IBM

Spezialisierung „Grundlagen der Datenwissenschaft mit Python und SQL“

IBM

Spezialisierung „Grundlagen der Datenwissenschaft mit Python und SQL“

Schaffen Sie die Grundlage für Ihre Data Science-Karriere.

Entwickeln Sie praktische Erfahrung mit Jupyter, Python und SQL. Führen Sie statistische Analysen an echten Datensätzen durch.

Murtaza Haider
Romeo Kienzler
Maureen McElaney

Dozenten: Murtaza Haider

80.656 bereits angemeldet

Bei Coursera PlusMehr erfahren enthalten

Befassen Sie sich eingehend mit einem Thema

aus 75,482 Bewertungen von Kursen in diesem Programm

Stufe Anfänger

Empfohlene Erfahrung

Flexibler Zeitplan
2 Monate bei 10 Stunden eine Woche
In Ihrem eigenen Lerntempo lernen
Befassen Sie sich eingehend mit einem Thema

aus 75,482 Bewertungen von Kursen in diesem Programm

Stufe Anfänger

Empfohlene Erfahrung

Flexibler Zeitplan
2 Monate bei 10 Stunden eine Woche
In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

  • Arbeitskenntnisse in Data Science Tools wie Jupyter Notebooks, R Studio, GitHub, Watson Studio

  • Grundlagen der Python-Programmierung, einschließlich Datenstrukturen, Logik, Arbeit mit Dateien, Aufrufen von APIs und Bibliotheken wie Pandas und Numpy

  • Statistische Analysetechniken einschließlich deskriptiver Statistik, Datenvisualisierung, Wahrscheinlichkeitsverteilung, Hypothesentests und Regression

  • Grundlagen der relationalen Datenbank, einschließlich SQL-Abfragesprache, Select-Anweisungen, Sortieren und Filtern, Datenbankfunktionen, Zugriff auf mehrere Tabellen

Kompetenzen, die Sie erwerben

  • Kategorie: Präsentation der Daten
  • Kategorie: Datenwissenschaft
  • Kategorie: Statistik
  • Kategorie: Daten importieren/exportieren
  • Kategorie: Datenanalyse
  • Kategorie: Datenvisualisierung
  • Kategorie: Deskriptive Statistik
  • Kategorie: Web-Scraping
  • Kategorie: Wahrscheinlichkeitsverteilung
  • Kategorie: SQL
  • Kategorie: Statistische Analyse
  • Kategorie: Erstellung des Dashboards
  • Kategorie: Datenbank-Management

Werkzeuge, die Sie lernen werden

  • Kategorie: Python-Programmierung
  • Kategorie: Jupyter
  • Kategorie: Relationale Datenbanken
  • Kategorie: R (Software)
  • Kategorie: Dashboard
  • Kategorie: R Programmierung
  • Kategorie: NumPy

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Unterrichtet in Englisch
Auf einen Abschluss hinarbeiten

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

 Logos von Petrobras, TATA, Danone, Capgemini, P&G und L'Oreal

Erweitern Sie Ihre Fachkenntnisse.

  • Erlernen Sie gefragte Kompetenzen von Universitäten und Branchenexperten.
  • Erlernen Sie ein Thema oder ein Tool mit echten Projekten.
  • Entwickeln Sie ein fundiertes Verständnisse der Kernkonzepte.
  • Erwerben Sie ein Karrierezertifikat von IBM.

Spezialisierung - 5 Kursreihen

Tools für die Datenverarbeitung

Tools für die Datenverarbeitung

KURS 1, 16 Stunden

Was Sie lernen werden

  • Beschreiben Sie den Werkzeugkasten des Data Scientist, der Folgendes umfasst: Bibliotheken & Pakete, Datensätze, Modelle für maschinelles Lernen und Big Data-Tools

  • Verwendung von Sprachen, die von Datenwissenschaftlern häufig verwendet werden, wie Python, R und SQL

  • Demonstrieren Sie Kenntnisse über Tools wie Jupyter Notebooks und RStudio und nutzen Sie deren verschiedene Funktionen

  • Erstellen und verwalten Sie Quellcode für Data Science mit Git-Repositories und GitHub.

Kompetenzen, die Sie erwerben

Kategorie: Jupyter
Kategorie: Scikit Learn (Bibliothek für maschinelles Lernen)
Kategorie: GitHub
Kategorie: R Programmierung
Kategorie: Cloud-Plattformen
Kategorie: Versionskontrolle
Kategorie: Git (Versionskontrollsystem)
Kategorie: Datenwissenschaft
Kategorie: Statistische Programmierung
Kategorie: Software-Entwicklungstools
Kategorie: R (Software)
Kategorie: Python-Programmierung
Kategorie: Andere Programmiersprachen
Kategorie: Cloud Computing
Kategorie: Cloud-Dienste
Kategorie: Software zur Datenvisualisierung
Kategorie: Integrierte Entwicklungsumgebungen
Kategorie: Cloud-API
Kategorie: Cloud-Hosting
Kategorie: Computer-Programmierwerkzeuge
Python für Datenwissenschaft, KI und Entwicklung

Python für Datenwissenschaft, KI und Entwicklung

KURS 2, 24 Stunden

Was Sie lernen werden

  • Entwickeln Sie ein grundlegendes Verständnis der Python-Programmierung, indem Sie die grundlegende Syntax, Datentypen, Ausdrücke, Variablen und String-Operationen erlernen.

  • Anwendung der Programmierlogik von Python unter Verwendung von Datenstrukturen, Bedingungen und Verzweigungen, Schleifen, Funktionen, Ausnahmebehandlung, Objekten und Klassen.

  • Demonstration von Kenntnissen im Umgang mit Python-Bibliotheken wie Pandas und Numpy und Entwicklung von Code mit Jupyter Notebooks.

  • Greifen Sie auf webbasierte Daten zu und extrahieren Sie sie, indem Sie mit REST APIs arbeiten und Web Scraping mit BeautifulSoup durchführen.

Kompetenzen, die Sie erwerben

Kategorie: Python-Programmierung
Kategorie: NumPy
Kategorie: Datenerhebung
Kategorie: Datenanalyse
Kategorie: Skripting
Kategorie: Daten importieren/exportieren
Python-Projekt für Datenwissenschaft

Python-Projekt für Datenwissenschaft

KURS 3, 7 Stunden

Was Sie lernen werden

  • Spielen Sie die Rolle eines Data Scientist / Datenanalysten, der an einem echten Projekt arbeitet.

  • Demonstrieren Sie Ihre Fähigkeiten in Python - der Sprache der Wahl für Data Science und Datenanalyse.

  • Wenden Sie die Grundlagen von Python, Python-Datenstrukturen und die Arbeit mit Daten in Python an.

  • Erstellen Sie ein Dashboard mit Python und Bibliotheken wie Pandas, Beautiful Soup und Plotly unter Verwendung des Jupyter-Notebooks.

Kompetenzen, die Sie erwerben

Kategorie: Grafische Darstellung
Kategorie: Pandas (Python-Paket)
Kategorie: Web-Scraping
Kategorie: Software zur Datenvisualisierung
Kategorie: Präsentation der Daten
Kategorie: Erstellung des Dashboards
Kategorie: Jupyter
Kategorie: Datenanalyse
Kategorie: Analytische Fähigkeiten
Kategorie: Python-Programmierung
Kategorie: Datenwissenschaft
Kategorie: Datenerhebung
Kategorie: Dashboard
Statistik für Data Science mit Python

Statistik für Data Science mit Python

KURS 4, 13 Stunden

Was Sie lernen werden

  • Schreiben Sie Python-Code, um verschiedene statistische Tests durchzuführen, darunter einen T-Test, eine ANOVA und eine Regressionsanalyse.

  • Interpretieren Sie die Ergebnisse Ihrer statistischen Analyse, nachdem Sie einen Hypothesentest durchgeführt haben.

  • Berechnen Sie deskriptive Statistiken und Visualisierungen, indem Sie Python-Code schreiben.

  • Erstellen Sie ein abschließendes Projekt, das Ihr Verständnis für verschiedene statistische Tests mit Python demonstriert, und bewerten Sie die Projekte Ihrer Kollegen.

Kompetenzen, die Sie erwerben

Kategorie: Statistische Hypothesenprüfung
Kategorie: Deskriptive Statistik
Kategorie: Wahrscheinlichkeit
Kategorie: Statistische Inferenz
Kategorie: Korrelationsanalyse
Kategorie: Wahrscheinlichkeitsverteilung
Kategorie: Regressionsanalyse
Kategorie: Statistische Analyse
Kategorie: Deskriptive Analytik
Kategorie: Statistische Methoden
Kategorie: Datenanalyse
Kategorie: Datenwissenschaft
Kategorie: Datenvisualisierung
Kategorie: Statistische Programmierung
Kategorie: Jupyter
Kategorie: Statistik
Kategorie: Präsentation der Daten
Kategorie: Wahrscheinlichkeitsrechnung und Statistik
Kategorie: Software zur Datenvisualisierung
Kategorie: Statistische Modellierung
Datenbanken und SQL für Datenwissenschaft mit Python

Datenbanken und SQL für Datenwissenschaft mit Python

KURS 5, 18 Stunden

Was Sie lernen werden

  • Analysieren Sie Daten in einer Datenbank mit SQL und Python.

  • Erstellen Sie eine relationale Datenbank und arbeiten Sie mit mehreren Tabellen unter Verwendung von DDL-Befehlen.

  • Konstruieren Sie einfache bis mittelschwere SQL-Abfragen mit DML-Befehlen.

  • Erstellen Sie leistungsfähigere Abfragen mit fortgeschrittenen SQL-Techniken wie Views, Transaktionen, Stored Procedures und Joins.

Kompetenzen, die Sie erwerben

Kategorie: SQL
Kategorie: Datenmanipulation
Kategorie: Relationale Datenbanken
Kategorie: Jupyter
Kategorie: Gespeicherte Prozedur
Kategorie: Transaktionsverarbeitung
Kategorie: Datenbanken
Kategorie: Abfragesprachen
Kategorie: Datenzugang
Kategorie: Datenanalyse
Kategorie: Datenbank-Management
Kategorie: Python-Programmierung
Kategorie: Datenbank-Theorie

Erwerben Sie ein Karrierezertifikat.

Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.

Auf einen Abschluss hinarbeiten

Wenn Sie dieses Spezialisierungabschließen, können Sie sich Ihr Wissen möglicherweise anrechnen lassen, wenn Sie zu einem der folgenden Online-Studiengänge zugelassen werden und sich dort einschreiben.¹

ACE-Logo

Dieser Spezialisierung ist ACE®-empfohlen. Teilnehmende US-amerikanischen Colleges und Universitäten vergeben Credits dafür. Hinweis: Die Entscheidung bezüglich spezifischer Credit-Empfehlungen liegt bei den einzelnen Institutionen. 

Dozenten

Murtaza Haider
IBM
3 Kurse65.923 Lernende
Romeo Kienzler
IBM
10 Kurse858.295 Lernende

von

IBM

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“

Jennifer J.

Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“

Larry W.

Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“

Chaitanya A.

„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Bewertungen von Lernenden aus Grundlagen der Datenwissenschaft mit Python und SQL

Durchschnitt über alle 5 Kurse

  • 5 Sterne

    71,73 %

  • 4 Sterne

    20,22 %

  • 3 Sterne

    4,89 %

  • 2 Sterne

    1,59 %

  • 1 Stern

    1,54 %

FC
Kurs: Tools für die Datenverarbeitung

Geprüft am 6. Nov. 2019

EH
Kurs: Python für Datenwissenschaft, KI und Entwicklung

Geprüft am 11. Juni 2021

EO
Kurs: Python-Projekt für Datenwissenschaft

Geprüft am 4. Feb. 2022

Häufig gestellte Fragen