Grundlegende Datenverarbeitung und Visualisierung

Grundlegende Datenverarbeitung und Visualisierung

Dieser Kurs ist Teil von Spezialisierung „Python-Datenprodukte für prädiktive Analysen“

Dozenten: Julian McAuley

22.771 bereits angemeldet

Bei Mehr erfahren enthalten

5 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

201 Bewertungen

Stufe Mittel

Empfohlene Erfahrung

Flexibler Zeitplan

1 Woche bei 10 Stunden eine Woche

In Ihrem eigenen Lerntempo lernen

5 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

201 Bewertungen

Stufe Mittel

Empfohlene Erfahrung

Flexibler Zeitplan

1 Woche bei 10 Stunden eine Woche

In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

Entwickeln Sie eine Datenstrategie und einen Prozess, wie Daten generiert, gesammelt und genutzt werden sollen
Laden und verarbeiten Sie formatierte Datensätze wie CSV und JSON.
Bearbeiten Sie Daten in verschiedenen Formaten (z.B. Zeitstempel, Strings) und filtern und "bereinigen" Sie Datensätze, indem Sie Ausreißer usw. entfernen.
Grundlegende Erfahrung mit Datenverarbeitungsbibliotheken wie numpy und Dateningestion mit urllib, Requests

Kompetenzen, die Sie erwerben

Kategorie: Datenvisualisierung
Kategorie: Bereinigung von Daten
Kategorie: Datenwissenschaft
Kategorie: Daten importieren/exportieren
Kategorie: Web-Scraping
Kategorie: Datei-E/A
Kategorie: Datenverarbeitung
Kategorie: Datenanalyse
Kategorie: Interaktive Datenvisualisierung
Kategorie: Software zur Datenvisualisierung
Kategorie: Matplotlib
Kategorie: Datenmanipulation
Kategorie: Vorverarbeitung von Daten

Werkzeuge, die Sie lernen werden

Kategorie: Pandas (Python-Paket)
Kategorie: NumPy
Kategorie: Python-Programmierung
Kategorie: JSON

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

12 Zuweisungen¹

KI-bewertet siehe Haftungsausschluss

Unterrichtet in Englisch

94%

Den meisten Lernenden hat dieser Kurs gefallen

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Weitere Informationen zu Coursera für Unternehmen

Logos von Petrobras, TATA, Danone, Capgemini, P&G und L'Oreal

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung „Python-Datenprodukte für prädiktive Analysen“

Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.

Lernen Sie neue Konzepte von Branchenexperten
Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
Erwerben Sie ein Berufszertifikat zur Vorlage

In diesem Kurs gibt es 5 Module

Dies ist der erste Kurs der vierteiligen Specializations Python Data Products for Predictive Analytics, der in die Grundlagen des Lesens und Manipulierens von Datensätzen in Python einführt. In diesem Kurs lernen Sie, was ein Datenprodukt ist und lernen verschiedene Python-Bibliotheken kennen, um Daten abzurufen, zu verarbeiten und zu visualisieren.

Dieser Kurs führt Sie in den Bereich der Datenwissenschaft ein und bereitet Sie auf die nächsten drei Kurse der Specialization vor: Design Thinking and Predictive Analytics for Data Products, Meaningful Predictive Modeling und Deploying Machine Learning Models. Bei jedem Schritt in der Spezialisierung werden Sie praktische Erfahrungen in der Datenmanipulation sammeln und Ihre Fähigkeiten ausbauen, die schließlich in einem Abschlussprojekt gipfeln, das alle in der Spezialisierung gelehrten Konzepte umfasst.

Diese Woche werden wir den Lehrplan durchgehen und Sie mit den Kursmaterialien und der Software vertraut machen. Wir stellen Ihnen Datenprodukte vor und frischen Ihr Wissen über Python und Jupyter-Notebooks auf.

Das ist alles enthalten

6 Videos6 Lektüren2 Aufgaben2 Diskussionsthemen

6 VideosInsgesamt 42 Minuten

Was ist ein Datenprodukt?5 Minuten
Beispiele für Datenprodukte in Unternehmen5 Minuten
Entwicklung einer Datenproduktstrategie8 Minuten
Grundlagen von Python und Jupyter7 Minuten
Python Rekapitulation6 Minuten
Livecoding: Erste Schritte mit Jupyter11 Minuten

6 LektürenInsgesamt 60 Minuten

Syllabus10 Minuten
Kursmaterialien10 Minuten
Ihr System einrichten10 Minuten
Unsere Fallstudie: Empfehlungssysteme10 Minuten
(Optional) Python: Wie man es ausführt10 Minuten
(Optional) Python: Zusätzliche Ressourcen und empfohlene Lektüre10 Minuten

2 AufgabenInsgesamt 9 Minuten

Rückblick: Daten Produkte4 Minuten
Rückblick: Python und Jupyter5 Minuten

2 DiskussionsthemenInsgesamt 20 Minuten

Was erhoffen Sie sich von diesem Kurs?10 Minuten
Welche Datenprodukte sind Ihnen aufgefallen, und warum halten Sie sie für Datenprodukte?10 Minuten

In dieser Woche werden wir lernen, wie man Datensätze aus CSV- und JSON-Dateien lädt. Außerdem üben wir die Bearbeitung von Daten aus diesen Datensätzen mit einfachen Python-Befehlen.

Das ist alles enthalten

6 Videos3 Aufgaben1 Diskussionsthema

6 VideosInsgesamt 54 Minuten

CSV- und JSON-Dateien9 Minuten
Lesen von CSV- und JSON-Dateien10 Minuten
Verarbeitung strukturierter Daten in Python9 Minuten
Live-Codierung: JSON5 Minuten
Einfache Statistiken aus Datensätzen extrahieren12 Minuten
Einfache Statistik: Live-Codierung9 Minuten

3 AufgabenInsgesamt 63 Minuten

Python: Daten lesen und einfache Statistik45 Minuten
Überprüfung: CSV- und JSON-Dateien8 Minuten
Rückblick: Einfache Statistik10 Minuten

1 DiskussionsthemaInsgesamt 10 Minuten

Auf welche Projekte hoffen Sie, Data Science irgendwann anwenden zu können?10 Minuten

In dieser Woche wollen wir verstehen, wie man einen Datensatz bereinigt, bevor man ihn analysiert. Wir besprechen, wie wir mit verschiedenen Datentypen wie Strings und Daten arbeiten.

Das ist alles enthalten

4 Videos3 Aufgaben1 Diskussionsthema

4 VideosInsgesamt 38 Minuten

Filtern und Bereinigen von Daten11 Minuten
Verarbeitung von Text und Zeichenketten in Python8 Minuten
Verarbeitung von Zeiten und Daten in Python11 Minuten
Livecoding: Zeit- und Datumsdaten8 Minuten

3 AufgabenInsgesamt 40 Minuten

Datenverarbeitung in Python30 Minuten
Rückblick: Datenfilterung und -bereinigung5 Minuten
Rückblick: Verarbeitung verschiedener Datentypen5 Minuten

1 DiskussionsthemaInsgesamt 10 Minuten

In welchem Bereich der Gesellschaft sollte die Datenanalyse Ihrer Meinung nach verstärkt eingesetzt werden?10 Minuten

In dieser letzten Woche werden wir ein Gefühl für die gängigen Bibliotheken in Python bekommen und wie sie nützlich sein können. Wir behandeln die Datenvisualisierung mit numpy und MatPlotLib und führen Sie in die Grundlagen des Webscraping mit urllib und BeautifulSoup ein.

Das ist alles enthalten

5 Videos4 Aufgaben1 peer review2 Diskussionsthemen

5 VideosInsgesamt 45 Minuten

Matrixverarbeitung und Numpy6 Minuten
Einführung in die Datenvisualisierung12 Minuten
Einführung in Matplotlib6 Minuten
Live-Codierung: MatPlotLib10 Minuten
urllib und BeautifulSoup12 Minuten

4 AufgabenInsgesamt 81 Minuten

Python-Bibliotheken und Toolkits15 Minuten
Rückblick: NumPy30 Minuten
Rückblick: MatPlotLib30 Minuten
Rezension: urllib und BeautifulSoup6 Minuten

1 peer reviewInsgesamt 60 Minuten

Mini-Projekt60 Minuten

2 DiskussionsthemenInsgesamt 20 Minuten

Welche praktischen Anwendungen gibt es für die Bibliotheken, die Sie kennengelernt haben?10 Minuten
Wie hilfreich war das Mini-Projekt?10 Minuten

Erstellen Sie Ihr eigenes Jupyter-Notebook mit einem Datensatz Ihrer Wahl und üben Sie sich in der Datenmanipulation. Zeigen Sie in diesem Projekt, was Sie gelernt haben und mit welchen Bibliotheken Sie vertraut sind. Wir hoffen, dass Ihnen der Kurs gefallen hat, und wünschen Ihnen viel Erfolg beim weiteren Lernen!

Das ist alles enthalten

1 Video2 Lektüren1 peer review1 Diskussionsthema

Erwerben Sie ein Karrierezertifikat.

Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.

Dozenten

Lehrkraftbewertungen

(35 Bewertungen)

Julian McAuley

University of California San Diego

5 Kurse35.168 Lernende

Ilkay Altintas

University of California San Diego

14 Kurse519.621 Lernende

von

University of California San Diego

Mehr von Datenanalyse entdecken

Status: Kostenloser Testzeitraum
University of California San Diego
Design Thinking and Predictive Analytics for Data Products
Kurs
Status: Kostenloser Testzeitraum
Madecraft
Basics of Data Visualization Analysis
Kurs
Status: Kostenloser Testzeitraum
Microsoft
Data Visualization Fundamentals
Kurs
Status: Kostenloser Testzeitraum
Logical Operations
Excel: Data Analysis and Visualization Fundamentals
Kurs

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Lernender seit 2018

„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“

Jennifer J.

Lernender seit 2020

„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“

Larry W.

Lernender seit 2021

„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“

Chaitanya A.

„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Bewertungen von Lernenden

5 stars
63,18 %
4 stars
21,39 %
3 stars
6,96 %
2 stars
3,48 %
1 star
4,97 %

Zeigt 3 von 201 an

Geprüft am 29. Juni 2022

Great content. When you apply yourself to this course , there's no "dirty" data you can't handle.

Geprüft am 8. Juni 2020

Great course to start with programming for business analytics.

Geprüft am 29. Juni 2019

Excellent to start your career in machine learning!!!

Weitere Bewertungen anzeigen

Schalten Sie den Zugang zu mehr als 10.000 Kursen mit einem Abonnement frei
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Schließen Sie sich den über 4.700 globalen Unternehmen an, die Coursera for Business wählen

Häufig gestellte Fragen

Um auf Kursmaterialien und Aufgaben zugreifen zu können und ein Zertifikat zu erwerben, müssen Sie bei der Anmeldung zu einem Kurs die Option „Zertifikat“ erwerben. Berechtigte Lernende haben möglicherweise auch die Möglichkeit, mit einer kostenlosen Testphase zu beginnen. Bei einigen Kursen wird möglicherweise auch die Option „Vollständiger Kurs, kein Zertifikat“ angeboten. Damit haben Sie Zugriff auf die Kursmaterialien, können die erforderlichen Prüfungen einreichen und erhalten eine Abschlussnote, können jedoch kein Zertifikat erwerben oder erhalten.

Wenn Sie sich für den Kurs einschreiben, erhalten Sie Zugang zu allen Kursen der Spezialisierung, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird Ihrer Seite "Leistungen" hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder Ihrem LinkedIn-Profil hinzufügen.

Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie die Einschreibegebühr nicht aufbringen können. Wenn für das von Ihnen gewählte Lernprogramm eine finanzielle Unterstützung oder ein Stipendium verfügbar ist, finden Sie auf der Beschreibungsseite einen Link zur Beantragung.

Weitere Fragen

Besuchen Sie die das Hilfe-Center für Kursteilnehmer.

Finanzielle Unterstützung verfügbar,

¹ Einige Aufgaben in diesem Kurs werden mit AI bewertet. Für diese Aufgaben werden Ihre Daten in Übereinstimmung mit Datenschutzhinweis von Courseraverwendet.