Für Benutzer, die gerade erst mit der Datenwissenschaft beginnen, kann das Angebot an Programmiersprachen überwältigend sein. Welche Sprache sollten Sie also zuerst lernen? In diesem Modul lernen Sie die Kriterien kennen, die darüber entscheiden, welche Sprache Sie lernen sollten. Sie werden die Vorteile von Python, R, SQL und anderen gängigen Sprachen wie Java, Scala, C++, JavaScript und Julia kennenlernen. Sie werden untersuchen, wie Sie diese Sprachen in der Datenwissenschaft einsetzen können. Sie werden sich auch einige Websites ansehen, um mehr Informationen über die Sprachen zu finden.

In diesem Modul lernen Sie die verschiedenen Bibliotheken in der Datenwissenschaft kennen. Darüber hinaus werden Sie eine API in Bezug auf REST-Anfrage und -Antwort verstehen. Außerdem werden Sie in diesem Modul offene Datensätze auf dem Data Asset eXchange erkunden. Schließlich lernen Sie, wie Sie ein Modell für maschinelles Lernen verwenden, um ein Problem zu lösen und in Model Asset eXchange zu navigieren.

Mit dem Vormarsch digitaler Daten ermöglicht es Jupyter Notebook einem Datenwissenschaftler, seine Datenexperimente und -ergebnisse aufzuzeichnen, die andere wiederverwenden können. Dieses Modul stellt das Jupyter Notebook und Jupyter Lab vor. Sie lernen, wie Sie mit verschiedenen Kernels in einer Notebook-Sitzung arbeiten und die grundlegende Jupyter-Architektur kennen. Darüber hinaus lernen Sie die Werkzeuge in einer Anaconda Jupyter-Umgebung kennen. Schließlich gibt das Modul einen Überblick über cloudbasierte Jupyter-Umgebungen und deren Data Science-Funktionen.