University of California, Irvine

Spezialisierung „Grundlagen der Datenwissenschaft“

Sparen Sie mit 40% Rabatt auf 3 Monate Coursera Plus bei den Fähigkeiten, die Sie zum Strahlen bringen. Jetzt sparen

University of California, Irvine

Spezialisierung „Grundlagen der Datenwissenschaft“

Verschaffen Sie sich einen Überblick über die Grundlagen der Datenwissenschaft..

Unterrichtet in Deutsch (KI-Synchronisation)

Julie Pai

Dozent: Julie Pai

7.582 bereits angemeldet

Bei Coursera Plus enthalten

Befassen Sie sich eingehend mit einem Thema

aus 264 Bewertungen von Kursen in diesem Programm

Stufe Anfänger

Empfohlene Erfahrung

4 Wochen zu vervollständigen
unter 10 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen
Befassen Sie sich eingehend mit einem Thema

aus 264 Bewertungen von Kursen in diesem Programm

Stufe Anfänger

Empfohlene Erfahrung

4 Wochen zu vervollständigen
unter 10 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

Kompetenzen, die Sie erwerben

  • Kategorie: Analytische Fähigkeiten
  • Kategorie: Analytik
  • Kategorie: Erkennung von Anomalien
  • Kategorie: Große Daten
  • Kategorie: Business-Analytik
  • Kategorie: Cloud Computing
  • Kategorie: Daten-Ethik
  • Kategorie: Data Mining
  • Kategorie: Datenwissenschaft
  • Kategorie: Entscheidungsbaum-Lernen
  • Kategorie: Bewertung des Modells
  • Kategorie: Verarbeitung natürlicher Sprache
  • Kategorie: Prädiktive Analytik
  • Kategorie: Prädiktive Modellierung
  • Kategorie: Regressionsanalyse
  • Kategorie: Soziale Medien
  • Kategorie: Analyse sozialer Medien
  • Kategorie: Überwachtes Lernen
  • Kategorie: Text Mining
  • Kategorie: Unüberwachtes Lernen

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Unterrichtet in Deutsch (KI-Synchronisation)
91% of learners achieved a positive career outcome

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

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

Erweitern Sie Ihre Fachkenntnisse.

  • Erlernen Sie gefragte Kompetenzen von Universitäten und Branchenexperten.
  • Erlernen Sie ein Thema oder ein Tool mit echten Projekten.
  • Entwickeln Sie ein fundiertes Verständnisse der Kernkonzepte.
  • Erwerben Sie ein Karrierezertifikat von University of California, Irvine.

Spezialisierung - 4 Kursreihen

Was Sie lernen werden

  • Das Wissen und die Fähigkeiten, die für die Arbeit im Bereich der Datenwissenschaft erforderlich sind

  • Wie Data Science zur Lösung von Geschäftsproblemen eingesetzt wird

  • Die Vorteile der Verwendung des branchenübergreifenden Standardprozesses für Data Mining (CRISP-DM)

Kompetenzen, die Sie erwerben

Kategorie: Prädiktive Analytik
Kategorie: Deskriptive Analytik
Kategorie: Data Mining
Kategorie: Kleine Daten
Kategorie: Datenwissenschaft
Kategorie: Analytik
Kategorie: Daten-Ethik
Kategorie: Große Daten
Kategorie: Software zur Datenanalyse
Kategorie: Business-Analytik
Kategorie: Analytische Fähigkeiten

Was Sie lernen werden

  • Die Anwendung der prädiktiven Modellierung auf die berufliche und akademische Arbeit

  • Anwendungen der Klassifizierungsanalyse: Entscheidungsbäume

  • Anwendungen der Regressionsanalyse (linear und logistisch)

Kompetenzen, die Sie erwerben

Kategorie: Regressionsanalyse
Kategorie: Entscheidungsbaum-Lernen
Kategorie: Überwachtes Lernen
Kategorie: Klassifizierungsalgorithmen
Kategorie: Prädiktive Modellierung
Kategorie: Logistische Regression
Kategorie: Prädiktive Analytik
Kategorie: Bewertung des Modells
Kategorie: Deskriptive Analytik
Kategorie: Maschinelles Lernen
Kategorie: Unüberwachtes Lernen
Kategorie: Analytik
Kategorie: Modell Ausbildung

Was Sie lernen werden

  • Clusteranalyse und Segmentierung

  • Kollaborative Filterung und Warenkorbanalyse

  • Anwendungen von Klassifizierungs- und Regressionsmodellen zur Vorhersage

Kompetenzen, die Sie erwerben

Kategorie: Regressionsanalyse
Kategorie: Unüberwachtes Lernen
Kategorie: Bewertung des Modells
Kategorie: Prädiktive Modellierung
Kategorie: Algorithmen für maschinelles Lernen
Kategorie: Korrelationsanalyse
Kategorie: Streudiagramme
Kategorie: Maschinelles Lernen
Kategorie: Statistische Methoden
Kategorie: Klassifizierungsalgorithmen
Kategorie: Erkennung von Anomalien
Kategorie: Aufdeckung von Betrug
Kategorie: Data Mining
Kategorie: Marktanalyse
Kategorie: Prädiktive Analytik

Was Sie lernen werden

  • Anwendungen der Verarbeitung natürlicher Sprache

  • Grundlagen der Analyse sozialer Medien

  • Zukünftige Trends und Möglichkeiten in der Datenwissenschaft

Kompetenzen, die Sie erwerben

Kategorie: Analytik
Kategorie: Methoden des maschinellen Lernens
Kategorie: Soziale Medien
Kategorie: Cloud Computing
Kategorie: Verarbeitung natürlicher Sprache
Kategorie: Internet der Dinge
Kategorie: Business-Analytik
Kategorie: Unüberwachtes Lernen
Kategorie: Datenanalyse
Kategorie: Analyse sozialer Medien
Kategorie: Datenwissenschaft
Kategorie: Unstrukturierte Daten
Kategorie: Geografische Informationen und Technologie
Kategorie: Business Intelligence
Kategorie: Tiefes Lernen
Kategorie: Prädiktive Analytik
Kategorie: Prädiktive Modellierung
Kategorie: Trendanalyse
Kategorie: Text Mining

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.

Dozent

Julie Pai
5 Kurse20.028 Lernende

von

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.“

Häufig gestellte Fragen