University of Michigan
Spezialisierung Angewandte Datenwissenschaft mit Python
University of Michigan

Spezialisierung Angewandte Datenwissenschaft mit Python

Gewinnen Sie neue Erkenntnisse über Ihre Daten. Lernen Sie, datenwissenschaftliche Methoden und Techniken anzuwenden, und erwerben Sie Analysefähigkeiten.

Christopher Brooks
Kevyn Collins-Thompson
Daniel Romero

Dozenten: Christopher Brooks

435.637 bereits angemeldet

Bei Coursera Plus enthalten

Befassen Sie sich eingehend mit einem Thema
4.5

(26,193 Bewertungen)

Stufe Mittel
Einige einschlägige Kenntnisse erforderlich
4 Monate
Pro Woche 10 Stunden
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen
Befassen Sie sich eingehend mit einem Thema
4.5

(26,193 Bewertungen)

Stufe Mittel
Einige einschlägige Kenntnisse erforderlich
4 Monate
Pro Woche 10 Stunden
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

  • Führen Sie eine inferentielle statistische Analyse durch

  • Erkennen, ob eine Datenvisualisierung gut oder schlecht ist

  • Verbessern Sie eine Datenanalyse mit angewandtem maschinellem Lernen

  • Analysieren Sie die Konnektivität eines sozialen Netzwerks

Kompetenzen, die Sie erwerben

  • Kategorie: Text Mining
  • Kategorie: Überwachtes Lernen
  • Kategorie: Angewandtes maschinelles Lernen
  • Kategorie: Verarbeitung natürlicher Sprache
  • Kategorie: Netzwerkanalyse
  • Kategorie: Datenmanipulation
  • Kategorie: Graphentheorie
  • Kategorie: Jupyter
  • Kategorie: Netzwerk-Modell
  • Kategorie: Pandas (Python-Paket)
  • Kategorie: Scikit Learn (Bibliothek für Maschinelles Lernen)
  • Kategorie: Datenverarbeitung

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Unterrichtet in Englisch

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 Michigan.
Platzhalter
Platzhalter

Erwerben Sie ein Karrierezertifikat.

Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.

Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.

Platzhalter

Spezialisierung - 5 Kursreihen

Einführung in die Datenverarbeitung mit Python

KURS 134 Stunden4.5 (27,153 Bewertungen)

Was Sie lernen werden

  • Techniken wie Lambdas und die Bearbeitung von csv-Dateien verstehen

  • Beschreiben Sie gängige Python-Funktionen und -Features, die für Data Science verwendet werden

  • Abfrage von DataFrame-Strukturen zur Bereinigung und Verarbeitung

  • Erklären Sie Verteilungen, Stichproben und t-Tests

Kompetenzen, die Sie erwerben

Kategorie: Daten bereinigen
Kategorie: Verarbeitung natürlicher Sprache
Kategorie: Datenmanipulation
Kategorie: Überwachtes Lernen
Kategorie: Datenverarbeitung
Kategorie: Feature Technik
Kategorie: Unstrukturierte Daten
Kategorie: Text Mining
Kategorie: Algorithmen für maschinelles Lernen
Kategorie: Python-Programmierung
Kategorie: Natural Language Toolkit (NLTK)
Kategorie: Unüberwachtes Lernen

Was Sie lernen werden

  • Beschreiben Sie, was eine gute oder schlechte Visualisierung ausmacht

  • Best Practices für die Erstellung grundlegender Diagramme kennenlernen

  • Identifizieren Sie die Funktionen, die für bestimmte Probleme am besten geeignet sind

  • Erstellen Sie eine Visualisierung mit matplotlb

Kompetenzen, die Sie erwerben

Kategorie: Explorative Datenanalyse
Kategorie: Datenanalyse
Kategorie: Netzwerk-Modell
Kategorie: Graphentheorie
Kategorie: Prädiktive Analytik
Kategorie: Analyse sozialer Netzwerke
Kategorie: Angewandtes maschinelles Lernen
Kategorie: Netzwerkanalyse
Kategorie: Python-Programmierung
Kategorie: Unüberwachtes Lernen

Angewandtes maschinelles Lernen in Python

KURS 331 Stunden4.6 (8,554 Bewertungen)

Was Sie lernen werden

  • Beschreiben Sie, wie sich maschinelles Lernen von deskriptiver Statistik unterscheidet

  • Datencluster erstellen und auswerten

  • Erklären Sie verschiedene Ansätze zur Erstellung von Vorhersagemodellen

  • Erstellen Sie Funktionen, die den Analyseanforderungen entsprechen

Kompetenzen, die Sie erwerben

Kategorie: Scikit Learn (Bibliothek für Maschinelles Lernen)
Kategorie: Scikit-Learn
Kategorie: Überwachtes Lernen
Kategorie: Regressionsanalyse
Kategorie: Klassifizierungs- und Regressionsbaum (CART)
Kategorie: Algorithmen für maschinelles Lernen (ML)
Kategorie: Maschinelles Lernen
Kategorie: Unüberwachtes Lernen
Kategorie: Künstliche neuronale Netze
Kategorie: Dimensionalitätsreduktion
Kategorie: Prädiktive Modellierung
Kategorie: Feature Technik
Kategorie: Random Forest Algorithmus
Kategorie: Angewandtes maschinelles Lernen
Kategorie: Python-Programmierung

Angewandtes Text Mining in Python

KURS 425 Stunden4.2 (3,814 Bewertungen)

Was Sie lernen werden

  • Verstehen, wie Text in Python behandelt wird

  • Anwendung grundlegender Methoden der natürlichen Sprachverarbeitung

  • Code schreiben, der Dokumente nach Thema gruppiert

  • Beschreiben Sie das nltk-Framework für die Bearbeitung von Text

Kompetenzen, die Sie erwerben

Kategorie: Datenanalyse
Kategorie: Datenmanipulation
Kategorie: Pivot-Tabellen und Diagramme
Kategorie: Wahrscheinlichkeit & Statistik
Kategorie: Grundsätze der Programmierung
Kategorie: Numpy
Kategorie: Daten importieren/exportieren
Kategorie: Daten bereinigen
Kategorie: Pandas
Kategorie: Jupyter
Kategorie: Datenverarbeitung
Kategorie: Pandas (Python-Paket)
Kategorie: Statistische Analyse
Kategorie: Python-Programmierung

Angewandte Analyse sozialer Netzwerke in Python

KURS 526 Stunden4.6 (2,708 Bewertungen)

Was Sie lernen werden

  • Darstellung und Bearbeitung von vernetzten Daten mit der NetworkX-Bibliothek

  • Analysieren Sie die Konnektivität eines Netzwerks

  • Messen Sie die Wichtigkeit oder Zentralität eines Knotens in einem Netzwerk

  • Prognostizieren Sie die Entwicklung von Netzwerken im Laufe der Zeit

Kompetenzen, die Sie erwerben

Kategorie: Streudiagramme
Kategorie: Datenmanipulation
Kategorie: Wissenschaftliche Visualisierung
Kategorie: NumPy
Kategorie: Histogramm
Kategorie: Daten-Virtualisierung
Kategorie: Pandas (Python-Paket)
Kategorie: Grafische Darstellung
Kategorie: Statistische Visualisierung
Kategorie: Plot (Grafiken)
Kategorie: Matplotlib
Kategorie: Visualisierung (Computergrafik)
Kategorie: Interaktive Datenvisualisierung
Kategorie: Datenvisualisierung
Kategorie: Python-Programmierung
Kategorie: Datenvisualisierungssoftware

Dozenten

Christopher Brooks
15 Kurse912.573 Lernende
Kevyn Collins-Thompson
University of Michigan
0 Kurse0 Lernende

von

Bereiten Sie sich auf einen Abschluss vor.

Wenn Sie Spezialisierung von University of Michigan absolvieren, erhalten Sie möglicherweise eine Vorschau der Themen, Materialien und Lehrkräfte für einen verwandten Studiengang. So können Sie besser einschätzen, ob das Thema oder die Universität die richtige Wahl für Sie wäre.

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.“
Platzhalter

Neue Karrieremöglichkeiten mit Coursera Plus

Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten

Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.

Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online

Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.

Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.

Häufig gestellte Fragen