- Verständnis der Rolle von Fachleuten in der Datenanalyse, insbesondere in Unternehmenskontexten
- Überblick über unterstützende Tools wie Google Sheets, GitHub und Markdown für Data Analytics
- Anwendung von deskriptiver Statistik zur Organisation und Interpretation von Daten
- Förderung datengetriebener Entscheidungsprozesse durch analytische Denkweise
Grundlagen der Programmierung und Datenanalyse in Python
- Einführung in Python, das Terminal und Git für Data Analytics Projekte
- Verwendung von Kontrollstrukturen, Listen und Funktionen zur Datenanalyse
- Bearbeitung kleiner Projekte in der Datenanalyse mit Jupyter Notebooks
- Präsentation und Diskussion erster Analysen im Team
Datenaufbereitung & Visualisierung mithilfe von Pandas
- Datenmanipulation und -bereinigung mit Pandas als Vorbereitung für Datenanalyse-Aufgaben
- Erkennung von Mustern durch statistische Methoden
- Erstellung von Visualisierungen zur Darstellung datengestützter Erkenntnisse
- Abschluss eines Projekts zur explorativen Datenanalyse
Statistik & erweiterte Analysetechniken
- Verständnis statistischer Grundlagen, einschließlich Verteilungen und Konfidenzintervalle
- A/B-Test-Durchführung zur Validierung von Business-Hypothesen
- Einführung in Regressionen und Clustering zur Vertiefung der Data Analytics-Fähigkeiten
- Praktische Anwendung statistischer Modelle zur Unterstützung datenbasierter Entscheidungen