Data Science R-Programmierung - eLearning
450,00 EUR
- 40 hours
Der Kurs 'Data Science mit R Zertifizierung' befähigt Sie dazu, Ihre Fähigkeiten im Bereich der Datenwissenschaft in verschiedene Unternehmen einzubringen, um ihnen bei der Analyse von Daten zu helfen und fundiertere Geschäftsentscheidungen zu treffen. Der Kurs umfasst Datenexploration, Datenvisualisierung, prädiktive Analytik und beschreibende Analytiktechniken mit der R-Sprache. Sie werden über R-Pakete lernen, wie man Daten in R importiert und exportiert, Datenstrukturen in R, verschiedene statistische Konzepte, Clusteranalyse und Prognose.
Hauptmerkmale
Sprache
Kurs und Material sind auf Englisch
Niveau
Anfänger - Mittelstufe
1 Jahr Zugang
zur E-Learning-Plattform rund um die Uhr
6 Stunden E-Learning-Videomaterial
mit empfohlenen 40 Stunden Lernzeit & Übungen
Praktiken
Virtuelle Labore, Quizze, Testsimulationen, Abschlussprojekte
Keine Prüfung
Für den Kurs gibt es keine Prüfung, aber die Studierenden erhalten ein Zertifikat über die abgeschlossene Ausbildung
Lernergebnisse
Am Ende dieses E-Learning-Kurses für Data Science und R-Programmierung werden Sie in der Lage sein:
R Programmierung meistern
Erwerben Sie Kompetenzen in R und dessen Paketen, um Aufgaben der Datenanalyse effektiv zu bewältigen.
Datenexploration und -visualisierung
Erlernen Sie Techniken zur Erforschung von Datensätzen und zur Erstellung aussagekräftiger Visualisierungen, um Muster und Erkenntnisse zu entdecken.
Statistische Analyse
Verstehen und anwenden verschiedener statistischer Konzepte, um Daten genau zu interpretieren.
Prädiktive und deskriptive Analytik
Erlangen Sie die Fähigkeit, sowohl prädiktive als auch deskriptive Analysen durchzuführen, um Entscheidungsprozesse zu informieren.
Datenimport und -export
Erwerben Sie Fähigkeiten zum Importieren und Exportieren von Daten in R, um einen reibungslosen Datenumschlag zu ermöglichen.
Clusteranalyse und Prognose
Lernen Sie Methoden zur Gruppierung von Daten und zur Erstellung von Prognosen basierend auf Datentrends.
Kurszeitplan
Einführung in die Geschäftsanalytik
Lektion 01
- Übersicht
- Geschäftsentscheidungen und Analytik
- Arten der Geschäftsanalytik
- Anwendungen von Business Analytics
- Überblick über Datenwissenschaft
Einführung in die R-Programmierung
Lektion 02
- Übersicht
- Bedeutung von R
- Datentypen und Variablen in R
- Operationen in R
- Bedingte Anweisungen in R
- Schleifen in R
Datenstrukturen
Lektion 03
- Datenstrukturen identifizieren
- Demo: Identifizieren von Datenstrukturen
- Werte zu Datenstrukturen zuweisen
- Datenmanipulation
- Demo: Werte zuweisen und Funktionen anwenden
Datenvisualisierung
Lektion 04
- Einführung in die Datenvisualisierung
- Datenvisualisierung mit Grafiken in R
- Ggplot2
- Dateiformate für grafische Ausgaben R
Statistik für Data Science-I
Lektion 05
- Einführung in die Hypothesenbildung
- Arten von Hypothesen
- Datenauswahl
- Konfidenz- und Signifikanzniveaus
Statistik für Datenwissenschaft - II
Lektion 06
- Hypothesentest
- Parametrischer Test
- Nichtparametrischer Test
- Hypothesentests über Populationsmittelwerte
- Hypothesentests über Populationsvarianz
- Hypothesentests über Populationsanteile
Regressionsanalyse
Lektion 07
- Einführung in die Regressionsanalyse
- Arten von Regressionsanalysemodellen
- Lineare Regression
- Demo: Einfache lineare Regression
- Nichtlineare Regression
- Demo: Regressionsanalyse mit mehreren Variablen
- Kreuzvalidierung
- Von nichtlinearen zu linearen Modellen
- Hauptkomponentenanalyse
- Faktorenanalyse
Klassifikation
Lektion 08
- Klassifikation und ihre Arten
- Logistische Regression
- Support-Vektor-Maschinen
- Demo: Naiver Bayes-Klassifikator
- Demo: Naiver Bayes-Klassifikator
- Entscheidung: Baumklassifizierung
- Demo: Entscheidungsbaum-Klassifikation
- Zufallswald-Klassifikation
- Bewertung von Klassifikatormodellen
- Demo: K-Fold-Kreuzvalidierung
Clusterbildung
Lektion 09
- Einführung in die Clusteranalyse
- Cluster-Methoden
- Demo: K-Means-Clustering
- Demo: Hierarchische Clusteranalyse
Vereinigung
Lektion 10
- Assoziationsregel
- Apriori-Algorithmus
- Demo: Apriori-Algorithmus
Wer sollte sich für dieses Programm anmelden?
Die Nachfrage nach qualifizierten Datenwissenschaftlern steigt branchenübergreifend, was diesen Zertifizierungskurs in Datenwissenschaft für Teilnehmer aller Erfahrungsstufen sehr geeignet macht.
IT-Fachleute
Analytik-Experten
Softwareentwickler
Datenwissenschaftler
Business Intelligence
Voraussetzungen
Für diesen Kurs gibt es keine formellen Voraussetzungen. Es wird jedoch empfohlen zu haben:
- Grundlagen der Statistik: Ein grundlegendes Verständnis der Statistik (Mittelwert, Median, Standardabweichung usw.) wird beim Erfassen des Kursinhalts helfen, insbesondere beim Erlernen von Datenanalysetechniken.
- Grundlagen der Mathematik: Grundlegende Mathematikkenntnisse, insbesondere in Bereichen wie Algebra und Wahrscheinlichkeitsrechnung, sind hilfreich, um einige der fortgeschrittenen Themen der Datenanalyse und Modellierung zu verstehen.
- Vertrautheit mit Daten: Ein grundlegendes Verständnis von Datensätzen, Datentypen (numerisch, kategorisch) und Strukturen wie Tabellen ist nützlich.
Aussagen
Lizenzierung und Akkreditierung
Die Zertifizierungsausbildung 'Data Science mit R Programmierung' wird von Simplilearn angeboten. AVC bewirbt diesen Kurs auf Grundlage einer Partnervereinbarung und erfüllt die Akkreditierungsanforderungen.
Gleichstellungspolitik
Simplilearn bietet derzeit keine Prüfungsanpassungen aufgrund einer Behinderung oder medizinischen Erkrankung von Studierenden an. Kandidaten werden ermutigt, sich an AVC zu wenden, um während des Anpassungsprozesses Anleitung und Unterstützung zu erhalten.
Häufig gestellte Frage
Benötigen Sie eine Unternehmenslösung oder LMS-Integration?
Haben Sie nicht den Kurs oder das Programm gefunden, das für Ihr Unternehmen geeignet wäre? Benötigen Sie eine LMS-Integration? Schreiben Sie uns! Wir werden alles lösen!