Skip to main content
Advanced Search
Search Terms
Content Type

Exact Matches
Tag Searches
Date Options
Updated after
Updated before
Created after
Created before

Search Results

14 total results found

Kapitel 1: Einführung in Data Science

Data Science

Definition von Data Science Der Data Science Process Ethik und Data Privacy

Kapitel 2: Programmiergrundlagen für Data Science

Data Science

Python-Grundlagen Einführung in NumPy Data Manipulation mit Pandas

Kapitel 3: Data Acquisition und Cleaning

Data Science

Datenquellen und -formate Data Cleaning Techniken Bewertung der Data Quality

Kapitel 4: Exploratory Data Analysis (EDA)

Data Science

Deskriptive Statistik Analyse von Feature Distributions Correlation Analysis

Kapitel 5: Data Visualization

Data Science

Grundlegende Visualisierungstechniken Advanced Plotting mit Matplotlib und Seaborn Interactive Visualizations

Kapitel 6: Feature Engineering

Data Science

Feature Selection und Extraction Umgang mit Categorical Variables Scaling und Normalization

Kapitel 7: Grundlagen des Machine Learning

Data Science

Supervised vs. Unsupervised Learning Model Selection und Evaluation Overfitting und Underfitting

Kapitel 8: Supervised Learning

Data Science

Regression Algorithms Classification Algorithms Decision Trees und Random Forests

Kapitel 9: Unsupervised Learning

Data Science

Cluster Analysis Dimensionality Reduction Anomaly Detection

Kapitel 10: Geographische Analyse

Data Science

Arbeit mit Geospatial Data Erstellung und Visualisierung von Maps Spatial Statistics

Kapitel 11: Fortgeschrittene Themen

Data Science

Time Series Analysis Text Analysis und NLP Grundlagen des Deep Learning

Kapitel 12: Data Science in der Praxis

Data Science

Project Management für Data Science Model Deployment Case Studies und Best Practices

Grundlagen

C

Aufgaben

C