Die Anforderungen an Datenanalyse-Kompetenz im Berufsfeld Data Science sind vielfältig, da sie sowohl statistische Methoden als auch programmiertechnische Umsetzungsfähigkeiten umfassen. Data Scientist:innen analysieren Daten nicht nur deskriptiv, sondern leiten daraus Modelle und Entscheidungsgrundlagen ab. Dieser Kurs behandelt die methodischen Grundlagen der Datenanalyse im Data-Science-Kontext.
Kursinhalt1. Explorative Datenanalyse und Datenverständnis
- Statistische Grundkenntnisse für die Datenexploration
- Erkennen von Verteilungen, Ausreißern und fehlenden Werten
- Visualisierung zur Strukturierung von Datenbefunden
2. Datenbereinigung und Aufbereitung
- Methoden zur Behandlung fehlender und fehlerhafter Datenpunkte
- Feature Engineering und Datentransformation
- Konsistenzprüfungen in Datensätzen
3. Statistische Analyseverfahren
- Deskriptive und inferenzstatistische Methoden
- Korrelations- und Regressionsanalysen
- Hypothesenprüfung und statistische Signifikanz
4. Interpretation und Kommunikation von Analyseergebnissen
- Visualisierungsformen für Datenanalyse-Outputs
- Dokumentation von Analyseprozessen
- Ergebniskommunikation gegenüber nicht-technischen Stakeholdern
Berufliche Relevanz
- Data Scientist:innen bauen auf solider Datenanalysekompetenz auf
- Strukturierte Analyseprozesse verbessern die Reproduzierbarkeit von Ergebnissen
- Klare Kommunikation von Befunden erhöht die Nutzung analytischer Erkenntnisse