Udemy
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
Development
Web Development Data Science Mobile Development Programming Languages Game Development Database Design & Development Software Testing Software Engineering Development Tools No-Code Development
Business
Entrepreneurship Communications Management Sales Business Strategy Operations Project Management Business Law Business Analytics & Intelligence Human Resources Industry E-Commerce Media Real Estate Other Business
Finance & Accounting
Accounting & Bookkeeping Compliance Cryptocurrency & Blockchain Economics Finance Finance Cert & Exam Prep Financial Modeling & Analysis Investing & Trading Money Management Tools Taxes Other Finance & Accounting
IT & Software
IT Certification Network & Security Hardware Operating Systems Other IT & Software
Office Productivity
Microsoft Apple Google SAP Oracle Other Office Productivity
Personal Development
Personal Transformation Personal Productivity Leadership Career Development Parenting & Relationships Happiness Esoteric Practices Religion & Spirituality Personal Brand Building Creativity Influence Self Esteem & Confidence Stress Management Memory & Study Skills Motivation Other Personal Development
Design
Web Design Graphic Design & Illustration Design Tools User Experience Design Game Design Design Thinking 3D & Animation Fashion Design Architectural Design Interior Design Other Design
Marketing
Digital Marketing Search Engine Optimization Social Media Marketing Branding Marketing Fundamentals Marketing Analytics & Automation Public Relations Advertising Video & Mobile Marketing Content Marketing Growth Hacking Affiliate Marketing Product Marketing Other Marketing
Lifestyle
Arts & Crafts Beauty & Makeup Esoteric Practices Food & Beverage Gaming Home Improvement Pet Care & Training Travel Other Lifestyle
Photography & Video
Digital Photography Photography Portrait Photography Photography Tools Commercial Photography Video Design Other Photography & Video
Health & Fitness
Fitness General Health Sports Nutrition Yoga Mental Health Dieting Self Defense Safety & First Aid Dance Meditation Other Health & Fitness
Music
Instruments Music Production Music Fundamentals Vocal Music Techniques Music Software Other Music
Teaching & Academics
Engineering Humanities Math Science Online Education Social Science Language Teacher Training Test Prep Other Teaching & Academics
AWS Certification Microsoft Certification AWS Certified Solutions Architect - Associate AWS Certified Cloud Practitioner CompTIA A+ Cisco CCNA Amazon AWS CompTIA Security+ AWS Certified Developer - Associate
Graphic Design Photoshop Adobe Illustrator Drawing Digital Painting InDesign Character Design Canva Figure Drawing
Life Coach Training Neuro-Linguistic Programming Mindfulness Personal Development Meditation Personal Transformation Life Purpose Coaching Neuroscience
Web Development JavaScript React CSS Angular PHP WordPress Node.Js Python
Google Flutter Android Development iOS Development Swift React Native Dart Programming Language Mobile Development Kotlin SwiftUI
Digital Marketing Google Ads (Adwords) Social Media Marketing Google Ads (AdWords) Certification Marketing Strategy Internet Marketing YouTube Marketing Email Marketing Retargeting
SQL Microsoft Power BI Tableau Business Analysis Business Intelligence MySQL Data Analysis Data Modeling Big Data
Business Fundamentals Entrepreneurship Fundamentals Business Strategy Online Business Business Plan Startup Freelancing Blogging Home Business
Unity Game Development Fundamentals Unreal Engine C# 3D Game Development C++ 2D Game Development Unreal Engine Blueprints Blender
2021-01-05 10:03:33
30-Day Money-Back Guarantee

This course includes:

  • 16.5 hours on-demand video
  • 46 articles
  • 90 downloadable resources
  • Full lifetime access
  • Access on mobile and TV
Business Business Analytics & Intelligence Data Science

Das komplette Data Science Bootcamp 2021 in Python

Der Data Science Kompaktkurs: Datenanalyse und Statistik, Python, Mathematik und maschinelles Lernen
Rating: 4.3 out of 54.3 (314 ratings)
2,139 students
Created by 365 Careers, 365 Careers Team
Last updated 7/2020
German
30-Day Money-Back Guarantee

What you'll learn

  • Von 0 auf 100: Dieser Kurs vermittelt alle Inhalte für eine Karriere als Data Scientist.
  • Nach Abschluss dürfen sich unsere Teilnehmer in ihrem Lebenslauf mit Fug und Recht dieser in der Data Science heiß begehrten Skills rühmen: Statistik, Programmierung in Python mit NumPy, Pandas, Matplotlib und Seaborn, komplexe statistische Analyseverfahren, maschinelles Lernen mit StatsModels und Scikit-learn, Deep Learning mit TensorFlow
  • Den eigenen Marktwert bei Vorstellungsgesprächen erhöhen dank demonstrierbaren Data-Science-Kompetenzen
  • Umfassende Datenaufbereitungskenntnisse
  • Die dem maschinellen Lernen zugrunde liegende Mathematik vollumfänglich erfassen (ein absolutes Muss, das andere Kurse jedoch außen vor lassen!)
  • In Python programmieren und statistische Analysen und Fragestellungen damit lösen
  • Lineare und logistische Regressionen in Python durchführen
  • Klassifikation und Clusteranalysen
  • Algorithmen für maschinelles Lernen in Python mittels NumPy, StatsModels und Scikit-learn erstellen
  • Die erlernten Kenntnisse in praxisnahen Business-Fallstudien anwenden
  • Führende Deep-Learning-Frameworks wie Google TensorFlow professionell anwenden
  • Ein ausgefeiltes Geschäftsgespür dank verschiedener Big-Data-Herausforderungen
  • Die geballte Power tiefer neuronaler Netze nutzen
  • Umfassende Feinabstimmung für Algorithmen im Bereich maschinelles Lernen anhand von Konzepten wie Unteranpassung, Überanpassung, Modelltraining, -validierung und -testing, n-facher Kreuzvalidierung sowie Hyperparametern
  • Finger aufwärmen ist angesagt! Denn wer diese Kenntnisse erlernt hat, wird sie sofort einsetzen wollen – und das in immer mehr Szenarien und Situationen.
Curated for the Udemy for Business collection

Requirements

  • Keine Vorkenntnisse vonnöten: Wir beginnen mit den Grundlagen.
  • Im Kursverlauf installieren wir Anaconda; die Schritte gehen wir gemeinsam einzeln durch.
  • Microsoft Excel 2003, 2010, 2013, 2016 oder 365

Description

Das Problem

Data Scientist. Ein Berufsfeld mit einem Potenzial wie kaum ein anderes. Und das auf lange Sicht. Im Zeitalter der Digitalisierung ist die Symbiose aus Fähigkeiten von Data Scientists so einmalig wie begehrt: Umfassende Datenanalyse-Fachkompetenz trifft auf exzellente Programmierkenntnisse in Python und Algorithmen für maschinelles Lernen. Höchst komplexe Fragestellungen können Data Scientists mit diesen selbstbewusst und zielorientiert angehen.

Kein Wunder also, dass sie auf dem Arbeitsmarkt so gefragt sind. Sie werden sogar geradezu händeringend gesucht. Denn noch herrscht hier absoluter Fachkräftemangel. Und die notwendigen Kenntnisse, gerade im maschinellen Lernen, und Deep Learning, sind nicht ohne.

Wie und wo kann man sie sich aneignen?

Der Nachfrage nach spezialisierten Data Science Studiengängen konnte im Hochschulbereich bislang mehr schlecht als recht Rechnung getragen werden. So handelt es sich bei den wenigen existierenden Angeboten zumeist um gleichermaßen teure wie zeitintensive Programme, bei denen die Programmierpraxis in Python oder auch nicht zu selten außen vor bleibt.

Online-Kurse hingegen schießen sich zu sehr auf ein spezifisches Feld ein und berühren andere entscheidende Data Science Fachgebiete und maschinelles Lernen bestenfalls oberflächlich.

Die Lösung

Data Scientists müssen in mehreren Themenbereichen topfit sein. Denn so ist sie, die Data Science: vielfältig. Zum Glück!

Die Themen im Einzelnen:

· Grundlegendes Verständnis der Data Science als Wissenschaft sowie zugehöriger Analysen

· Mathematik

· Statistik

· Programmierung in Python

· Anwendung erweiterter statistischer Methoden in Python

· Visuelle Darstellung von Daten

· Maschinelles Lernen

· Deep Learning

In dieser Auflistung baut jede Data Science Kompetenz auf der anderen auf. Wer seine Kenntnisse also nicht in der richtigen Reihenfolge erweitert, kann gerade in Python ganz schnell ins Schleudern geraten. Für die Anwendung von Data Science Verfahren für maschinelles Lernen und Deep Learning etwa ist ein Verständnis der zugrunde liegenden mathematischen Zusammenhänge unerlässlich. Regressionsanalysen in Python? Dafür will zuerst das systematische Konzept einer Regression studiert worden sein.

All die eingangs erwähnten Fallstricke wollten wir mit dem Data Science Bootcamp 2020 in Python aus der Welt schaffen. Unser Ziel: Ein Kurs, der Data Science, maschinelles Lernen und Deep Learning in einem zielführenden Zeitrahmen so effektiv und strukturiert vermittelt wie kein anderer zuvor.

Wir sind überzeugt, dass uns dies gelungen ist und wir die Data Science Eintrittsbarriere Nr. 1 aus dem Weg räumen konnten: das Kompetenz- und Informationsdurcheinander. Programmierpraxis in Python und detailliertes maschinelles Lernen für Data Science inklusive. Unser Kursversprechen: Bei uns finden sich alle notwendigen Ressourcen, zusammengeschnürt in einem Paket.

Die Kursinhalte gehen nahtlos ineinander über, sind logisch miteinander verzahnt. So ist es uns möglich, unseren Teilnehmern alle für eine Karriere als Data Scientist relevanten Kenntnisse zu vermitteln – und dies zu einem Bruchteil der Kosten traditioneller Programme, ganz zu schweigen von der Zeitersparnis.

Überblick der Kursthemen

1. Einführung in die Data Science

Big Data, Datenanalyse, Business Intelligence, Business Analytics, Programmierung in Python, maschinelles Lernen, künstliche Intelligenz. Dass diese Phänomene in die Data Science gehören, ist bekannt. Doch was genau verbirgt sich hinter diesen Schlagwörtern?

Warum sind diese Kenntnisse wichtig? Um als Data Scientists Fragestellungen in diesen topaktuellen Themen lösen zu können, müssen wir sie en détail verstehen. Nur so können wir das jeweils optimale Verfahren identifizieren. In dieser Data Science Einführung gehen wir umfassend auf all diese Schlagwörter ein und erläutern, welche Rolle sie genau in der Data Science einnehmen.

2. Statistik

Wer Data Scientist werden möchte, muss zunächst lernen, wie einer zu denken. Im Statistik-Modul lernen unsere Teilnehmer unter anderem, Fragestellungen als Hypothesen zu erfassen und mit den passenden wissenschaftlichen Verfahren zu lösen, die wir dann später in Python und beim maschinellen Lernen modellieren.

Warum sind diese Kenntnisse wichtig? In unserem Kurs zeigen wir nicht nur auf, welche Tools wichtig sind und warum, sondern demonstrieren eingehend, wie sie angewendet werden. Hier schulen wir unsere Denkansätze für Data Science als wissenschaftliche Disziplin.

3. Programmierung in Python

Bei Python handelt es sich um eine relativ neue Programmiersprache und, im Gegensatz zu R, um eine universell anwendbare. Universell ist hier durchaus recht wörtlich zu verstehen: Webanwendungen, Computerspiele, Data Science ... dies sind nur einige der Anwendungsbereiche, bei denen man mit Python Großes erreichen kann. Daher hat es auch in verhältnismäßig kurzer Zeit so einige Disziplinen ordentlich aufgemischt. Enorm leistungsstarke Bibliotheken machen die Bearbeitung, Transformation und visuelle Darstellung von Daten zu einer effizienten Angelegenheit. Zu absoluter Hochform läuft Python aber erst recht im maschinellen Lernen und beim Deep Learning auf.

Warum sind diese Kenntnisse wichtig? Bei der Entwicklung, Implementierung und Anwendung von Modellen für maschinelles Lernen mithilfe leistungsstarker Frameworks wie Scikit-learn oder TensorFlow ist Python als Programmiersprache für Data Science eine unabdingbare Zutat.

4. Vertiefung statistischer Verfahren

Regression, Klassifikation und Clustering sind als Disziplinen zwar allesamt älter als das maschinelle Lernen. Heutzutage werden diese statistischen Verfahren jedoch in ihrer Gesamtheit mittels maschinellem Lernen ausgeführt. Das Ergebnis sind bislang ungekannte Vorhersagemöglichkeiten in der Datenanalyse. In diesem Modul beleuchten wir diese Verfahren im Detail.

Warum sind diese Kenntnisse wichtig? Bei der Data Science geht es insbesondere auch um die Modellierung von Ansätzen, mit denen sich zukünftige Entwicklungen vorhersagen lassen. Mit der Vertiefung statistischer Verfahren machen wir aus unseren Teilnehmern Experten auf diesem Gebiet, in der Datenanalyse und der Data Science in ihrer Gesamtheit.

5. Mathematik

Für echte Data Science sind fundierte Kenntnisse der notwendigen Tools entscheidend. Zunächst erarbeiten wir uns eine Perspektive für das große Ganze, um uns dann alle Komponenten im Detail zur Brust zu nehmen.

Ganz besondere Aufmerksamkeit schenken wir der Infinitesimalrechnung sowie der linearen Algebra, denn auf sie stützt sich die Data Science.

Warum sind diese Kenntnisse wichtig? Infinitesimalrechnung und lineare Algebra benötigen wir in der Data Science zur Programmierung. Wollen wir komplexere Algorithmen für maschinelles Lernen erfassen, müssen wir dieses Wissen in petto haben.

6. Maschinelles Lernen

Deep Learning fällt zurecht der krönende Abschluss zu, denn darauf arbeiten wir von Anfang an hin. Der Einsatz von maschinellem Lernen und Deep Learning will gelernt sein – und er lohnt sich, trennt er doch oft das Berufsbild eines Data Scientist von dem eines Data Analyst. In diesem Modul zeigen wir alle gängigen Verfahren für maschinelles Lernen und für Deep Learning mit TensorFlow in der Anwendung.

Warum sind diese Kenntnisse wichtig? Maschinelles Lernen ist allgegenwärtig, Unternehmen wie Facebook, Google oder Amazon nutzen Maschinen, die selbständig lernen, schon seit Jahren. Zeit, dass wir diese nun auch zu steuern lernen.

***Unser Kurspaket**

· Ein Data-Science-Lehrprogramm im Wert von über 1000 €

· Rasche Unterstützung bei Fragen

· Alle notwendigen Fachkenntnisse für eine Karriere als Data Scientist

· Zugang zu einer ganzen Community aus Data Science Studenten

· Eine Abschlussbescheinigung

· Zugang zu zukünftigen Updates

· Praxisarbeit in Python, maschinellem Lernen und Deep Learning

· Business-Fallstudien als perfekte Vorbereitung auf Vorstellungsgespräche und Praxis

Data Scientist werden: Von 0 auf 100

Allen Teilnehmern bieten wir eine Garantie zur vollen Erstattung des Kurspreises innerhalb von 30 Tagen. Risiken bei diesem Kurs: Fehlanzeige. Angesichts der Qualität der Inhalte sind wir uns gewiss, dass unsere Teilnehmer begeistert sein werden.

Warum also warten? Die Data Science will erobert werden :). Jetzt!

Also, noch heute risikofrei starten und Teil unserer Data Science Community werden!

Who this course is for:

  • Teilnehmer mit einem generellen Interesse an der Data Science und/oder an einer Karriere als Data Scientist
  • Teilnehmer, die sich ein spannendes und lukratives Berufsfeld wünschen
  • Ideal für Data-Science-Neulinge, da wir mit den Grundlagen beginnen und uns dann Schritt für Schritt vorarbeiten

Course content

45 sections • 292 lectures • 16h 22m total length

  • Preview03:34

  • Preview05:22
  • Data Science und Business-Begriffe: Wir bringen Licht ins Dunkel
    1 question
  • Der Unterschied zwischen „Analyse“ und „Analytics“
    03:50
  • Der Unterschied zwischen „Analyse“ und „Analytics“
    1 question
  • Preview08:23
  • Einführung in Business Analytics, Data Analytics und Data Science
    3 questions
  • Business Intelligence, maschinelles Lernen und KI
    09:31
  • Business Intelligence, maschinelles Lernen und KI
    2 questions
  • Data-Science-Infografik: Ein Überblick
    04:03
  • Data-Science-Infografik: Ein Überblick
    1 question

  • Anwendung von klassischen Daten, Big Data, BI, traditioneller Data Science + ML
    07:19
  • Anwendung von klassischen Daten, Big Data, BI, klassischer Data Science + ML
    1 question

  • Gründe für die einzelnen Disziplinen
    03:46
  • Gründe für die einzelnen Disziplinen
    1 question

  • Verfahren für klassische Daten
    08:13
  • Verfahren für klassische Daten
    1 question
  • Verfahren für klassische Daten: Beispiele aus der Praxis
    01:44
  • Verfahren für Big Data
    04:26
  • Verfahren für Big Data
    1 question
  • Verfahren für Big Data: Beispiele aus der Praxis
    01:32
  • Verfahren für Business Intelligence (BI)
    06:45
  • Verfahren für Business Intelligence (BI)
    4 questions
  • Verfahren für Business Intelligence (BI): Beispiele aus der Praxis
    01:42
  • Verfahren für klassische Data Science
    09:05
  • Verfahren für klassische Data Science
    4 questions
  • Verfahren für klassische Data Science: Beispiele aus der Praxis
    02:45
  • Verfahren für maschinelles Lernen (ML)
    06:55
  • Verfahren für maschinelles Lernen (ML)
    2 questions
  • Teilgebiete des maschinellen Lernens
    08:13
  • Teilgebiete des maschinellen Lernens
    2 questions
  • Verfahren für maschinelles Lernen (ML): Beispiele aus der Praxis
    02:11
  • Verfahren für maschinelles Lernen (ML): Beispiele aus der Praxis
    5 questions

  • Programmiersprachen und Software in der Data Science
    05:51
  • Programmiersprachen und Software in der Data Science
    4 questions

  • Jobsuche: Darauf kommt es an
    03:29
  • Jobsuche: Darauf kommt es an
    1 question

  • Ein Ende den Missverständnissen
    04:10
  • Ein Ende den Missverständnissen
    1 question

  • Preview04:02
  • Stichprobe oder Population?
    2 questions

  • Preview04:32
  • Datentypen
    2 questions
  • Skalenniveaus
    03:42
  • Skalenniveaus
    2 questions
  • Kategorische Variablen. Visualisierungsverfahren.
    04:52
  • Kategorische Variablen. Visualisierungsverfahren.
    1 question
  • Kategorische Variablen. Visualisierungsverfahren. Übung.
    00:03
  • Numerische Variablen. Verwendung von Häufigkeitstabellen.
    03:09
  • Numerische Variablen. Verwendung von Häufigkeitstabellen.
    1 question
  • Numerische Variablen. Verwendung von Häufigkeitstabellen. Übung.
    00:03
  • Histogramme
    02:14
  • Histogramme
    1 question
  • Histogramme. Übung.
    00:03
  • Kreuztabellen und Streudiagramme
    04:44
  • Kreuztabellen und Streudiagramme
    1 question
  • Kreuztabellen und Streudiagramme. Übung.
    00:03
  • Mittel, Median und Modus
    04:20
  • Mittel, Median und Modus. Übung.
    00:03
  • Schiefe
    02:37
  • Schiefe
    1 question
  • Schiefe. Übung.
    00:03
  • Varianz
    05:55
  • Varianz. Übung.
    00:03
  • Standardabweichung und Variationskoeffizient
    04:40
  • Standardabweichung
    1 question
  • Standardabweichung und Variationskoeffizient. Übung.
    00:03
  • Kovarianz
    03:23
  • Kovarianz
    1 question
  • Kovarianz. Übung.
    00:03
  • Korrelationskoeffizient
    03:17
  • Korrelation
    1 question
  • Korrelationskoeffizient. Übung.
    00:03

Instructors

365 Careers
Creating opportunities for Business & Finance students
365 Careers
  • 4.5 Instructor Rating
  • 377,173 Reviews
  • 1,285,101 Students
  • 68 Courses

365 Careers is the #1 best-selling provider of finance courses on Udemy. The company’s courses have been taken by more than 1,000,000 students in 210 countries. People working at world-class firms like Apple, PayPal, and Citibank have completed 365 Careers trainings.  

Currently, the firm focuses on the following topics on Udemy:  

1) Finance – Finance fundamentals, Financial modeling in Excel, Valuation, Accounting, Capital budgeting, Financial statement analysis (FSA), Investment banking (IB), Leveraged buyout (LBO), Financial planning and analysis (FP&A), Corporate budgeting, applying Python for Finance, Tesla valuation case study, CFA, ACCA, and CPA

2) Data science – Statistics, Mathematics, Probability, SQL, Python programming, Python for Finance, Business Intelligence, R, Machine Learning, TensorFlow, Tableau, the integration of SQL and Tableau, the integration of SQL, Python, Tableau, Power BI, Credit Risk Modeling, and Credit Analytics

3) Entrepreneurship – Business Strategy, Management and HR Management, Marketing, Decision Making, Negotiation, and Persuasion, Tesla's Strategy and Marketing

4) Office productivity – Microsoft Excel, PowerPoint, Microsoft Word, and Microsoft Outlook

5) Blockchain for Business

All of the company’s courses are:  

Pre-scripted  

Hands-on  

Laser-focused  

Engaging  

Real-life tested  

By choosing 365 Careers, you make sure you will learn from proven experts, who have a passion for teaching, and can take you from beginner to pro in the shortest possible amount of time.  

If you want to become a financial analyst, a finance manager, an FP&A analyst, an investment banker, a business executive, an entrepreneur, a business intelligence analyst, a data analyst, or a data scientist, 365 Careers’ courses are the perfect place to start. 

365 Careers Team
Instructor at Udemy
365 Careers Team
  • 4.5 Instructor Rating
  • 3,231 Reviews
  • 714,576 Students
  • 8 Courses

Iliya Valchanov is an instructor at 365.

The 365 Team is a group of professionals, supporting the courses of 365 Careers. Our trainings intertwine various disciplines from the world of business, finance, economics, management, office productivity, programming, business intelligence (BI), data science, and other related fields. Our objective is to provide students with a top-notch set of practical skills and tools that will allow them to achieve a goal on an even larger scale - quickly become experts in their professional area.

  • Udemy for Business
  • Teach on Udemy
  • Get the app
  • About us
  • Contact us
  • Careers
  • Blog
  • Help and Support
  • Affiliate
  • Terms
  • Privacy policy
  • Cookie settings
  • Sitemap
  • Featured courses
Udemy
© 2021 Udemy, Inc.