Schnelleinstieg in die Datenwissenschaft
Schnelleinstieg mit NumPy
Dieser Kurs vermittelt Ihnen die Grundlagen von NumPy, einer Bibliothek, die viele mathematische Operationen unterstützt.
Schnelleinstieg mit NumPy
- Ihr erstes NumPy-Labor
- Attributen und Datentyp von Arrays
- NumPy-Arrays und Datentypen
- NumPy im Weltraum
- NumPy-Array-Datentypkonverter
- NumPy Array Operations
- NumPy Array Operation
- NumPy Slicing and Indexing
- Array Indexing and Slicing
- Efficient NumPy Array Multiplication Operations
- NumPy Shape Manipulation
- Make NumPy Array Your Shape
- NumPy File IO
- NumPy Advanced Topics
- NumPy Math Games
Schnelleinstieg mit Pandas
- Ihr erstes Pandas-Labor
- Arbeiten mit Pandas
- Pandas-Datenmanipulation
- Datenauswahl in Pandas
- Pandas-Diagramme für die Luftqualitätsanalyse
- Arbeiten mit Spalten in Pandas
- Analyse von Titanic-Passagierdaten mit Pandas
- Datenformatierung mit Pandas
- Zusammenführen von Datentabellen in Pandas
- Behandlung von Zeitreihendaten
- Pandas Textdaten
Schnelleinstieg mit Matplotlib
- Ihr erstes Matplotlib-Labor
- Erstellen eines Liniendiagramms mit Matplotlib
- Matplotlib Pyplot-Schnittstellen-Tutorial
- Bilddarstellung mit Matplotlib
- Der Lebenszyklus eines Diagramms
- Anpassen von Matplotlib-Visualisierungen
Schnelleinstieg mit scikit-learn
- Lineare Modelle in Scikit-Learn
- Erklärung von Diskriminanzanalyse-Klassifizierern
- Erkunden von Scikit-Learn-Datensätzen und -Schätzern
- Kernel Ridge Regression
- Supervised Learning with Scikit-Learn
- Model Selection: Choosing Estimators and Their Parameters
- Supervised Learning with Support Vectors
- Exploring Scikit-Learn SGD Classifiers
- Unsupervised Learning: Seeking Representations of the Data
- Implementing Stochastic Gradient Descent
- Working with Text Data
- Gaussian Process Regression and Classification
- Dimensional Reduction with PLS Algorithms
- Naive Bayes Example
- Decision Tree Classification with Scikit-Learn
Herzlichen Glückwunsch!
Sie haben den Kurs Quick Start With Data Science erfolgreich abgeschlossen!
Was Sie gelernt haben
Im Laufe dieses Kurses haben Sie praktische Erfahrungen mit wesentlichen Konzepten und praktischen Fähigkeiten gesammelt. Hier sind die wichtigsten Erkenntnisse:
- Kernkonzepte: Sie haben die grundlegenden Prinzipien und Techniken gemeistert
- Praktische Fähigkeiten: Sie haben Ihr Wissen durch interaktive Labs und Übungen angewendet
- Praxisanwendung: Sie haben gelernt, praktische Probleme mit den erworbenen Fähigkeiten zu lösen
Nächste Schritte
- Üben Sie weiter mit fortgeschrittenen Labs
- Erkunden Sie verwandte Kurse, um Ihr Wissen zu erweitern
- Wenden Sie das Gelernte in Ihren eigenen Projekten an
Lernen Sie weiter und programmieren Sie mit Freude! 🚀
