Datenlebenszyklus

In wenigen Schritten mit Daten zu aussagekräftigen Ergebnissen? Der DatenlebenszyklusDatenlebenszyklusDer Datenlebenszyklus beschreibt den gesamten Lebensweg von Daten, von ihrer Erfassung bis zur Archivierung oder Löschung. Er umfasst Phasen wie Datenerfassung, -speicherung, -verarbeitung, -analyse und -archivierung. Ein gutes Management des Datenlebenszyklus hilft Organisationen, ihre Daten effizient zu nutzen und Datenschutzrichtlinien einzuhalten. Das Civic Data Lab hat ein angepasste Modell passend für zivilgesellschaftliche Projekte entwickelt. gibt Euch einen Überblick: von der Planung bis zur Umsetzung. Klickt Euch durch die interaktive Grafik und erfahrt, was bei der Verarbeitung von Daten wichtig ist.

Daten auswerten

Neben der Analyse Eurer Daten ist die Interpretation und die kritische Reflexion der Ergebnisse wichtig. Stellt sicher, dass die von Euch gewählte Analyse zu Euren Daten und zu Eurer Fragestellung passt.

Leitfragen

  • Wie analysiere ich die Daten?
  • Wie interpretiere ich die DatenanalyseDatenanalyseDatenanalyse ist der Prozess der (systematischen) Untersuchung von Daten, um Erkenntnisse zu gewinnen. Sie umfasst Techniken wie deskriptive, explorative und inferentielle Analysen und unterstützt datenbasierte Entscheidungen. Datenanalyse findet Anwendung in Bereichen wie Wirtschaft, Gesundheitswesen, Marketing und Wissenschaft. Deskriptiv: Die beschreibende Statistik hat zum Ziel einen Überblick über die Daten zu bekommen. Dabei wird vor allem mit (Häufigkeits-)Tabellen gearbeitet oder Kennwerten wie Mittelwert, Median, Standardabweichung und Varianz berechnet. Deskriptives Vorgehen: Die beschreibende Statistik hat zum Ziel einen Überblick über die Daten zu bekommen. Dabei wird vor allem mit (Häufigkeits-)Tabellen gearbeitet oder Kennwerten wie Mittelwert, Median, Standardabweichung und Varianz berechnet. Exploratives Vorgehen: Bei der als auch erforschenden Statistik bezeichneten Methode, steht die Sammlung von Information im Vordergrund zudem es bisher kein oder wenig Wissen gibt. Es werden zum Beispiel noch keine Hypothesen aufgestellt. Inferentielle Statistik: Auch als schließende Statistik bezeichnet, beschreibt den statistischen Prozess, von den Ergebnissen einer Stichprobe auf die Grundgesamtheit zu schließen.?

Mehr zu Analysieren

  • Welche Analysemethoden passen zu meiner Fragestellung und zu meinen Daten?
  • Welche Tools nutze ich für die Analyse?
  • Kann mich eine KI-Anwendung bei der Analyse unterstützen?

Mehr zu Interpretieren

  • Wie interpretiere ich die Daten und die durchgeführte Datenanalyse?
  • Gibt es Eigenschaften meiner Daten oder des bisherigen Verarbeitungsprozesses, die ich kritisch hinterfragen sollte?
Übergangswelle

Kompetenzlevel

Ihr möchtet wissen, wo Ihr steht und wie Ihr weiterlernen könnt? Schätzt Eure Vorerfahrung anhand der drei Level ein und erhaltet Lernempfehlungen, um ins nächste Level aufzusteigen.

Anfänger*in

  • Nutzt meistens Tabellen, um Informationen aus Daten zu bekommen, nutzt z.B. einfache Rechenoperationen in Tabellentools wie Excel
  • weiß, dass Daten beschreibend analysiert werden können
  • weiß, was ein Mittelwert ist, hat vor anderen  statistische Begriffen und Konzepten noch Respekt
  • Übernimmt Ergebnisse aus den Daten, ohne sie zu hinterfragen. Überprüft die Richtigkeit von Aussagen nicht.

Unsere Lernempfehlungen

  • Zeitaufwand: kurz
  • Format: Video
  • Erfahrungslevel: Anfänger*in
  • CC-BY-SA 4.0

Erklärvideo: Was ist Datenanalyse?

Ein erster Einblick in die Welt der Datenanalyse erwartet Dich im Video: Es werden Dir zentrale Begriffe und Grundlagen vorgestellt und das allgemeine Vorgehen Schritt für Schritt erklärt. Dabei wird nicht nur die Theorie beleuchtet, sondern Dir auch näher gezeigt, wie sich diese in der Praxis anwenden lässt.
Mehr erfahren
  • Zeitaufwand: mittel
  • Format: Online-Kurse
  • Erfahrungslevel: Anfänger*in
  • Kostenpflichtig
  • englisch

Introduction to Statistics

Statistik ist überall – von Marketing und Vertrieb bis hin zum Gesundheitswesen. Die Fähigkeit, Daten zu sammeln, zu analysieren und daraus Schlüsse zu ziehen, wird immer wertvoller und zunehmend auch in nicht-analytischen Berufen erwartet. In diesem Kurs lernst Du die Grundlagen der Statistik und entwickelst die Fähigkeit, Daten zu analysieren und wertvolle Einblicke zu gewinnen. Du wirst Methoden kennenlernen, um Daten zusammenzufassen und zu beschreiben. Du wirst erfahren, wie Wahrscheinlichkeiten auf kommerzielle Szenarien angewendet werden, und entdecken, wie Experimente durchgeführt werden, um Muster und Zusammenhänge zu verstehen.
Mehr erfahren
  • Zeitaufwand: kurz
  • Format: Lernmaterialen
  • Erfahrungslevel: Anfänger*in
  • englisch

Excel Formulas Cheat Sheet

Mit diesem einfachen Spickzettel behältst Du über die Grundlagen von Excel den Überblick. Du findest alles Wichtige zu Formeln, Operatoren, mathematischen Funktionen und mehr – kompakt zusammengefasst und jederzeit griffbereit. Perfekt für den Einstieg und zum Nachschlagen.
Mehr erfahren
  • Zeitaufwand: kurz
  • Format: Video
  • Erfahrungslevel: Anfänger*in
  • CC-BY-SA 4.0

Erklärvideo – Was ist Datenalyse?

Dieses kurze Erklärvideo erklärt grundlegend, was Datenanalyse ist, welche wichtigen Begriffe es dabei gibt und welche Analyseformen es gibt. Wenn Ihr einen Einstieg und Überblick sucht, gibt Euch das Video Aufschluss über das allgemeine Vorgehen bei einer Datenanalyse.
Mehr erfahren
  • Zeitaufwand: kurz
  • Format: Online-Kurse
  • Erfahrungslevel: Anfänger*in
  • 8 Stunden

E-Learning Statistik

Wie erhebst du Daten? Was unterscheidet den Mittelwert vom Median? Wie berechnest du eine Lorenz-Kurve? Und wie stellst du deine Daten und Ergebnisse am besten grafisch dar? Neben Antworten auf diese Fragen findest du in diesem Online-Kurs einen Einstieg in die Grundlagen der Statistik und die Erhebung von Daten. Dies bietet dir eine gute Basis für deine Datenanalysen.
Mehr erfahren
  • Zeitaufwand: lang
  • Format: Online-Kurse
  • Erfahrungslevel: Anfänger*in
  • 3 Wochen á 6 Stunden
  • Kostenpflichtig

Einführung in die Datenanalyse mit Excel

Möchtest du deine Excel-Kenntnisse aufbauen, um sie später in der Unternehmensstatistik zu nutzen? Dieser Einführungskurs deckt alle wichtigen Grundlagen ab und richtet sich sowohl an absolute Anfänger*innen als auch an diejenigen, die bereits mit Excel vertraut sind, aber ihre Fähigkeiten verbessern möchten. Von einfachen Aufgaben bis hin zu fortgeschrittenen Funktionen führt dich der Kurs durch alles, was du wissen musst. Mit leicht verständlichen Beispielen werden die Funktionen von Excel präsentiert, sodass du sie sofort anwenden kannst.
Mehr erfahren
  • Zeitaufwand: lang
  • Format: Online-Kurse
  • Erfahrungslevel: Anfänger*in
  • 4 Wochen á 3-5 Stunden
  • englisch

Excel for Beginners

Wer grundlegende Excel-Fähigkeiten beherrscht, dem öffnet es Türen zu neuen Möglichkeiten und Jobs. In diesem Kurs lernen die Teilnehmenden die Grundlagen von Microsoft Excel (auch anwendbar auf Google Sheets) kennen, darunter Tabellen, Arbeitsmappen, Dateneingabe, Zusammenfassung und Diagrammerstellung. Auch leistungsstarke Tools wie Funktionen, bedingte Formatierung, VLOOKUP, mathematische Formeln, Diagramme, Makros, Tasten-kombinationen, Filter, Sortierungen und Pivot-Tabellen sind Kursinhalte.
Mehr erfahren

Fortgeschrittene*r

  • nutzt Tabellentools wie z.B. Excel mit methodischer Vielfalt: setzt Pivot-Tabellen, umfangreiche Datentabellen und Zusammenfassungen, Histogramme, Boxplots etc. ein – meist beschreibend (deskriptiv)
  • weiß, dass auch andere SoftwareSoftwareWährend Hardware die physischen Bestandteile eines Computers beschreibt, wie zum Beispiel eine Festplatte, wird der Begriff Software für die Programme eines Computers verwendet, die ihn funktionsfähig machen, wie zum Beispiel das Betriebssystem. zur statistischen Datenanalyse verwendet werden kann z.B. SPSS
  • hat schon erste Erfahrung mit Statistik, kann mit grundlegenden statistischen Methoden z.B. Variation, Streuung, p-Wert umgehen und kann Beziehungen zwischen Variablen darstellen
  • Hat KI schonmal  unterstützend angewendet z.B. Chat Bots, julius.ai
  • kann grundlegende Diagramme interpretieren, hat manchmal noch Unsicherheiten, worauf genau bei der Interpretation und Fehleranalyse zu achten ist.
  • hat ein wachsendes Bewusstsein für die Notwendigkeit, Ergebnisse aus Daten stetig kritisch zu hinterfragen und kennt grundlegende Formen der Manipulation von Statistiken und Berichte und die zu beachtenden Kriterien

Unsere Lernempfehlungen

  • Zeitaufwand: kurz
  • Format: Lernmaterialen
  • Erfahrungslevel: Fortgeschrittene*r
  • englisch

Jupyter Notebooks Cheat-Sheet

Jupyter Notebooks sind ein unverzichtbares Tool für Datenwissenschaftler*innen. Sie ermöglichen es, Code, Texte und HTML in einem Dokument zu kombinieren – ideal für Echtzeitanalysen und die Dokumentation von Ergebnissen. Dieser Spickzettel bietet Dir einen Gedächtnisstütze und Zusammenfassung der wichtigsten Funktionen.
Mehr erfahren
  • Zeitaufwand: kurz
  • Format: Lernmaterialen
  • Erfahrungslevel: Fortgeschrittene*r
  • englisch

Python Cheat Sheet for Beginners

Python ist die beliebteste Programmiersprache in der Datenwissenschaft. Sie ist leicht zu erlernen und bietet eine Vielzahl leistungsstarker Bibliotheken für die Datenanalyse. Dieser Spickzettel dient als Leitfaden für Anfänger*innen, um den Einstieg in Python zu erleichtern und die wichtigsten Funktionen im Blick zu behalten.
Mehr erfahren
  • Zeitaufwand: kurz
  • Format: Lernmaterialen
  • Erfahrungslevel: Fortgeschrittene*r
  • englisch

Tidyverse Cheat Sheet for Beginners

Dieser Spickzettel bietet dir einen Überblick über grundlegende Inhalte und Funktionen des Tidyverse und stellt Dir zwei seiner Kernpakete vor: dplyr und ggplot2. Lerne, wie Du Daten effizient manipulieren und aussagekräftige Visualisierungen erstellen kannst.
Mehr erfahren
  • Zeitaufwand: mittel
  • Format: Online-Kurse
  • Erfahrungslevel: Fortgeschrittene*r
  • Kostenpflichtig
  • englisch

Introduction to the R Package tidyverse

Diese Einführung in die Programmiersprache R konzentriert sich auf das leistungsstarke Toolset des Tidyverse. Du lernst die Prozesse der Datenmanipulation und -visualisierung mithilfe von dplyr und ggplot2 kennen. Du wirst reale historische Länderdaten bearbeiten, indem du sie filterst, sortierst und zusammenfasst, um explorative Fragestellungen zu beantworten. Anschließend setzt Du diese aufbereiteten Daten in anschauliche Visualisierungen wie Liniendiagramme, Balkendiagramme und Histogramme um – alles mit dem Paket ggplot2. Diese Einführung ist ideal für alle, die noch keine Erfahrung mit R haben und sich für die Durchführung von Datenanalysen interessieren.
Mehr erfahren
  • Zeitaufwand: kurz
  • Format: Lernmaterialen
  • Erfahrungslevel: Fortgeschrittene*r
  • englisch

Descriptive Statistics Cheat Sheet

Mit diesem Spickzettel lernst Du die gängigsten Techniken der deskriptiven Statistik kennen. Diese Methode wird häufig in der Datenwissenschaft genutzt, um Daten zu erkunden, zu verstehen und fundierte Entscheidungen zu treffen. Das Sheet bietet dir eine praktische Übersicht über alle relevanten Werkzeuge und Techniken der deskriptiven Statistik, die Dir helfen, Deine Analysen effizient und zielgerichtet durchzuführen.
Mehr erfahren
  • Zeitaufwand: lang
  • Format: Website
  • Erfahrungslevel: Fortgeschrittene*r
  • englisch

R for Data Science

Lerne mit „R for Data Science“, wie Du Rohdaten analysierst und in wertvolle Erkenntnisse verwandelst. Die Website vermittelt Dir die wichtigsten Werkzeuge in R, um Daten effizient und reproduzierbar zu verarbeiten. Es bietet eine solide Grundlage, um typische Herausforderungen der Datenwissenschaft zu meistern und bei Bedarf weiterführende Ressourcen zu nutzen.
Mehr erfahren
  • Zeitaufwand: lang
  • Format: Online-Kurse
  • Erfahrungslevel: Fortgeschrittene*r
  • 4 Wochen á 5-10 Stunden

Python – schnell und intensiv Programmieren lernen

Möchtest Du die Programmiersprache Python erlernen und schnell in die Praxis umsetzen? In diesem Kurs eignest Du Dir die Grundlagen des Programmierens an und vertiefst dein Wissen mit praktischen Programmieraufgaben, die sofort Feedback liefern. Python eignet sich ideal für die Entwicklung von Desktop- und Webanwendungen, Datenanalyse, Künstliche Intelligenz und viele weitere spannende Anwendungen. Der Kurs richtet sich an Personen, die keine oder wenig Vorerfahrung mit Python und mathematische Grundkenntnissen besitzen. Er führt Dich Schritt für Schritt durch die wesentlichen Konzepte der Programmierung: Variablen, Schleifen, Funktionen, Fehlerbehandlung und vieles mehr.
Mehr erfahren
  • Zeitaufwand: kurz
  • Format: Online-Kurse
  • Erfahrungslevel: Fortgeschrittene*r
  • 2-4 Stunden

Einführung in Python und Jupyter Notebooks

Dieser Python-Vorkurs ist der ideale Einstieg in die Welt der Data Science und Künstlichen Intelligenz. Er richtet sich an Anfänger*innen und diejenigen, die ihre Grundkenntnisse auffrischen möchten. Python eignet sich gut für einen Einstieg in die Welt der Programmiersprachen. Neben Programmiergrundlagen und Visualisierungsmöglichkeiten lernt ihr Jupyter Notebooks und die Bibliotheken Pandas und skLearn kennen.
Mehr erfahren
  • Zeitaufwand: kurz
  • Format: Website
  • Erfahrungslevel: Fortgeschrittene*r
  • CC-BY-SA 4.0
  • open source tool

Daten lesen lernen mit Python

Auf dieser Seite findest du Übungen zu Grundlagen der Programmierung in Python sowie den Einsatz von Bibliotheken zum Umgang mit verschiedenen Datentypen. Du lernst Jupyter Notebooks kennen und kannst Gelerntes an Fallstudien ausprobieren. Die Materialien stehen auf github zum Selbstlernen zur Verfügung.
Mehr erfahren
  • Zeitaufwand: lang
  • Format: Online-Kurse
  • Erfahrungslevel: Fortgeschrittene*r
  • 4 Wochen á 10-15 Stunden

Programmieren mit R für Einsteiger*innen

Möchtest du deine Fähigkeiten in Datenanalyse und -visualisierung verbessern? Dieser Kurs vermittelt dir die Grundlagen der Programmierung mit R. Entwickle praktische Fertigkeiten, die du sofort anwenden kannst. Nach dem Kurs bist du in der Lage, Datensätze einzulesen, zu verarbeiten und zu visualisieren.
Mehr erfahren
  • Zeitaufwand: lang
  • Format: Online-Kurse
  • Erfahrungslevel: Fortgeschrittene*r
  • englisch
  • open source tool

Data Analysis with Python

In diesem Kurs lernst du die Grundlagen der Datenanalyse mit Python. Du liest Daten von unterschiedlichen Quellen, wie CSV und SQL ein und nutzt Bibliotheken wie Numpy, Pandas, Matplotlib und Seaborn, um Daten zu verarbeiten und zu visualisieren. Wenn du schon einige Grundkenntnisse in der Programmierung hast, ist der Kurs gut für dich geeignet.
Mehr erfahren
  • Zeitaufwand: lang
  • Format: Online-Kurse
  • Erfahrungslevel: Fortgeschrittene*r
  • ca. 36 Stunden
  • CC-BY-SA 4.0
  • open source tool

Von der Datenanalyse zur Datengeschichte

Zielgruppengerechte Kommunikation von Datenanalyseergebnissen wird in einer Zeit mit komplexen Herausforderungen wie beispielsweise dem Klimawandel zunehmend wichtiger. In diesem Kurs erlernst du die Voraussetzungen dafür, Geschichten mit Daten zu erzählen. Neben Jupyter Notebooks, quantitativer Datenanalyse und Datenvisualisierung mit R lernst du auch unterschiedliche Typen von Geschichten kennen.
Mehr erfahren

Expert*in

  • kann vielfältige und fortschrittliche digitale Tools zur Datenanalyse nutzen z.B. Tableau, SPSS
  • Beherrscht und verwendet auch komplexere Modelle der Datenanalyse (z.B. Clustering, Erstellen von Prognosen und Vorhersagen), kann einschätzen, welche Methoden für welche Fragestellungen und Daten sinnvolle Ergebnisse liefern und erkennt die Grenzen der Analyseergebnisse
  • hat schon erste Erfahrung mit maschinellem Lernen und KI-Modellen und anderen diagnostischen und prädiktiven Analysemethoden
  • hat schon Programmiererfahrung und nutzt diverse Programme für die Datenanalyse z.B. Python, R
  • ist sicher bei der Anwendung von statistischen Konzepten z.B. lineare Regression und weiß, welche statistischen Analysen zulässig und aussagekräftig sind z.B. T-Test, ANOVA
  • kann Datenprodukte (Statistiken, Modellergebnisse) interpretieren bzw. kann kritisch die explizit oder implizit gelieferte Interpretation prüfen
  • Reflektiert eigene Vorannahmen und trennt diese sicher von den interpretierten Ergebnissen
  • denkt die weitere Verarbeitung der Daten und Erkenntnisse schon während der Auswertung mit

Unsere Lernempfehlungen

  • Zeitaufwand: kurz
  • Format: Lernmaterialen
  • Erfahrungslevel: Expert*in
  • englisch

NumPy Cheat Sheet: Data Analysis in Python

NumPy gehört zu den Grundlagen-Paketen für das Programmieren in Python und ist die Basis vieler weiterer Packages, wie Pandas, Scikit-Learn und SciPy. Wenn Du Daten mit Python analysieren möchtest, solltest Du Dich mit NumPy vertraut machen. Der Spickzettel zeigt Dir einen Überblick über Inhalte und Funktionen von NumPy, die Du für den Einstieg benötigst.
Mehr erfahren
  • Zeitaufwand: kurz
  • Format: Lernmaterialen
  • Erfahrungslevel: Expert*in
  • Kostenpflichtig
  • englisch

Introduction to Power BI

In diesem Online-Kurs erhältst Du einen umfassenden Überblick über Power BI. Du wirst Schritt für Schritt in die Nutzung dieser beliebten Business-Intelligence-Plattform eingeführt – von den Grundlagen bis hin zu interaktiven Berichten. Du lernst, Daten sicher mit Power Query zu laden und zu transformieren, die Bedeutung von Datenmodellen zu verstehen und interaktive Visualisierungen mit der Drag-and-Drop-Funktion zu erstellen. Außerdem wirst Du Berichte detailliert analysieren und vollständig interaktiv gestalten können.
Mehr erfahren
  • Zeitaufwand: lang
  • Format: Website
  • Erfahrungslevel: Expert*in
  • englisch

Data analysis with the tidyverse

Das Ziel dieses Moduls ist es, Dir eine Grundlage für die wichtigsten Werkzeuge der Datenanalyse mit Hilfe des R-Packages tidyverse zu vermitteln. Damit kannst Du Dein Wissen eigenständig erweitern und vertiefen, um komplexere Analysen durchführen zu können.
Mehr erfahren
  • Zeitaufwand: mittel
  • Format: Online-Kurse
  • Erfahrungslevel: Expert*in
  • Kostenpflichtig
  • englisch

Intermediate Python

Dieser Kurs ist ideal für alle, die ihre Python-Kenntnisse auf das nächste Level bringen möchten. Er baut auf Euren bestehenden Grundlagen auf und führt Euch in fortgeschrittene Anwendungen ein. In vier Stunden lernt Ihr, wie Ihr mit Matplotlib Daten visualisiert, mit Dictionaries und Pandas DataFrames arbeitet und Eure Effizienz beim Umgang mit Daten steigert. Ihr lernt, Daten zu erstellen, zu manipulieren und effizient darauf zuzugreifen. Zusätzlich erarbeitet Ihr Euch ein solides Verständnis für Boolsche Logik, Kontrollstrukturen und Schleifen, die Euch helfen, datenbezogene Operationen präziser und wiederholbarer auszuführen.
Mehr erfahren
  • Zeitaufwand: kurz
  • Format: Lernmaterialen
  • Erfahrungslevel: Expert*in
  • englisch

Machine Learning Cheat Sheet

Möchtest Du wissen, welche Machine Learning-Algorithmen es gibt und wann Du sie am besten einsetzt? Dann ist diese Übersicht genau das Richtige für Dich! Im Cheat Sheet findest du eine kompakte Zusammenfassung der gängigsten ML-Modelle, sowie ihre Vor- und Nachteile und typische Anwendungsfälle.
Mehr erfahren
  • Zeitaufwand: mittel
  • Format: Online-Kurse
  • Erfahrungslevel: Expert*in
  • Kostenpflichtig
  • englisch

Exploratory Data Analysis in SQL

Datenbanken erkunden leicht gemacht! Möchtest Du lernen, wie Du die Möglichkeiten einer Datenbank vollständig ausschöpfst? In diesem Online-Kurs lernst Du, wie Du die Tabellen in einer Datenbank identifizierst, sie verknüpftest und die darin gespeicherten Daten gezielt mit Hilfe von SQL abfragst, aggregierst und analysierst. Du übst auch den Umgang mit unstrukturierten und kategorischen Daten, sowie Zeitreihen und wie Du Strategien entwickelst um häufigen Problemen zu begegnen und chaotische Daten zu bereinigen.
Mehr erfahren
  • Zeitaufwand: lang
  • Format: Online-Kurse
  • Erfahrungslevel: Expert*in
  • 8 Wochen á 2 Stunden
  • CC-BY-SA 4.0
  • open source tool

Data Literacy – Daten interpretieren durch Data Mining

Mithilfe von Data Mining aus großen Datenmengen ist es möglich, neue Erkenntnisse über Zusammenhänge zu gewinnen und genaue Vorhersagen zu treffen. Wie geschieht das? Und wie kann ein Programm selber aus Daten lernen? Dieser Kurs gibt dir eine Einführung. Es werden hierzu selbstlernende Algorithmen des Data Mining im Online-Workshop vorgestellt und ihre Ideen anschaulich erklärt. Im nächsten Schritt lernst du erste Anwendungen im Kontext unterschiedlicher Problemstellungen und mittels echter Datensätze umzusetzen.
Mehr erfahren
  • Zeitaufwand: lang
  • Format: Online-Kurse
  • Erfahrungslevel: Expert*in
  • englisch
  • open source tool

Machine Learning with Python

Maschinelles Lernen findet viele praktische Anwendungen. Du nutzt in diesem Kurs das TensorFlow Framework, um neuronale Netze zu erstellen und entdeckst fortgeschrittene Techniken des maschinellen Lernens, wie die Verarbeitung natürlicher Sprache und bestärkendes Lernen. Außerdem lernst du unterschiedliche Typen von neuronalen Netzwerken kennen.
Mehr erfahren
  • Zeitaufwand: lang
  • Format: Online-Kurse
  • Erfahrungslevel: Expert*in
  • 4 Wochen á 5-10 Stunden
  • englisch
  • open source tool

Einführung in die Bayessche Datenanalyse

Dieser Kurs ist eine Einführung in die Bayes’sche Datenanalyse. Du lernst einige Grundlagen über zufällige Variablen, Wahrscheinlichkeitsverteilungen und die Anwendung der Bayes`schen Regeln in der Datenanalyse kennen. Der Kurs ist für dich geeignet, wenn du Vorerfahrung mit der Programmiersprache R hast und du bereits lineare Modelle in der Datenanalyse angewandt hast.
Mehr erfahren
  • Zeitaufwand: kurz
  • Format: Online-Kurse
  • Erfahrungslevel: Expert*in
  • 4-8 Stunden
  • open source tool

Bildklassifikation mit Convolutional Neural Networks

Convolutional Neural Networks sind eine Klasse von neuronalen Netzwerken, die speziell für Bilddaten entwickelt wurden. Im Fortsetzungskurs von Quickstart Deep Learning hebst du deine Deep Learning-Kenntnisse auf das nächste Level. Der Kurs enthält einen Exkurs in das Thema Regressionen und du erweiterst deine Programmierkenntnisse mit Python.
Mehr erfahren
  • Zeitaufwand: lang
  • Format: Online-Kurse
  • Erfahrungslevel: Expert*in
  • 6 Wochen á 3-6 Stunden

Big Data Analytics

In diesem Kurs lernst du, wie du bei der Auswertung riesiger Datenmengen sinnvoll vorgehst – angefangen bei modernsten Data Mining-Techniken zum „Schürfen“ verborgener oder ungenutzter Informationen über die Aufbereitung bis hin zur Analyse der Daten. Der Kurs beinhaltet aktuelle Anwendungen und einprägsame Praxisbeispiele und ist auf Deutsch, die Folien sind auf Englisch.
Mehr erfahren
  • Zeitaufwand: lang
  • Format: Online-Kurse
  • Erfahrungslevel: Expert*in
  • 4 Wochen á 5-7 Stunden
  • englisch

Data Science Bootcamp

Dieser Intensiv-Kurs ist was für dich, wenn du Programmiererfahrung in Python hast. Du erlangst tiefere Kenntnisse und praktische Fähigkeiten im Bereich Datenwissenschaft (Data Science), mit dem Fokus auf maschinellem Lernen. Unter anderem lernst du: Datenanalyse und -interpretation auf statistischer Grundlage und explorativ mittels Jupyter Notebooks, Datenvisualisierung mittels Bibliotheken wie NumBy, Pandas und Matplotlib, Erstellung von Modellen mittels scikit-learn.
Mehr erfahren