Data Science - Datenvorbereitung & Qualitätssicherung Excel
What you'll learn
- Grundlegende Fähigkeiten im Bereich maschinelles Lernen in Excel und Data Science aufbauen, ohne komplexen Code zu schreiben
- Data Science: Vorbereiten von Rohdaten (in Excel) für die Analyse mit QA-Tools wie Variablentypen, Bereichsberechnungen und Tabellenstrukturen
- Beschreibung und Visualisierung von Verteilungen mit Histogrammen, Kerndichten, Heatmaps und Violin-Plots (in Excel)
- Verwendung intuitiver, benutzerfreundlicher Tools wie Microsoft Excel zur Einführung und Enthüllung von Tools und Techniken des maschinellen Lernens
- Data Science: Analysieren von Datensätzen unter Verwendung gängiger univariater und multivariater Profiling-Metriken (in Excel)
- Data Science: Untersuchen Sie multivariate Beziehungen mit Streudiagrammen und Korrelationen (in Excel)
Requirements
- Dies ist ein einsteigerfreundlicher Kurs (keine Vorkenntnisse oder Mathe-/Statistikkenntnisse erforderlich)
- Wir werden Microsoft Excel (Office 365) für einige Kursdemos verwenden, die Teilnahme ist jedoch optional
Description
Data Science - Datenvorbereitung & Qualitätssicherung Excel
Entdecken Sie die Welt des maschinellen Lernens in Excel und bauen Sie grundlegende Data Science & Predictive Analytics Fähigkeiten auf, ohne Code zu schreiben!
Dieser Kurs macht Data Science in Excel für den Alltag zugänglich und wurde entwickelt, um leistungsstarke Machine-Learning-Tools und Techniken zu erlernen, ohne zu versuchen, Ihnen gleichzeitig eine Programmiersprache beizubringen.
Stattdessen werden wir vertraute, benutzerfreundliche Tools wie Microsoft Excel verwenden, um komplexe Themen aufzuschlüsseln und Ihnen zu helfen, genau zu verstehen, WIE und WARUM maschinelles Lernen funktioniert, bevor Sie in Programmiersprachen wie Python oder R eintauchen. Im Gegensatz zu den meisten Data Science- und Machine Learning-Kursen werden Sie keine einzige Zeile Code schreiben.
KURSÜBERBLICK:
In diesem Kurs werden wir die Machine-Learning-Landschaft und den Workflow vorstellen und kritische Qualitätssicherung-Tipps für die Reinigung und Vorbereitung von Rohdaten für die Analyse in Excel überprüfen, einschließlich Variablentypen, leere Werte, Bereichs- und Zählberechnungen, Tabellenstrukturen und mehr.
Wir behandeln univariate Analysen mit Häufigkeitstabellen, Histogrammen, Kerndichten und Profiling-Metriken und tauchen dann in multivariate Profiling-Werkzeuge wie Heatmaps, Violin- und Box-Plots, Streudiagramme und Korrelationen ein:
· Abschnitt 1: Einführung und Landschaft des maschinellen Lernens in Excel
- Prozess, Definition und Landschaft des maschinellen Lernens
· Abschnitt 2: Vorläufige Daten-Qualitätssicherung
- Variablentypen, Leerwerte, Bereichs- und Zählungsberechnungen, linke/rechte Zensierung, etc. (in Excel)
· Abschnitt 3: Univariate Profilierung
- Histogramme, Häufigkeitstabellen, Mittelwert, Median, Modus, Varianz, Schiefe, usw. (in Excel)
· Abschnitt 4: Multivariate Profilierung
- Violin- & Box-Plots, Kernel-Dichten, Heatmaps, Korrelation, etc. (in Excel)
Im Laufe des Kurses werden wir reale Szenarien vorstellen, die Ihnen helfen sollen, die Schlüsselkonzepte zu festigen und Sie mit tatsächlichen Business Intelligence-Fallstudien zu verbinden. Sie werden Profiling-Metriken verwenden, um Produktbestandsdaten für ein lokales Lebensmittelgeschäft zu bereinigen, Demografien von Olympia-Athleten mit Histogrammen und Kerndichten zu untersuchen, die Häufigkeit von Verkehrsunfällen mit Heatmaps zu visualisieren und vieles mehr.
Wenn Sie bereit sind, die Grundlage für eine erfolgreiche Karriere in der Datenwissenschaft zu schaffen, ist dies der richtige Kurs für Sie.
Melden Sie sich noch heute an und erhalten Sie sofortigen, lebenslangen Zugang zu Folgendem:
- Hochwertige On-Demand-Videos
- Praxisnahe Fallstudien in Excel
- Ein umfassender Quiz zu jedem Thema
- Herunterladbare Excel-Projektdatei
- 30 Tage Geld-zurück-Garantie
Viel Spaß beim Lernen!
Who this course is for:
- Alle, die die Grundlagen des maschinellen Lernens anhand von Demos aus der Praxis und intuitiven, kristallklaren Erklärungen erlernen möchten - Datenanalysten oder BI-Experten, die in die Datenwissenschaft einsteigen oder ein grundlegendes Verständnis für maschinelles Lernen aufbauen möchten - R- oder Python-Anwender, die ein tieferes Verständnis für die Modelle und Algorithmen hinter ihrem Code suchen
- Datenanalysten oder BI-Experten, die in die Datenwissenschaft einsteigen oder ein grundlegendes Verständnis für maschinelles Lernen aufbauen möchten
- R- oder Python-Anwender, die ein tieferes Verständnis für die Modelle und Algorithmen hinter ihrem Code suchen
Instructors
Ich bin ein erfahrener Berater und Experte in Data Science. Ich habe mein MSc in Informatik an der TH Köln und MBA an der Universität Durham (UK) erlangt und habe mich später im Fachbereich Informatik promoviert. Als erfahrene Trainer mit mehr als 15 Jahren Berufserfahrung möchte ich meine Leidenschaft, praktische Erfahrungen und Kenntnisse in den Themen Big Data, Data Science, Data Analytics und IT management mit den anderen teilen und die praktische Kompetenzen von meinen Studenten auf ein sehr hohes Niveau bringen.
I am a passionate data science expert and educator. I do regular teaching and training all over the world. I have many satisfied students! And now I will be glad if I can teach also you these interesting, highly applied, and exciting topics!
For GIS & Remote Sensing students:
Order of how to take my courses:
Option 1: Take all individual courses that contain more details and more labs in the following order:
1. Get started with GIS & Remote Sensing in QGIS #Beginners
2. Remote Sensing in QGIS: Fundamentals of Image Analysis 2020
3. Core GIS: Land Use and Land Cover & Change Detection in QGIS
4. Machine Learning in GIS: Understand the Theory and Practice
5. Machine Learning in GIS: Land Use/Land Cover Image Analysis
6. Machine Learning in ArcGIS: Map Land Use/ Land Cover in GIS
7. Object-based image analysis & classification in QGIS/ArcGIS
8. ArcGIS: Learn Deep Learning in ArcGIS to advance GIS skills
8. Google Earth Engine for Big GeoData Analysis: 3 Courses in 1
10. Google Earth Engine for Machine Learning & Change Detection
11. QGIS & Google Earth Engine for Environmental Applications
12. Advanced Remote Sensing Analysis in QGIS and on cloud
Option 2: Take my combi-courses that contain summarized information from the above courses, though in fewer details (labs, videos):
1. Geospatial Data Analyses & Remote Sensing: 4 Classes in 1
2. Machine Learning in GIS and Remote Sensing: 5 Courses in 1
3. Google Earth Engine for Big GeoData Analysis: 3 Courses in 1
4. Google Earth Engine for Machine Learning & Change Detection
5. Advanced Remote Sensing Analysis in QGIS and on cloud