|
所在平台: Coursera |
课程主页: https://www.coursera.org/learn/data-scientists-tools-de
课程评论:没有评论
课程名称:数据科学家的工具箱 课程概述:本课程将为您介绍数据科学家工具箱中的主要工具和理念,概述数据分析师和数据科学家所使用的数据、问题和工具。课程分为两个部分:第一部分是关于将数据转化为可执行知识的理念的概念性介绍;第二部分是对将在课程中使用的工具的实际介绍,包括版本控制、Markdown、Git、GitHub、R 和 RStudio。 课程大纲: 第一部分:数据科学基础 描述:在这一模块中,我们将介绍和定义数据科学及其相关数据。此外,还将探讨数据科学家在遇到困难时所利用的一些资源。 第二部分:R 和 RStudio 描述:在此模块中,我们将帮助您熟悉 R 和 RStudio,并学习这两个工具的一些基本知识及其为何被数据科学家广泛使用的原因。 第三部分:版本控制和 GitHub 描述:本模块将介绍版本控制及其对于数据科学家的重要性,同时学习如何通过 Git 和 GitHub 管理数据科学项目中的版本控制。 第四部分:R Markdown、科学思维与大数据 描述:在最后一个模块中,您将学习 R Markdown 的使用,并了解对每位成功的数据科学家至关重要的三个概念:提出好问题、实验设计和大数据。 通过本课程的学习,您将掌握数据科学的基础知识及重要工具,为未来的数据分析和科学研究奠定坚实的基础。
Part: 1
Title:Data Science – Grundlagen
Description:In diesem Modul werden wir Data Science und die Daten selbst vorstellen und definieren. Wir gehen auch auf einige der Ressourcen ein, die Data Scientists nutzen, um Hilfe zu erhalten, wenn sie nicht weiterkommen.
Part: 2
Title:R und RStudio
Description:In diesem Modul helfen wir Ihnen, sich mit R und RStudio vertraut zu machen. Nebenbei lernen Sie einige Grundlagen über beide Tools und warum Data Scientists sie verwenden.
Part: 3
Title:Versionskontrolle und GitHub
Description:In diesem Modul lernen Sie etwas über Versionskontrolle und warum sie für Data Scientists so wichtig ist. Außerdem lernen Sie, wie Sie mit Git und GitHub die Versionskontrolle in Data-Science-Projekten verwalten können.
Part: 4
Title:R Markdown, wissenschaftliches Denken und Big Data
Description:In diesem letzten Modul lernen Sie die Verwendung von R Markdown kennen und erhalten eine Einführung zu drei Konzepten, die für jeden erfolgreichen Data Scientist unglaublich wichtig sind: gute Fragen stellen, Versuchsplanung und Big Data.
In this course you will get an introduction to the main tools and ideas in the data scientist's toolbox. The course gives an overview of the data, questions, and tools that data analysts and data scientists work with. There are two components to this course. The first is a conceptual introduction to the ideas behind turning data into actionable knowledge. The second is a practical introduction to the tools that will be used in the program like version control, markdown, git, GitHub, R, and RStudio.