In diesem Modul liegt der Schwerpunkt auf der Vorbereitung von Daten für die Analyse durch grundlegende Techniken der Datenverarbeitung. Sie lernen, wie Sie Datensätze bereinigen, transformieren und formatieren, indem Sie fehlende Werte behandeln, Datentypen konvertieren, numerische Werte normalisieren und Bins für die Analyse erstellen. Das Modul stellt auch Methoden zur Umwandlung kategorischer Variablen in numerische Darstellungen vor, die für die Modellierung geeignet sind. Anhand praktischer Übungen werden Sie diese Techniken auf reale Datensätze anwenden.

Dieses Modul entwickelt Ihre Fähigkeit, Datensätze durch explorative Datenanalysetechniken zu analysieren und zu verstehen. Sie werden lernen, wie man deskriptive Statistiken berechnet, Korrelationsanalysen durchführt und Gruppierungstechniken anwendet, um Beziehungen zwischen Variablen aufzudecken. Das Modul führt auch in Methoden der Datenvisualisierung und statistische Tests wie den Chi-Quadrat-Test für kategoriale Variablen ein. In praktischen Übungen werden Sie Datensätze analysieren, um Trends, Muster und potenzielle Erkenntnisse zu erkennen.

Dieses Modul führt in die Grundlagen der Erstellung von Vorhersagemodellen mit Hilfe von Regressionstechniken ein. Sie lernen, wie man einfache lineare, mehrfache lineare und polynomiale Regressionsmodelle konstruiert, um die Beziehungen zwischen Variablen zu analysieren. Das Modul behandelt auch Methoden zur Bewertung der Modellleistung mit Hilfe von Metriken wie R-Quadrat und mittlerer quadratischer Fehler. Visualisierungstechniken wie Residualdiagramme und KDE-Diagramme werden verwendet, um zu beurteilen, wie gut die Modelle zu den Daten passen.

Dieses Modul konzentriert sich auf die Verbesserung der Modellleistung durch Bewertungs- und Optimierungstechniken. Sie lernen, wie man Überanpassung und Unteranpassung erkennt und Strategien zur Verbesserung der Modellgeneralisierung anwendet. Das Modul führt in die Ridge-Regression und die Abstimmung von Hyperparametern mithilfe der Gittersuche ein, um Vorhersagemodelle zu verfeinern. In praktischen Übungen werden Sie Regressionsmodelle anhand realer Datensätze auswerten und verbessern.

In diesem Modul wenden Sie den gesamten Arbeitsablauf der Datenanalyse an, den Sie während des Kurses gelernt haben. Sie werden reale Datensätze importieren, bereinigen, analysieren und modellieren, um Erkenntnisse und Vorhersagen zu gewinnen. Das Modul umfasst ein Praxisprojekt und ein Abschlussprojekt, die reale Datenanalyseszenarien simulieren. Sie werden auch eine Abschlussprüfung absolvieren, um Ihr Verständnis der Schlüsselkonzepte der Python-basierten Datenanalyse zu demonstrieren.