features, bijvoorbeeld regionale verkopen optellen tot totale omzet, of winst berekenen als omzet min kosten.
- Gebruik externe datasets om nieuwe features te definiëren, bijvoorbeeld een geografische API om de stad op te halen uit lengte- en breedtegraad, of een computer vision-API om te bepalen of een afbeelding mensen bevat.
- Gebruik imputation om ontbrekende waarden te schatten.
Leren op DataCamp
Pas je skills toe
- Customer Analytics: Preparing Data for Modeling
- Predict Taxi Fares with Random Forest
- Classify Song Genres from Audio Data
- Find Movie Similarity from Plot Summaries
- Encoding Categorical Variables
- Sentiment Analysis and Prediction in Python
Model fitten
- Kan trainings- en testsplitsingen uit een dataset genereren, inclusief het gebruik van cross-validatie.
- Gebruikt hyperparameter-tuning om modelprestaties te optimaliseren.
Leren op DataCamp
Pas je skills toe
- What Makes a Pokémon Legendary?
- Predict Taxi Fares with Random Forests
- Machine Learning with Python
- Machine Learning with R
- Predicting Hotel Booking Cancellations in Python
- Analyzing a Time Series of the Thames River in Python
Modelvalidatie
- Kan de prestaties van supervised learning-modellen evalueren met metrics zoals nauwkeurigheid, precisie en recall.
- Kan de prestaties van unsupervised learning-modellen evalueren met metrics zoals homogeniteit, volledigheid en de silhouettecoëfficiënt.
Leren op DataCamp
Pas je skills toe
- Clustering Bustabit Gambling Behavior
- Degrees That Pay You Back
- Evaluate your ML Model using the F-score
- How to Explain Black-Box Machine Learning Models
Statistische experimenten
Steekproefmethoden
- Begrijp statistische verdelingen zoals de normale, uniforme en Poisson-verdeling.
- Kies geschikte steekproefmethoden om je vragen te beantwoorden en vooringenomenheid te vermijden.
Leren op DataCamp
Pas je skills toe
Hypothesetoetsing
- Begrijp nul- en alternatieve hypothesen.
- Weet wanneer en hoe je toetsen gebruikt zoals de t-toets, Chi-kwadraattoets en Mann-Whitney U-toets.
- Interpreteer teststatistieken en p-waarden.
Leren op DataCamp
Pas je skills toe
Datacommunicatie
Data storytelling
- Maak een verhaallijn die je motivatie, methoden, resultaten en conclusies beschrijft.
- Zorg dat je verhaal consistent is met de bevindingen uit de data.
- Redigeer je verhaal en verwijder overbodige details.
Leren op DataCamp
Pas je skills toe
Begrijp je publiek
- Begrijp de voorkennis en interesses van je publiek.
- Stem je boodschap af zodat die aanslaat bij het publiek, ook als het niet-technisch is.
Leren op DataCamp
Pas je skills toe
Onderwerpen
