Grundlagen der Datenanalyse und Datenaufbereitung
  • Daten aus verschiedenen Quellen importieren und für Analysen vorbereiten
  • Datenbereinigung durchführen, um Fehler und Inkonsistenzen zu entfernen
  • Daten transformieren und formatieren für eine weiterführende Analyse
  • Explorative Datenanalyse zur Erkennung von Mustern und Trends einsetzen


Strukturierte Datenabfragen und relationale Datenbanken verstehen
  • SQL-Befehle nutzen, um Daten aus relationalen Datenbanken abzurufen
  • Datenbankabfragen optimieren, um effiziente Analysen durchführen zu können
  • Aggregationsfunktionen und Joins verwenden, um komplexe Abfragen zu erstellen
  • Indizes und Normalisierungstechniken zur Verbesserung der Datenbankstruktur einsetzen


Einführung in Methoden und Techniken des Data Science
  • Grundlagen der Statistik und Wahrscheinlichkeitsrechnung für Analysen nutzen
  • Lineare Regression als Basis für Vorhersagemodelle anwenden
  • Datenklassifikation durchführen, um sinnvolle Muster zu erkennen
  • Machine Learning-Konzepte verstehen und erste Algorithmen umsetzen