Allgemeines

In diesem Kurs lernst du, die verschiedenen Begriffe im Bereich Datenanalyse und Big Data voneinander abzugrenzen. Du bekommst einen kurzen Einblick in wesentliche Themen der DSGVO. Wir stellen dir grundsätzliche Analysemethoden vor und zeigen dir, mit welchen Programmen welche Analysen möglich sind. Darüber hinaus findest du hier Hinweise, mit welchen Kursen aus dem Projekt "Datenanalyse für KMU" du dein Wissen vertiefen kannst.

In diesem Kurs bekommst du einen kleinen Einblick in die mathematischen Methoden der Datenanalyse. Wir zeigen dir, was mathematisch hinter den Funktionen steckt, die du sonst mit Datenanalyse-Tools anwendest.

In diesem Modul lernst du, deine Daten in Excel zu strukturieren und zu formatieren. Du lernst, wie du Daten mit Hilfe der bedingten Formatierung hervorheben kannst und wie doch mit Hilfe von Funktionen verschiedene Werte berechnen kannst.

In diesem Kurs lernst du, wie du aus einer normalen Tabelle eine Pivot-Tabelle erzeugst. Du lernst, die Daten mit Hilfe von Filtern und Gruppierungen zu strukturieren, um die gewünschten Ergebnisse leicht ablesen zu können. Zusätzlich zeigen wir dir, wie du die Daten mit verschiedenen Diagrammen direkt visualisieren kannst.

In diesem Kurs lernst du die Software PSPP kennen und was sie von SPSS unterscheidet. Wir zeigen dir, wie du PSPP installierst, Variablen anlegst und konfigurierst und Daten importierst. Zusätzlich bekommst du einen kurzen Einblick in die Berechnung von Variablen. Das gelernte kannst du direkt an zwei praktischen Aufgaben ausprobieren.

In diesem Kurs steigen wir tiefer in die Datenanalyse mit PSPP ein. Wir befassen und mit verschiedenen Analysen und lernen auch die Grenzen von PSPP kennen. Hier werden wir dann ergänzend Analysen in SPSS durchführen. Hierzu kann man eine 14-tägige Testversion von SPSS nutzen. Die verschiedenen Analysen kannst du dann in praktischen Aufgaben selbst ausprobieren.

Du lernst eine Datenanalyse-Umgebung kennen, in der Datensätze mit Hilfe der Programmiersprache Python analysiert werden können. Dazu werden die wichtigsten Bibliotheken vorgestellt, die Funktionen zur Datenanalyse bieten.

Mit Hilfe dieser Bibliotheken lernst du, erste Berechnungen und Visualisierungen zu erstellen. Zusätzlich geben wir einen kurzen Einblick in den Bereich des maschinellen Lernens.

In diesem Kurs lernst du die Unterschiede zwischen überwachtem und unüberwachtem Lernen und Klassifikation und Regression kennen. Du lernst ein einfaches Regressionsmodell aufzustellen und daran Berechnungen durchzuführen und Zusammenhänge zu interpretieren. Zusätzlich lernst du, Regressionsmodell anhand verschiedener Merkmale zu evaluieren.

Du lernst, mit Python in jupyterlab mit Hilfe des CART-Algorithmus Entscheidungsbäume zu trainieren. Dazu lernst du auch verschiedene Gütekriterien für Klassifikatoren kennen und wendest sie an. Mit Hilfe der Ensemble-Verfahren lernst du, verschiedene Klassifikatoren zu kombinieren und so ein besseres Ergebnis zu erzielen.

Du lernst, mit Python in jupyterlab das agglomerative und das partitionierende Clustering kennen. Anhand von Anwendungsbeispielen und Aufgaben lernst du, wie du diese Verfahren anwenden kannst.