In diesem Modul wenden Sie die in den vorherigen Kursen erlernten Techniken zur Datenverarbeitung an, um die gesammelten Datensätze zu bereinigen und für die Analyse vorzubereiten. Anhand der in Modul 1 gesammelten Daten werden Sie Rohdaten in ein strukturiertes und analysefähiges Format umwandeln. Sie werden Textdaten bereinigen, Variablen standardisieren, fehlende Werte behandeln und Datentransformationen wie Kodierung und Normalisierung durchführen. Am Ende dieses Moduls werden Sie einen zuverlässigen Datensatz vorbereitet haben, der eine sinnvolle Erforschung und Modellierung in späteren Phasen des Projekts unterstützt.

In dieser Phase des Abschlussprojekts werden Sie die in den vorangegangenen Modulen erworbenen Fähigkeiten zur Datenerfassung und Datenverarbeitung zusammen mit Ihren früheren Erfahrungen in SQL-Abfragen und Datenvisualisierung anwenden. Dieses Modul konzentriert sich auf die Durchführung der explorativen Datenanalyse (EDA), um die Muster, Beziehungen und Trends in den vorbereiteten Datensätzen besser zu verstehen. Sie werden mit den in früheren Modulen erstellten Datensätzen arbeiten, um Schlüsselvariablen zu untersuchen, aussagekräftige Erkenntnisse zu ermitteln und die Daten für die prädiktive Modellierung vorzubereiten. Wenn Sie in früheren Schritten auf Herausforderungen gestoßen sind, stehen Ihnen vorbereitete Datensätze zur Verfügung, die Ihnen helfen, das Projekt weiter voranzutreiben. In diesem Modul werden Sie eine Reihe von praktischen Übungen durchführen, die Sie durch die wesentlichen Phasen der explorativen Analyse führen.

In diesem Modul wenden Sie Regressionsmodellierungstechniken an, um anhand des vorbereiteten Datensatzes Vorhersagemodelle für die Bike-Sharing-Nachfrage zu erstellen. Auf der Grundlage der zuvor erlernten Modellierungskonzepte werden Sie multiple Regressionsmodelle konstruieren und verfeinern, um die Vorhersagegenauigkeit zu verbessern. Sie bewerten die Leistung des Modells mit Hilfe geeigneter statistischer Metriken und interpretieren den Beitrag der verschiedenen Vorhersagevariablen. Diese Phase stellt den Übergang von der Datenexploration zur prädiktiven Analyse im Rahmen Ihres Capstone-Workflows dar.

In diesem Modul wenden Sie Ihre Fähigkeiten in der Datenvisualisierung und Anwendungsentwicklung an, um ein interaktives Dashboard zu erstellen, das die Ergebnisse Ihrer vorausschauenden Analyse präsentiert. Mithilfe von R Shiny und Visualisierungstools werden Sie ein Dashboard entwerfen, das es den Nutzern ermöglicht, die prognostizierte Bike-Sharing-Nachfrage an verschiedenen Standorten zu untersuchen. Dieses Modul konzentriert sich auf die Umwandlung von Analyseergebnissen in interaktive visuelle Tools, die datengesteuerte Entscheidungsfindung unterstützen.

In diesem abschließenden Modul werden Sie die Ergebnisse Ihres Abschlussprojekts in einer professionellen Präsentation zusammenfassen, die Ihre Arbeitsabläufe, Analysen, Erkenntnisse und vorausschauenden Ergebnisse vermittelt. Sie werden eine strukturierte Präsentation vorbereiten, die das Projektproblem, die Methodik, die wichtigsten Ergebnisse und die Schlussfolgerungen hervorhebt. Dieses Modul stellt den Höhepunkt Ihrer Lernreise dar, bei der Sie Ihre Fähigkeit unter Beweis stellen, datenwissenschaftliche Kenntnisse zur Lösung eines realen Problems anzuwenden und Ihre Ergebnisse effektiv zu kommunizieren.