Grundlagen der Datenwissenschaftlichen Techniken
- Erforschen der Hauptprinzipien in der Datenwissenschaft
- Erlernen der Techniken von Data Science für Analyse und Modellierung
- Einblick in die Tätigkeiten und Fähigkeiten eines Datenwissenschaftlers
Wesentliche Konzepte von Data Science
- Verstehen der Data Science-Konzepte, inklusive Datenpflege
- Einführung in Data Science mit Tools wie Python und SQL
- Verwendung von Bibliotheken wie Pandas und Numpy für Datenhandhabung
Datenvorbereitung und -bearbeitung
- Methoden zur Konvertierung von Rohdaten in verwertbare Formen
- Behandlung von fehlenden, mehrfachen oder inkonsistenten Daten
- Grundlegendes zur Datenaufbereitung für maschinelle Lernalgorithmen
Explorative Datenanalyse für Data Science
- Explorationstechniken für das Studium von Daten
- Nutzen von Matplotlib und Seaborn für Datenvisualisierung
- Analyse und Abstraktion von Insights für Geschäftsentwicklungen
Visuelle Datenaufbereitung und Geschäftssicht
- Erarbeitung anschaulicher Visualisierungen für Datenfindings
- Erstellung von Data-basierten Berichten und Präsentationen
- Optimierung der Grafiken für nicht-technische Stakeholder