- Einführung in Data Analysis, Datenquellen und Datenrollen
- Verständnis von Datenverarbeitung, Datenqualität und Datenethik für präzise Data Analysis
- Nutzung von Github, Markdown und Spreadsheets für erste Schritte in der Data Analysis
Big Data Analytics mit Python
- Programmierung mit Python: Bedingungen, Schleifen, Funktionen für Data Analysis
- Data Analysis mit Python: Dictionaries, Listen, Loops
- Mini-Projekte zur praktischen Anwendung von Big Data Analytics in realen Analyse-Szenarien
Professionelle Datenverarbeitung mit Pandas
- Data Wrangling, Data Cleaning und Data Aggregation bei Big Data-Quellen
- Erstellung von aussagekräftigen Visualisierungen großer Big Data-Datensätze
- Nutzung statistischer Methoden zur tiefgehenden Data Analysis mit Pandas
Fortgeschrittene Analytics Methoden
- Lineare Regression, Clustering und A/B Testing für Big Data Analysis
- Confidence Intervals, Verteilungen und analytische Denkweise zur Verbesserung der Data Analysis
- Anwendung analytischer Modelle auf komplexe Big Data Sets
Analytische Infrastruktur & Visualisierung
- Nutzung von DBT und Data Pipelines für Big Data Engineering
- Verwendung von SQL und Cloud-Datenbanken für skalierbare Data Analysis
- Erstellung interaktiver Dashboards mit Tableau zur Visualisierung von Big Data
Der Kurs deckt Big Data Analytics mit Python ab und nutzt Pandas für Datenverarbeitung, einschließlich Data Wrangling und Data Cleaning.