What you'll learn

Du lernst was Data Science ist und welche Aufgabenfelder ein Data Scientist hat.
Du lernst die wesentlichen Bereiche der Data Science kennen.
Du verstehst warum der Data Scientist das wichtigste Bindeglied & Vermittler zwischen allen Ebenen eines Unternehmens ist.
Du wirst die wichtigsten Methoden & Systeme zur Extraktion von Erkenntnissen, Mustern und Daten kennenlernen.
Du erhältst sofort umsetzbares Wissen zum Thema Datenbankmanagement für deine Berufspraxis.
Lerne, wie Du unterschiedliche Datenquellen wie Excel-Tabellen automatisch in Datenbanksysteme importierst und exportierst.
Du lernst alle relevanten Datenbankabfragen und Joins kennen.
Du lernst verschiedene Arten von Abfragen kennen wie z.b. Aktualisierungsabfragen oder Löschabfragen.
Du lernst die wichtigsten Prinzipien der Datenanalyse im Bezug auf Mittelwert-, Streuungs- und Zusammenhangskennzahlen.
Du wirst lernen wie man eine Regressionsanalyse modelliert und interpretiert.
Du lernst die Grundprinzipien der Zeitreihenanalyse anhand verschiedener Trendprognoseverfahren.
Du wirst von Grund auf lernen, wie Datenbanken funktionieren.
Du kannst eigene Diagramme erstellen, die Du sinnvoll zur Visualisierung nutzen kannst.
Du wirst verstehen was man unter partieller Integration bei Datenbanken versteht.


Requirements

Du benötigst einen Computer mit Windows 10, Windows 8 oder Windows 7
Auf dem Mac ist es ebenfalls möglich, Access zu installieren (mit der Software Parallels)
Lade dir alle für dich zusammengefassten Dateien und Übersichten runter, bevor du dir den Kurs anschaust.
Die Kapitel bauen aufeinander auf. Mach Dir also auch bei den komplexeren Themen keine Gedanken um die Voraussetzungen. Beschreibung
Microsoft Excel, unabhängig von der Version (funktioniert mit MS Excel 2003-2019 und Office 365).
Du benötigst Microsoft Access (z.B. aus Office 365, Access 2016 oder Access 2013)
Im Kurs erklären Fabio und Sebastian, wie Du alle relevanten Applikationen beziehen kannst.

Description

Data Science Masterclass: Statistik-Analysen & Datenbanken!

Dieser Kurs macht dich von null zum Experten im Bereich Statistik, Data Science und Datenanalyse! Wir fangen bei den wichtigsten Grundlagen der deskriptiven und induktiven Statistik an und werden die einzelnen Lerninhalte insbesondere praxisnahe mit Microsoft Excel vertiefen. Du lernst dabei die wichtigsten Analysewerkzeuge der Statistik kennen und wirst erfolgreich vorbereitet für komplexere Data-Science-Auswertungen und Machine Learning. Neben der deskriptiven und induktiven Statistik thematisieren wir insbesondere die wichtigsten Inhalte zu relationalen Datenbanken.

Dieser Kurs enthält unzählige Lektionen, Quizze, Tests, Übungsaufgaben, Fallstudien, Merkblätter, Zusammenfassungen und Formelsammlungen - Der beste Weg ein Experte im Bereich Statistik & Data Science zu werden!

Für diesen Kurs werden absolut keine Vorkenntnisse benötigt!

Zunächst eine kurze Übersicht, was dir dieser Kurs alles bietet:

Du lernst was Data Science ist und welche Aufgabenfelder ein Data Scientist hat

Du wirst die wichtigsten Methoden, Prozesse und Systeme zur Extraktion von Erkenntnissen, Mustern und Daten kennenlernen

Du verstehst warum der Data Scientist das wichtigste Bindeglied und Vermittler zwischen allen Ebenen eines Unternehmens ist

Du lernst die wichtigsten Prinzipien der Datenanalyse im Bezug auf Mittelwert-, Streuungs- und Zusammenhangskennzahlen

Du kannst eigene Diagramme erstellen, die Du sinnvoll zur Visualisierung nutzen kannst

Du wirst lernen wie man eine Regressionsanalyse modelliert und interpretiert

Du lernst die Grundprinzipien der Zeitreihenanalyse anhand verschiedener Trendprognoseverfahren

Du wirst von Grund auf lernen, wie Datenbanken funktionieren

Du erhältst sofort umsetzbares Wissen zum Thema Datenbankmanagement für deine Berufspraxis

Lerne, wie Du unterschiedliche Datenquellen wie Excel-Tabellen automatisch in Datenbanksysteme importierst und exportierst

Du lernst verschiedene Arten von Abfragen kennen wie z.b. Aktualisierungsabfragen oder Löschabfragen

Du lernst alle relevanten Datenbankabfragen und Joins kennen.

Du lernst die wesentlichen Anwendungsbereiche der Data Science kennen

Du wirst verstehen was man unter partieller Integration bei Datenbanken versteht

Lerne, wie Datenbanken funktionieren.

Lerne das Grundprinzip von relationalen Datenbanken kennen.

Lerne, was Abfragen sind und wozu man sie braucht.

Lerne die verschiedenen und effektivsten Formen von Abfragen kennen.

Lerne, wie Du Excel und Access optimal verknüpfst.

Lerne die besten Tipps und Kniffe, die sich im Büroalltag bewährt haben.


Praxisnahe Insights:

Einfache Einführung in Data Science

Data Science und Statistik anwendungsorientiert beherrschen

Verstehe was Statistik ist

Lerne die wichtigsten Elementen der deskriptiven und induktiven Statistik

Lerne Daten professionell zu visualisieren

Verstehe die wichtigsten statistischen Kennzahlen

Lerne Zusammenhänge zu berechnen

Verstehe die Regressionsanalyse & Zeitreihenanalyse

Lerne wichtige Trendprognoseverfahren

Verstehe die Grundsätze der Stochastik

Lerne Konfidenzintervalle zu berechnen

Führe statistische Hypothesentests durch

Bestehe deine Statistik-Prüfung

Lerne mit echten Datensätzen zu arbeiten

Arbeite mit den wichtigsten Datenbankabfragen

Lerne die wichtigsten Erkenntnisgewinne aus Daten zu gewinnen

Lerne professionelle Datenbanken aufzubauen

Fordere dein Wissen mit diversen Quizzen und Übungsaufgaben heraus

Einfaches Wiederholen von Wissen durch umfangreiche Zusammenfassungen

Und viel mehr…

Lerne Datenbankmanagement anwendungsorientiert mit Access!

Microsoft Access ist in vielen Firmen die Standard-Datenbanksoftware für Desktop-Anwender.

Im Gegensatz zu "Profi"-Datenbankmanagementsystemen kannst Du mit Access in wenigen Minuten (mit Drag and Drop und ohne SQL Kenntnisse) eigene Datenbanken erstellen, die Dir einen Haufen Arbeit abnehmen.

In diesem Praxis-Kurs lernst Du meine Erfahrungen aus über 10 Jahren täglicher Arbeit mit Microsoft Access.


Dieser Data Science Kurs besteht aus einer Vielzahl praktischer Übungen. Du lernst also nicht nur die Werkzeuge der Statistik, sondern auch, wie du quantitative Ansätze auf praxisnahe Data Science und Business Fälle anwenden kannst!

Die Statistik ist eine unglaublich wertvolle Disziplin! Sie ist eine Möglichkeit eine systematische Verbindung zwischen Erfahrung (Empirie) und Theorie herzustellen.

Du bist perfekt vorbereitet auf zukünftige Problemstellungen

Durchführung von professionellen Umfragen & statistischen Analysen

Operations Research mit statistischen Methoden

Grundlage für Programmiersprachen wie Python oder R-Studio

Analysieren von großen Datenmengen im Unternehmen

Grundlage für Web-Crawling & Data Science

Bestehen der Statistik-Prüfung an der Uni/Hochschule

Qualitätsmanagement Datenauswertung

Marktforschungen mit Korrelationen und Regressionen

Wahrscheinlichkeiten in Business-Fällen berechnen

Ökonometrische Ansätze in der Forschung verwenden

Finanzmarkt Prognosen basierend auf Trendschätzungen

Data Mining und maschinelles Lernen

Thermodynamik

Mein Ziel ist, dass du nach Abschluss dieses Kurses ein Experte im Bereich Data Science & Datenbankmanagement bist! Dies wird dir in einer Vielzahl von Anwendungsgebieten weiterhelfen! Dadurch bist du perfekt für zukünftige Jobs und Arbeitsprojekte vorbereitet.

––––––––––––––––––––––

Wie ist dieser Kurs aufgebaut?

1. Grundlagen Data Science

1.1. Was ist Data Science?

1.2. Welche Fähigkeiten braucht ein Data Scientist?

1.3. Überblick Kursstruktur

2. Einführung in die Statistik

2.1. Was ist Statistik?

2.2. Formelsammlung zur Statistik

2.3. Skalenniveaus Grundlagen

3. Klassierungen, Häufigkeiten & Verteilungen

3.1. Einführung Häufigkeiten

3.2. Klassieren von Daten und Häufigkeiten 1

3.3. Klassieren von Daten und Häufigkeiten 2

3.4. Verteilungsfunktionen 1

3.5. Verteilungsfunktionen 2

4. Mittelwertkennzahlen

4.1. Grundlagen Mittelwertkennzahlen

4.2. Modus

4.3. Median

4.4. Arithmetisches Mittel

4.5. Geometrisches Mittel

4.6. Boxplots & Visualisierungen

4.7. Outlier Detection

5. Streuungskennzahlen

5.1. Streuungskennzahlen

5.2. Spannweite & Streuungsmaße

5.3. Variationskoeffizient

6. Zusammenhangsmaßkennzahlen

6.1. Grundlagen Zusammenhangsmaßkennzahlen

6.2. Kontingenzkoeffizient 1

6.3. Kontingenzkoeffizient 2

6.4. Rangkorrelation nach Spearman 1

6.5. Rangkorrelation nach Spearman 2

6.6. Korrelationskoeffizient 1

7. Regressionsanalyse

7.1. Grundlagen Regressionsanalyse

7.2. Regression Beispiel 1

7.3.Regression Beispiel 2

7.4. Regression Beispiel 3

8. Zeitreihenanalyse

8.1. Grundlagen Zeitreihenanalyse

8.2. Visualisierung & Trendfunktion 1

8.3. Visualisierung & Trendfunktion 2

8.4. Naive Trendermittlungsverfahren

8.5. Trendermittlung mit gleitenden Durchschnitten

8.6. Trendermittlung mit exponentiellem Glätten

8.7. Fehlerberechnung & Güteschätzung

8.8. Standardisierung von Daten

9. Stochastik & Kombinatorik

9.1. Grundlagen der Induktiven Statistik

9.2. Grundlagen der Kombinatorik

9.3. Kombinatorik Beispiel 1

9.4. Kombinatorik Beispiel 2

9.5. Kombinatorik Beispiel 3

9.6. Einführung in die Wahrscheinlichkeitstheorie

9.7. Wahrscheinlichkeitstheorie in Excel

9.8. Binomialfunktion

9.9. Hypergeometrische Funktion

9.10. Poisson-Funktion

9.11. Normalverteilung Beispiel 1

9.12. Normalverteilung Beispiel 2

9.13. Normalverteilung Beispiel 3

10. Konfidenzintervalle

10.1. Grundlagen Konfidenzintervalle

10.2. Konfidenzintervall bei Normalverteilung und bekannter Varianz

10.3. Konfidenzintervall bei approximativer Verteilungsannahme

10.4. Konfidenzintervall bei Normalverteilung und unbekannter Varianz

11. Einführung Statistische Hypothesentests

11.1. Grundlagen und Übersicht statistische Parametertests

12. Einstichprobentests

12.1. Grundlagen 1-SP-Test für den Erwartungswert

12.2. Einstichprobentest für den Erwartungswert 1

12.3. Einstichprobentest für den Erwartungswert 2

12.4. Einstichprobentest für den Erwartungswert 3

12.5. Grundlagen 1-SP für den Anteilswert

12.6. Einstichprobentest für den Anteilswert 1

12.7. Einstichprobentest für den Anteilswert 2

12.8. Grundlagen 1-SP für die Varianz

12.9. Einstichprobentest für die Varianz 1

12.10. Einstichprobentest für die Varianz 2

13. Zweistichprobentests

13.1. Grundlagen 2-SP für den Erwartungswert

13.2. Beispiel 1: Zweistichproben-t-Test in Excel

13.3. Beispiel 2: Zweistichproben-t-Test in Excel

13.4. Grundlagen 2-SP für den Anteilswert

13.5. Beispiel 1: 2-SP-Test für die Differenz zweier Anteilswerte in Excel

13.6. Beispiel 2: 2-SP-Test für die Differenz zweier Anteilswerte in Excel

13.7. Grundlagen 2-SP für die Varianz

13.8. Beispiel 1: Zweistichproben-F-Test in Excel

13.9. Beispiel 2: Zweistichproben-F-Test in Excel

14. Verteilungstests

14.1. Chi-Quadrat-Anpassungstest auf Normalverteilung

14.2. Beispiel 1: Chi-Quadrat-Anpassungstest

14.3. Beispiel 2: Chi-Quadrat-Anpassungstest

15. Einführung in relationale Datenbanken

15.1 Was ist eine Datenbank?

15.2. (Theorie) Wo bekommst Du es her + erste Sichtbare unterschiede Access vs. Excel

16. Grundlagen Datenbank-Tabellen & Schlüssel

16.1. (Theorie) Was sind Datenbank-Tabellen, und was ist ein Schlüssel?

16.2. Strukturen und Tabellen anlegen (Kurzform)

17. Abfragen & Joins bei Datenbanken

17.1. (Theorie) Was ist eine Abfrage und welche Abfragetypen gibt es

17.2. Abfragen vorbereiten in Access und der Normalisierungsgedanke

17.3. Deine erste einfache Abfrage (Projektion)

17.4. Aufsteigend und absteigend sortieren

17.5. Jetzt wird geheiratet - Dein erster Join

17.6. Wir schauen uns den Code vom Join an

17.7. Ein einfacher Vergleich in einer Abfrage

17.8. Filter auf Zwischen und Ungleich

17.9. Über Nullwerte

17.10. Zeilen suchen, die einen bestimmten Wert enthalten

17.11. Variable in der Abfrage

18. Fortgeschrittene Datenbankfunktionen

18.1. Datum-Felder und Datum-Vergleich

18.2. Dateien von Excel importieren mit diesen 2 Möglichkeiten

18.3. Exportieren in Excel und Reportingstrukturen errichten

18.4. Aggregatfunktionen erklärt an verschachtelten Funktionen mit mehreren Joins

18.5. Einführung berechnete Felder und wichtige Anmerkungen dazu

18.6. Referentielle Integrität, Aktualisierungsweitergabe und Löschweitergabe

19. Expertenfunktionen bei Datenbanken

19.1. Einführung in erweiterte Abfragetypen

19.2. Die Datenerstellungs-Abfrage

19.3. Die Anfüge-Abfrage

19.4. Die Aktualisierungs-Abfrage

19.5. Kreuztabellen - eine verkleinerte Version von Pivottabellen

19.6. Brauche ich regelmäßig: Die Löschabfrage

19.7. Die Union-Abfrage - So geht es auch ohne Wizard

––––––––––––––––––––––

Im Kurs zum Download erhältlich

Zusammenfassung aller Themen der Data Science (PDF)

Skript aller inhaltlichen Themen der Data Science (PowerPoint)

Formelsammlung (PDF)

Übungsaufgaben der einzelnen Themenkapitel (Excel & Access)

Lösungen der Übungsaufgaben (Excel & Access)

Bonus: Übersicht aller Shortcuts in Access (PDF)

Bonus: Übersicht aller Shortcuts in Excel (PDF)

Bonus: Übersicht zum Thema Pivot-Tabellen (PDF)

Who this course is for:

Dieser Kurs richtet sich insbesondere an alle Studierenden und Berufsanfänger, die sich für das Thema Data Science interessieren.
Menschen, die Datenbanken praxisnah kennenlernen wollen.
Dieser Kurs ist geeignet für alle, die sich für eine einfache, fachgerechte und interessante Einführung in das Thema Data Science interessieren.
Business Analysten / Projektmitarbeiter, die effektiver werden möchten.
Dieser Kurs richtet sich an alle, die sich für das Berufsfeld Data Scientist interessieren.
Jeder, der sich in relationale Datenbanken einarbeiten möchte oder es "muss"
Dieser Kurs ist geeignet für alle, die im Job iterative Prozesse durch neue Technologien automatisieren möchten.
Menschen, die die praktische und pragmatische Einordnung von Fabio und Sebastian erfahren möchten

Homepage: https://www.udemy.com/course/datascience-masterclass/

Download Part 01

Download Part 02

Download Part 03

Download Part 04

Click Here for More Tutorial