- Die Bedeutung von Data Analytics im geschäftlichen Umfeld verstehen
- Unterschiedliche Datentypen, -quellen und Verarbeitungsprozesse analysieren
- Werkzeuge wie Python, SQL und Tableau gezielt für Data Analytics nutzen
Datenaufbereitung und -vorverarbeitung
- Rohdaten für die Data Analytics-Prozesse bereinigen und transformieren
- Fehlende Werte und Ausreißer erkennen und behandeln
- Standardisierung und Normalisierung zur Qualitätssicherung anwenden
Explorative Datenanalyse (EDA)
- Mit statistischen Methoden Muster und Trends entdecken
- Datenbeziehungen visualisieren für effektive Data Analytics
- EDA als Vorbereitung für weiterführende Analysen nutzen
SQL für die Datenanalyse
- Mit SQL strukturierte Daten für Data Analytics abrufen
- Abfragen, Filtern und Aggregieren für präzise Erkenntnisse
- Komplexe SQL-Funktionen zur Prozessautomatisierung einsetzen
Datenvisualisierung und Business Intelligence
- Visuelle Darstellung als Bestandteil jeder Data Analytics-Strategie
- Dashboards mit Tableau zur besseren Interpretation erstellen
- Kritische Kennzahlen und KPIs ableiten und präsentieren
Grundlagen des maschinellen Lernens
- Einbindung von Machine Learning in Data Analytics-Projekte
- Modelle in Python entwickeln und auswerten
- Datenbasierte Entscheidungen durch analytische Modelle treffen
Das Data Analytics Bootcamp umfasst SQL für präzise Datenabfragen, visuelle Datenanalyse mit Tableau und Grundlagen des maschinellen Lernens.