Datenanalyse
( 24 Module )

Modul #1
Einführung in die Datenanalyse
Überblick über Datenanalyse, Bedeutung und Anwendungen

Modul #2
Datentypen und -quellen
Datentypen, Datenquellen und Datenerfassungsmethoden

Modul #3
Datenaufbereitung und -bereinigung
Bedeutung der Datenbereinigung, Umgang mit fehlenden Werten und Datentransformation

Modul #4
Grundlagen der Datenvisualisierung
Einführung in die Datenvisualisierung, Diagrammtypen und bewährte Methoden

Modul #5
Deskriptive Statistik
Maße der zentralen Tendenz, Variabilität und Datenverteilung

Modul #6
Datenzusammenfassung und -aggregation
Techniken zur Datenaggregation, -gruppierung und -zusammenfassung

Modul #7
Datenvisualisierung für univariate Analyse
Visualisierung einzelner Variablen mithilfe von Histogrammen, Boxplots und mehr

Modul #8
Datenvisualisierung für bivariate Analyse
Visualisierung von Beziehungen zwischen zwei Variablen mithilfe von Streudiagrammen und mehr

Modul #9
Einführung in die Inferenzstatistik
Grundlagen der Inferenzstatistiken, Stichprobenverteilungen und Konfidenzintervalle

Modul #10
Hypothesentests
Formulieren von Hypothesen, Testarten und Testannahmen

Modul #11
Konfidenzintervalle und Schätzung
Konfidenzintervalle konstruieren und Populationsparameter schätzen

Modul #12
ANOVA und Regressionsanalyse
Varianzanalyse, einfache und multiple Regression und Modellbildung

Modul #13
Zeitreihenanalyse
Einführung in Zeitreihenanalyse, Komponenten und Modellbildung

Modul #14
Prognosemethoden
Exponentielle Glättung, ARIMA und andere Prognosetechniken

Modul #15
Data Mining und maschinelles Lernen
Überblick über Data Mining, maschinelles Lernen und überwachtes Lernen

Modul #16
Algorithmen für überwachtes Lernen
Entscheidungsbäume, Random Forests und andere Algorithmen für überwachtes Lernen

Modul #17
Algorithmen für unüberwachtes Lernen
Clustering, k-Means und hierarchische Clustering

Modul #18
Textanalyse und Verarbeitung natürlicher Sprache
Einführung in Textanalyse, NLP und Stimmungsanalyse

Modul #19
Datenanalyse mit Python
Verwendung von Python zur Datenanalyse, Pandas, NumPy und Matplotlib

Modul #20
Datenanalyse mit R
Verwendung von R zur Datenanalyse, Datenmanipulation und Visualisierung

Modul #21
Datenanalyse mit Excel
Verwendung von Excel zur Datenanalyse, Pivot-Tabellen und Diagrammerstellung

Modul #22
Big Data Analytics
Einführung in Big Data, Hadoop und Spark

Modul #23
Daten-Storytelling und -Kommunikation
Effektive Kommunikation von Erkenntnissen und Ergebnissen an Stakeholder

Modul #24
Kursabschluss und Schlussfolgerung
Planen Sie die nächsten Schritte in Ihrer Karriere als Datenanalytiker

Bereit zu lernen, zu teilen und zu konkurrieren?