Johns Hopkins University

Spezialisierung „Datenwissenschaft“

Johns Hopkins University

Spezialisierung „Datenwissenschaft“

Starten Sie Ihre Karriere in der Datenwissenschaft.

Eine Einführung in die Datenwissenschaft in zehn Kursen, entwickelt und unterrichtet von führenden Professoren.

Roger D. Peng, PhD
Brian Caffo, PhD
Jeff Leek, PhD

Dozenten: Roger D. Peng, PhD

512.893 bereits angemeldet

Bei Coursera PlusMehr erfahren enthalten

Befassen Sie sich eingehend mit einem Thema

aus 50,963 Bewertungen von Kursen in diesem Programm

Stufe Anfänger

Empfohlene Erfahrung

7 months to complete
unter 10 Stunden pro Woche
Befassen Sie sich eingehend mit einem Thema

aus 50,963 Bewertungen von Kursen in diesem Programm

Stufe Anfänger

Empfohlene Erfahrung

7 months to complete
unter 10 Stunden pro Woche

Was Sie lernen werden

  • Verwenden Sie R zum Bereinigen, Analysieren und Visualisieren von Daten.

  • Navigieren Sie durch die gesamte Data Science Pipeline von der Datenerfassung bis zur Veröffentlichung.

  • Verwenden Sie GitHub zur Verwaltung von Data Science-Projekten.

  • Führen Sie Regressionsanalysen, kleinste Quadrate und Inferenzen mit Regressionsmodellen durch.

Kompetenzen, die Sie erwerben

  • Kategorie: Statistische Hypothesenprüfung
  • Kategorie: Datenwrangling
  • Kategorie: Maschinelles Lernen
  • Kategorie: Statistische Inferenz
  • Kategorie: Datenmanipulation
  • Kategorie: Bewertung des Modells
  • Kategorie: Regressionsanalyse
  • Kategorie: Bereinigung von Daten
  • Kategorie: Prädiktive Modellierung
  • Kategorie: Datenwissenschaft
  • Kategorie: Versionskontrolle
  • Kategorie: Explorative Datenanalyse
  • Kategorie: Datenvisualisierung
  • Kategorie: Statistische Analyse

Werkzeuge, die Sie lernen werden

  • Kategorie: R (Software)
  • Kategorie: GitHub
  • Kategorie: Merkblatt (Software)
  • Kategorie: Glänzend (R-Paket)
  • Kategorie: R Programmierung
  • Kategorie: Rmarkdown

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Unterrichtet in Englisch
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

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 Johns Hopkins University.

Spezialisierung - 10 Kursreihen

Der Werkzeugkasten des Datenwissenschaftlers

Der Werkzeugkasten des Datenwissenschaftlers

KURS 1, 18 Stunden

Was Sie lernen werden

  • R, R-Studio, Github und andere nützliche Tools einrichten

  • Verstehen Sie die Daten, Probleme und Tools, die Datenanalysten verwenden

  • Erläutern Sie die wichtigsten Konzepte zum Studiendesign

  • Erstellen Sie ein Github-Repository

Kompetenzen, die Sie erwerben

Kategorie: R (Software)
Kategorie: GitHub
Kategorie: R Programmierung
Kategorie: Rmarkdown
Kategorie: Git (Versionskontrollsystem)
Kategorie: Datenwissenschaft
Kategorie: Versionskontrolle
Kategorie: Datenanalyse
Kategorie: Statistische Berichterstattung
Kategorie: Installation der Software
Kategorie: Entwicklungsumgebung
Kategorie: Software-Versionierung
Kategorie: Datenkompetenz
Kategorie: Allgemeine Wissenschaft und Forschung
R Programmierung

R Programmierung

KURS 2, 58 Stunden

Was Sie lernen werden

  • Verstehen wichtiger Konzepte von Programmiersprachen

  • Konfigurieren Sie die statistische Programmiersoftware

  • Nutzen Sie die R-Schleifenfunktionen und Debugging-Tools

  • Sammeln Sie detaillierte Informationen mit dem R-Profiler

Kompetenzen, die Sie erwerben

Kategorie: R Programmierung
Kategorie: Simulationen
Kategorie: Leistungsoptimierung
Kategorie: Fehlersuche
Kategorie: Statistische Analyse
Kategorie: Programm-Entwicklung
Kategorie: Statistische Programmierung
Kategorie: R (Software)
Kategorie: Installation der Software
Kategorie: Grundsätze der Programmierung
Kategorie: Daten-Strukturen
Kategorie: Statistische Methoden
Kategorie: Datenanalyse
Kategorie: Daten importieren/exportieren
Abrufen und Bereinigen von Daten

Abrufen und Bereinigen von Daten

KURS 3, 20 Stunden

Was Sie lernen werden

  • Verstehen gängiger Datenspeichersysteme

  • Wenden Sie die Grundlagen der Datenbereinigung an, um die Daten "aufzuräumen"

  • Verwenden Sie R für Text- und Datumsmanipulationen

  • Beschaffen Sie verwertbare Daten aus dem Internet, von APIs und Datenbanken

Kompetenzen, die Sie erwerben

Kategorie: Datenmanipulation
Kategorie: Daten importieren/exportieren
Kategorie: Bereinigung von Daten
Kategorie: Datenverwaltung
Kategorie: SQL
Kategorie: R Programmierung
Kategorie: Anwendungsprogrammierschnittstelle (API)
Kategorie: Datenverarbeitung
Kategorie: Datenzugang
Kategorie: Integration von Daten
Kategorie: Vorverarbeitung von Daten
Kategorie: R (Software)
Kategorie: MySQL
Kategorie: Dateiverwaltung
Kategorie: Datenumwandlung
Kategorie: Web-Scraping
Kategorie: Datenerhebung
Kategorie: Datenwrangling
Explorative Datenanalyse

Explorative Datenanalyse

KURS 4, 56 Stunden

Was Sie lernen werden

  • Analytische Grafiken und das Basisplottsystem in R verstehen

  • Verwenden Sie fortgeschrittene Grafiksysteme wie das Lattice-System

  • Erstellen Sie grafische Darstellungen von sehr hochdimensionalen Daten

  • Wenden Sie Techniken der Clusteranalyse an, um Muster in Daten zu finden

Kompetenzen, die Sie erwerben

Kategorie: Explorative Datenanalyse
Kategorie: R Programmierung
Kategorie: Plot (Grafiken)
Kategorie: Ggplot2
Kategorie: R (Software)
Kategorie: Statistische Methoden
Kategorie: Statistische Visualisierung
Kategorie: Datenvisualisierung
Kategorie: Dimensionalitätsreduktion
Kategorie: Statistische Analyse
Kategorie: Unüberwachtes Lernen
Kategorie: Software zur Datenvisualisierung
Kategorie: Datenanalyse
Kategorie: Grafische Darstellung
Reproduzierbare Forschung

Reproduzierbare Forschung

KURS 5, 8 Stunden

Was Sie lernen werden

  • Organisieren Sie die Datenanalyse, um sie besser reproduzierbar zu machen

  • Schreiben Sie eine reproduzierbare Datenanalyse mit knitr

  • Bestimmen Sie die Reproduzierbarkeit des Analyseprojekts

  • Veröffentlichen Sie reproduzierbare Webdokumente mit Markdown

Kompetenzen, die Sie erwerben

Kategorie: Knitr
Kategorie: Rmarkdown
Kategorie: Statistische Berichterstattung
Kategorie: Gemeinsame Nutzung von Daten
Kategorie: Statistische Analyse
Kategorie: Allgemeine Wissenschaft und Forschung
Kategorie: Verifizierung und Validierung
Kategorie: Software-Dokumentation
Kategorie: Technische Kommunikation
Kategorie: R Programmierung
Kategorie: Datenanalyse
Statistische Inferenz

Statistische Inferenz

KURS 6, 55 Stunden

Was Sie lernen werden

  • Verstehen, wie man aus Daten Schlüsse über Populationen oder wissenschaftliche Wahrheiten ziehen kann

  • Beschreiben Sie Variabilität, Verteilungen, Grenzwerte und Konfidenzintervalle

  • Verwenden Sie p-Werte, Konfidenzintervalle und Permutationstests

  • Treffen Sie fundierte Entscheidungen bei der Datenanalyse

Kompetenzen, die Sie erwerben

Kategorie: Statistische Inferenz
Kategorie: Wahrscheinlichkeit
Kategorie: Wahrscheinlichkeitsverteilung
Kategorie: Statistische Hypothesenprüfung
Kategorie: Statistische Methoden
Kategorie: Datenanalyse
Kategorie: Bayessche Statistik
Kategorie: Bestimmung des Stichprobenumfangs
Kategorie: Stichproben (Statistik)
Kategorie: Statistische Analyse
Kategorie: Statistische Modellierung
Kategorie: Wahrscheinlichkeitsrechnung und Statistik
Kategorie: Statistik
Regressionsmodelle

Regressionsmodelle

KURS 7, 54 Stunden

Was Sie lernen werden

  • Verwenden Sie Regressionsanalyse, kleinste Quadrate und Inferenz

  • Verstehen Sie die ANOVA und ANCOVA Modellfälle

  • Untersuchen Sie die Analyse von Residuen und Variabilität

  • Beschreiben Sie neuartige Anwendungen von Regressionsmodellen wie die Streudiagramm-Glättung

Kompetenzen, die Sie erwerben

Kategorie: Regressionsanalyse
Kategorie: Statistische Modellierung
Kategorie: Logistische Regression
Kategorie: Statistische Hypothesenprüfung
Kategorie: Datenanalyse
Kategorie: Statistische Analyse
Kategorie: Datenwissenschaft
Kategorie: Wahrscheinlichkeitsrechnung und Statistik
Kategorie: Statistische Inferenz
Kategorie: Bewertung des Modells
Kategorie: Statistische Methoden
Praktisches maschinelles Lernen

Praktisches maschinelles Lernen

KURS 8, 8 Stunden

Was Sie lernen werden

  • Verwenden Sie die grundlegenden Komponenten der Erstellung und Anwendung von Vorhersagefunktionen

  • Verstehen Sie Konzepte wie Trainings- und Testsätze, Overfitting und Fehlerquoten

  • Beschreiben Sie Methoden des maschinellen Lernens wie Regression oder Klassifikationsbäume

  • Erklären Sie den gesamten Prozess der Erstellung von Vorhersagefunktionen

Kompetenzen, die Sie erwerben

Kategorie: Prädiktive Modellierung
Kategorie: Random Forest Algorithmus
Kategorie: Algorithmen für maschinelles Lernen
Kategorie: Klassifizierungs- und Regressionsbaum (CART)
Kategorie: Vorverarbeitung von Daten
Kategorie: Technische Merkmale
Kategorie: Bewertung des Modells
Kategorie: Regressionsanalyse
Kategorie: R Programmierung
Kategorie: Klassifizierungsalgorithmen
Kategorie: Angewandtes maschinelles Lernen
Kategorie: Überwachtes Lernen
Kategorie: Methoden des maschinellen Lernens
Kategorie: Software für maschinelles Lernen
Kategorie: Maschinelles Lernen
Kategorie: Modell Ausbildung
Kategorie: Prädiktive Analytik
Entwicklung von Datenprodukten

Entwicklung von Datenprodukten

KURS 9, 10 Stunden

Was Sie lernen werden

  • Entwickeln Sie grundlegende Anwendungen und interaktive Grafiken mit GoogleVis

  • Verwenden Sie Leaflet, um interaktive, kommentierte Karten zu erstellen

  • Erstellen Sie eine R Markdown-Präsentation, die eine Datenvisualisierung enthält

  • Erstellen Sie ein Datenprodukt, das einem breiten Publikum eine Geschichte erzählt

Kompetenzen, die Sie erwerben

Kategorie: Rmarkdown
Kategorie: R Programmierung
Kategorie: Glänzend (R-Paket)
Kategorie: Interaktive Datenvisualisierung
Kategorie: Software-Dokumentation
Kategorie: Merkblatt (Software)
Kategorie: Hypertext Markup Language (HTML)
Kategorie: Web-Anwendungen
Kategorie: Präsentation der Daten
Kategorie: Paket- und Softwareverwaltung
Kategorie: Anwendungsentwicklung
Kategorie: Software zur Datenvisualisierung
Kategorie: R (Software)
Kategorie: Statistische Berichterstattung
Kategorie: Plotly
Datenwissenschaft Capstone

Datenwissenschaft Capstone

KURS 10, 6 Stunden

Was Sie lernen werden

  • Erstellen Sie ein nützliches Datenprodukt für die Öffentlichkeit

  • Wenden Sie Ihre Fähigkeiten zur explorativen Datenanalyse an

  • Erstellen Sie ein effizientes und genaues Prognosemodell

  • Erstellen Sie ein Präsentationsdeck, um Ihre Ergebnisse zu präsentieren

Kompetenzen, die Sie erwerben

Kategorie: Prädiktive Modellierung
Kategorie: Verarbeitung natürlicher Sprache
Kategorie: Modell-Optimierung
Kategorie: Bewertung des Modells
Kategorie: Vorverarbeitung von Daten
Kategorie: Datenwissenschaft
Kategorie: Prädiktive Analytik
Kategorie: Datenanalyse
Kategorie: Daten-Synthese
Kategorie: Analytische Fähigkeiten
Kategorie: Maschinelles Lernen
Kategorie: Datenerhebung
Kategorie: Präsentation der Daten
Kategorie: Explorative Datenanalyse
Kategorie: R Programmierung

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

Roger D. Peng, PhD
Johns Hopkins University
37 Kurse1.694.207 Lernende
Brian Caffo, PhD
Johns Hopkins University
30 Kurse1.723.386 Lernende
Jeff Leek, PhD
Johns Hopkins University
32 Kurse1.768.617 Lernende

von

Partner in der Branche

Partner 1
Partner 2

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