Künstliche Intelligenz & Data Science
Videokurse und Webinar-Aufzeichnungen von heise
In den Videokursen von heise academy machen ausgewählte Expertinnen und Experten fit in aktuellen IT-Themen wie IT-Security, IT-Systeme, Künstliche Intelligenz, Cloud- und Netzwerk-Technologien.
Ergänzt wird das Angebot durch Webinar-Aufzeichnungen der c't- und Mac & i-Redaktion sowie heise security. Darunter auch hilfreiche Wissensvermittlung zu Energietechnologien und Smart Home.
Machine Learning mit Python – Teil 3: Klassifikation
Der dritte Teil der Serie „Machine Learning mit Python“ widmet sich der Klassifikation und der Verarbeitung natürlicher Sprache. Sie lernen unterschiedliche Klassifikationsmodelle kennen, darunter den Decision-Tree-Klassifikator, die Stützvektormethode und den naiven Bayes-Klassifikator, und Sie erfahren, wie Sie diese für verschiedene Problemstellungen einsetzen können. Ein weiterer Schwerpunkt liegt auf der Bewertung von Modellen. Mit Hilfe einer Confusion Matrix und den Metriken Precision, Recall und F1-Score analysieren Sie die Qualität Ihrer Modelle und optimieren deren Leistung. Darüber hinaus erhalten Sie Einblick in die Anwendung des naiven Bayes-Klassifikators im Bereich der natürlichen Sprachverarbeitung, einem spannenden und vielseitigen Einsatzgebiet. Auch dieser Kurs zeichnet sich durch seine Praxisnähe aus. Anhand mehrerer Praxisprojekte wenden Sie das Erlernte direkt an. Der Kurs ist Teil der Serie „Machine Learning mit Python“: Machine Learning mit Python – Teil 1: GrundlagenMachine Learning mit Python – Teil 2: RegressionMachine Learning mit Python – Teil 3: KlassifikationMachine Learning mit Python – Teil 4: Data Pipelines, Feature Engineering und K-Means Clustering Länge: 06:08 Stunden Alle Video-Lektionen im Überblick: Vorstellung und Infos zum Kurs Herzlich willkommen zu diesem Kurs Decision Tree Classifier Kapitelüberblick Binäre Klassifikation – Confusion Matrix Confusion Matrix in Python (Teil 1) Confusion Matrix in Python (Teil 2) Binäre Klassifikation: Precision und Recall Binäre Klassifikation: F1-Score Binäre Klassifikation: Precision, Recall und F1-Score in Python (Teil 1) Binäre Klassifikation: Precision, Recall und F1-Score in Python (Teil 2) Mehrklassen Klassifikation – Verschiedene Metriken Mehrklassen Klassifikation in Python (Teil 1) Mehrklassen Klassifikation in Python (Teil 2) Quiz: Decision Tree Classifier Projekt 7 – Vorhersage der Trinkwasserqualität mithilfe von Ensemble Methoden Kapitelüberblick Projektvorlage in Python Projektlösung in Python Logistische Regression Kapitelüberblick Logistische Regression – Intuition Logistische Regression in Python (Optional) Mathematische Vertiefung – Log Loss – Binary Cross Entropy Quiz: Logistische Regression Projekt 8 – Zielgruppenidentifikation für die Expansion in neue Märkte Kapitelüberblick Projektvorlage in Python Projektlösung in Python KNN – K-Nächste-Nachbarn Kapitelüberblick KNN – Intuition KNN in Python (Teil 1) KNN in Python (Teil 2) (Optional) Funktionsweise von plot_decision_boundaries() (Optional) Mathematische Vertiefung – Varianz, Standardabweichung und Skalierung Quiz: KNN – K-Nächste-Nachbarn Projekt 9 – Klassifikation von Irisblumen anhand ihrer Blütenmorphologie Kapitelüberblick Projektvorlage in Python Projektlösung in Python SVM – Support Vector Machine Kapitelüberblick SVM – Intuition SVM in Python: Lineare Kernelfunktion SVM in Python: Polynomiale Kernelfunktion SVM in Python: RBF-Kernelfunktion Quiz: SVM – Support Vector Machine Projekt 10 – Reise-Influencer für mögliche Kollaborationen ausfindig machen Kapitelüberblick Projektvorlage in Python Projektlösung in Python Naiver Bayes-Klassifikator Kapitelüberblick Naiver Bayes-Klassifikator – Intuition Categorical Naive Bayes in Python (Teil 1) Categorical Naive Bayes in Python (Teil 2) Gaussian Naive Bayes in Python (Teil 1) Gaussian Naive Bayes in Python (Teil 2) Mixed Naive Bayes in Python (Teil 1) Mixed Naive Bayes in Python (Teil 2) (Optional) Mathematische Vertiefung: Formelherleitung und die Normalverteilung (Optional) Mathematische Vertiefung: PDF und Gaußsches-Integral Quiz: Naiver Bayes-Klassifikator Projekt 11 – Einkommensprognose unter Berücksichtigung verschiedener Merkmale Kapitelüberblick Projektvorlage in Python Projektlösung in Python NLP – Natural Language Processing Kapitelüberblick NLP – Intuition NLP in Python (Teil 1) NLP in Python (Teil 2) NLP in Python (Teil 3) (Optional) Mathematische Vertiefung: Multinomiale Wahrscheinlichkeitsfunktion Quiz: NLP – Natural Language Processing Projekt 12 – Automatisierte Kundenbewertungsanalyse im Bereich E-Commerce Kapitelüberblick Projektvorlage in Python Projektlösung in Python Abschluss Fazit und Kursabschluss Über den Trainer:Ilyas Tachakor entdeckte bereits während seines Informatikstudiums seine Leidenschaft für Data Science. Bevor er sich als Online-Dozent selbstständig machte, entwickelte er bei einem führenden deutschen EdTech-Startup innovative Lerninhalte im Bereich Informatik. Diese Erfahrung verschaffte ihm ein umfassendes Verständnis für die Bedürfnisse von Lernenden. Heute verbindet er dieses Wissen mit seiner Fachkompetenz, um in seinen praxisorientierten Videokursen ein nachhaltiges Lernerlebnis zu schaffen und Menschen für moderne Technologien zu begeistern. So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Machine Learning mit Python – Teil 2: Regression
Der zweite Teil der Serie „Machine Learning mit Python“ konzentriert sich auf weiterführende Themen und deren Anwendung. In diesem Kurs erlernen Sie erweiterte Regressionskonzepte und den Einsatz leistungsstarker Algorithmen wie XGBoost für präzise Vorhersagen. Weitere Inhalte umfassen die Kreuzvalidierung und Hyperparameteroptimierung zur Leistungssteigerung der Modelle, Methoden zur Datenvisualisierung und -analyse sowie die Bewertung von Regressionsmodellen mittels MAE, MSE, und RMSE. Ein weiteres Highlight ist die Einführung in die Zeitreihenanalyse: Der Online-Dozent Ilyas Tachakor zeigt Ihnen verschiedene Fälle wie Trends, Saisonalitäten und Zyklen und wie Sie diese mit modernen Methoden modellieren können – sowohl bei zeitlichen als auch seriellen Abhängigkeiten. Auch dieser Kurs zeichnet sich durch seine Praxisnähe aus. Anhand mehrerer Praxisprojekte wenden Sie das Erlernte direkt an. Dieser Kurs ist Teil der Serie „Machine Learning mit Python“: Machine Learning mit Python – Teil 1: GrundlagenMachine Learning mit Python – Teil 2: RegressionMachine Learning mit Python – Teil 3: KlassifikationMachine Learning mit Python – Teil 4: Data Pipelines, Feature Engineering und K-Means Clustering Länge: 04:35 Stunden Alle Video-Lektionen im Überblick: Vorstellung und Infos zum Kurs Herzlich willkommen zu diesem Kurs Multiple Lineare Regression Kapitelüberblick Multiple Lineare Regression – Intuition Multiple Lineare Regression in Python (Teil 1) Multiple Lineare Regression in Python (Teil 2) Multiple Lineare Regression in Python (Teil 3) Quiz: Multiple Lineare Regression Projekt 2 – Auswirkungen von Marketinginvestitionen auf den Tourismussektor Kapitelüberblick Projektvorlage in Python Projektlösung in Python Polynomiale Regression Kapitelüberblick Polynomiale Regression – Intuition Polynomiale Regression in Python (Teil 1) Polynomiale Regression in Python (Teil 2) Polynomiale Regression in Python (Teil 3) Quiz: Polynomiale Regression Projekt 3 – Analyse des Einflusses von Schlaf auf unser emotionales Wohlbefinden Kapitelüberblick Projektvorlage in Python Projektlösung in Python Decision Tree Regression Kapitelüberblick Decision Tree Regression - Intuition Modellvalidierung und Hyperparameteroptimierung - Intuition Decision Tree Regression in Python (Teil 1) Decision Tree Regression in Python (Teil 2) Decision Tree Regression in Python (Teil 3) Decision Tree Regression in Python (Teil 4) Kreuzvalidierung – Intuition Decision Tree Regression in Python (Teil 5) Weitere Metriken: MSE und RMSE (Optional) Mathematische Vertiefung - Decision Tree Regression (Costfunction) Quiz: Decision Tree Regression Projekt 4 – Ermittlung von Immobilienpreisen in Washington Kapitelüberblick Projektvorlage in Python Projektlösung in Python Random Forest Regression und XGBoost Kapitelüberblick Ensemble-Methoden: Bagging, Random Forest Random Forest Regression in Python Ensemble-Methoden: Boosting, XGBoost XGBoost Regression in Python Quiz: Random Forest Regression und XGBoost Projekt 5 – Vorhersage von Gebrauchtwagenpreisen Kapitelüberblick Projektvorlage in Python Projektlösung in Python Time Series Regression Kapitelüberblick Time Series Regression – Trend Time Series Regression – Saisonalität Time Series Regression – Kombinationen Trends in Python (Teil 1) Trends in Python (Teil 2) Python Exkurs: DataFrame Indexing (Teil 1) Python Exkurs: DataFrame Indexing (Teil 2) Saisonalität in Python (Teil 1) Saisonalität in Python (Teil 2) Saisonalität in Python (Teil 3) Kombinationen in Python Time Series Regression – Zyklen (Teil 1) Time Series Regression – Zyklen (Teil 2) Zyklen in Python (Teil 1) Zyklen in Python (Teil 2) Zyklen in Python (Teil 3) Zyklen in Python (Teil 4) Quiz: Time Series Regression Projekt 6 – Prognose von COVID-19-Neuinfektionen und Aktienkursen Kapitelüberblick Aktien – Projektvorlage in Python Aktien – Projektlösung in Python COVID-19 – Projektvorlage in Python COVID-19 – Projektlösung in Python Abschluss Fazit und Kursabschluss Über den Trainer:Ilyas Tachakor entdeckte bereits während seines Informatikstudiums seine Leidenschaft für Data Science. Bevor er sich als Online-Dozent selbstständig machte, entwickelte er bei einem führenden deutschen EdTech-Startup innovative Lerninhalte im Bereich Informatik. Diese Erfahrung verschaffte ihm ein umfassendes Verständnis für die Bedürfnisse von Lernenden. Heute verbindet er dieses Wissen mit seiner Fachkompetenz, um in seinen praxisorientierten Videokursen ein nachhaltiges Lernerlebnis zu schaffen und Menschen für moderne Technologien zu begeistern. So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Microsoft Fabric – Synapse Real-Time Intelligence
Echtzeitverarbeitung entwickelt sich in der Datenanalyse zunehmend zum Muss. In diesem Kurs gibt Ihnen der Data Scientist Emil Vinčazović eine Einführung in die wichtigsten Funktionen und Anwendungsbereiche von Synapse Real-Time Intelligence in Microsoft Fabric. Von Eventstreams über KQL-Abfragen bis zum Eventhouse lernen Sie, die grundlegenden Bausteine von Real-Time Intelligence auf Echtzeitdaten anzuwenden. Mithilfe von Real-Time Dashboards werden Sie außerdem in der Lage sein, sofortige Datenvisualisierungen zu erstellen. Anhand eines Praxisbeispiels können Sie das Gelernte direkt Schritt für Schritt umsetzen. Falls Sie neu sind im Bereich Echtzeitdatenanalyse oder eine Auffrischung benötigen – dieser Kurs bietet den idealen Einstieg. Dieser Kurs ist Teil einer Serie über Microsoft Fabric, in der Emil Vinčazović das Tool und dessen Einsatzmöglichkeiten praxisorientiert vorstellt: Einstieg in Microsoft FabricMicrosoft Fabric – Data FactoryMicrosoft Fabric – Synapse Data EngineeringMicrosoft Fabric – Synapse Data WarehouseMicrosoft Fabric – Synapse Data ScienceMicrosoft Fabric – Synapse Real-Time IntelligenceMicrosoft Fabric – Power BI (erscheint in Kürze) Länge: 00:50 Stunden Alle Video-Lektionen im Überblick: Herzlich willkommen zu diesem Kurs Synapse Real-Time Intelligence in Microsoft Fabric Kapitelüberblick Was ist Real-Time Intelligence in Fabric? Eventstreams KQL-Abfragen Real-Time Dashboard Eventhouse Quiz: Synapse Real-Time Intelligence in Microsoft Fabric Praxisbeispiel mit Beispieldaten von Microsoft Kapitelüberblick Eventstream aufsetzen Verbindung mit dem Stream herstellen Ziel auswählen und ausführen Insights mithilfe des Logs Analysen des Streams mit KQL Systemüberblick im Eventhouse Echtzeitberichte erstellen mit Real-Time Dashboards Abschluss Fazit und Kursabschluss Über den Trainer:Emil Vinčazović ist als Data Engineer und Data Scientist bei der arelium GmbH tätig. Seine Schwerpunkte liegen im Bereich der Ökonometrie und der Künstlichen Intelligenz. In seinen Kundenprojekten arbeitet er hauptsächlich mit Azure Synapse, Azure Databricks, Azure Machine Learning Studio und seit dessen Veröffentlichung auch mit Microsoft Fabric. Seine Expertise in diesen Bereichen gibt er auch auf Fachkonferenzen und in Workshops weiter. Zusätzlich betreibt er den YouTube-Kanal des Unternehmens, wo er Tutorials zu aktuellen Themen rund um cloudbasierte Technologien produziert. So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Machine Learning mit Python – Teil 1: Grundlagen
Machine Learning ist eine der wichtigsten Technologien zur Datenverarbeitung und in vielen Branchen nicht wegzudenken. In diesem ersten Kurs der Serie „Machine Learning mit Python“ vermittelt Ihnen der Online-Dozent Ilyas Tachakor Schritt für Schritt die wichtigsten Grundlagen. Der Kurs bietet eine praxisorientierte Einführung in zentrale Begriffe und Ansätze wie Regression, Klassifikation, überwachtes Lernen und unüberwachtes Lernen. Sie lernen, wie Sie mit Python ML-Modelle entwickeln und je nach Anwendungsfall das richtige Modell auswählen. Mit Übungsaufgaben und einem Praxisprojekt können Sie das Gelernte direkt anwenden. Dieser Kurs bildet den idealen Einstieg in die Welt des maschinellen Lernens und legt den Grundstein für die weiteren Kurse der Serie „Machine Learning mit Python“: Machine Learning mit Python – Teil 1: GrundlagenMachine Learning mit Python – Teil 2: RegressionMachine Learning mit Python – Teil 3: KlassifikationMachine Learning mit Python – Teil 4: Data Pipelines, Feature Engineering und K-Means Clustering Länge: 02:34 Stunden Alle Video-Lektionen im Überblick: Vorstellung und Infos zum Kurs Herzlich willkommen zu diesem Kurs Einführung Kapitelüberblick Grundbegriffe Ordnerstruktur und Einführung in Google Colab Quiz: Einführung Erste Schritte mit Python Kapitelüberblick Variablen und bedingte Anweisungen Praxisaufgabe 1 - Vorlage Praxisaufgabe 1 - Lösung Datentypen und Schleifen Praxisaufgabe 2 - Vorlage Praxisaufgabe 2 - Lösung Funktionen Praxisaufgabe 3 - Vorlage Praxisaufgabe 3 - Lösung Funktionen mit Rückgabewert und Bibliotheken Weitere Bibliotheken (Pandas/Seaborn) Praxisaufgabe 4 - Vorlage Praxisaufgabe 4 - Lösung Quiz: Erste Schritte mit Python Trainiere deine ersten KI-Modelle Kapitelüberblick Lineare Regression Lineare Regression in Python Entscheidungsbäume Entscheidungsbaum in Python (Optional) Mathematische Vertiefung – Methode der kleinsten Quadrate (Optional) Mathematische Vertiefung – Gini-Unreinheit Quiz: Trainiere deine ersten KI-Modelle Projekt – Kundenkaufverhalten und Unternehmensgewinne vorhersagen Kapitelüberblick Projektvorlage in Python Projektlösung in Python Abschluss Fazit und Kursabschluss Über den Trainer:Ilyas Tachakor entdeckte bereits während seines Informatikstudiums seine Leidenschaft für Data Science. Bevor er sich als Online-Dozent selbstständig machte, entwickelte er bei einem führenden deutschen EdTech-Startup innovative Lerninhalte im Bereich Informatik. Diese Erfahrung verschaffte ihm ein umfassendes Verständnis für die Bedürfnisse von Lernenden. Heute verbindet er dieses Wissen mit seiner Fachkompetenz, um in seinen praxisorientierten Videokursen ein nachhaltiges Lernerlebnis zu schaffen und Menschen für moderne Technologien zu begeistern. So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
KI-gestützte Programmierung: Entwicklungsprozesse beschleunigen und optimieren (Mac & i Webinar-Aufzeichnung)
Webinar "KI-gestützte Programmierung: Entwicklungsprozesse beschleunigen und optimieren", im heise shop als Aufzeichnung der Live-Veranstaltung aus dem Januar 2025. Die Möglichkeiten der KI für die Implementierung gehen weit über das traditionelle Autocomplete hinaus. Die Dienste erkennen Fehler und generieren sogar Codeabschnitte basierend auf natürlicher Sprache und vorhandenem Code. Klaus Rodewig demonstriert, wie KI-gestützte Programmierung den Entwicklungsprozess verbessern kann. In etwa vier Stunden erläutert er anhand konkreter Anwendungsfälle unter anderem, wie sich mithilfe der KI die Codeerstellung beschleunigen lässt sowie Bugs und Sicherheitslücken identifizieren lassen. Anhand von Diensten wie Github Copilot, das auch auf GPT-Technologie basiert, zeigt der Referent die Auswirkungen auf den Entwicklungsprozess. Neben den enormen Chancen bergen diese Dienste auch Risiken – für den Datenschutz bis hin zu handfesten Sicherheitslücken. Über die Analyse zur Leistungsfähigkeit der neuen Möglichkeiten hinaus betrachtet das Webinar auch die ethischen und datenschutzrechtlichen Aspekte der KI-gestützten Programmierung. Die vorgestellten Technologien sind plattformübergreifend verfügbar. Die gezeigten Beispiele betreffen gängige Plattformen wie Android, Web und Embedded-Entwicklung. Aufgrund der Entscheidung von Apple, die hauseigene KI-Lösung Apple Intelligence vorerst nicht in der EU zugänglich zu machen, ist Apple Intelligence nicht Bestandteil des Webinars.ThemenschwerpunkteRapid Prototyping mit KI KI-gestützte Codegenerierung Fehler finden und Debugging-Unterstützung Produktivitätssteigerung und Beschleunigung der Entwicklungszyklen KI in Entwicklungsumgebungen Autocompletion und KI-Chatbots Code-Analyse Praktische Beispiele und Demos mit aktuellen KI-Modellen und Diensten Datenschutz und Datensicherheit bei KI im EntwicklungsprozesseZielgruppeSoftwareentwickler und Dev-Teams IT-Entscheider und Technologieverantwortliche Alle Interessierten an KI in der Programmierung
KI im Unternehmen technisch und rechtlich sicher einsetzen (Webinar-Aufzeichnung)
KI im Unternehmen technisch und rechtlich sicher einsetzen – Externe und lokale Lösungen (Webinar Aufzeichnung aus Dezember 2024)Dieses Webinar ist ein Spezialangebot des Fachdienstes heise KI PRO. Der Fachdienst hat es sich zum Ziel gesetzt, im unübersichtlichen und dynamischen Bereich generativer Ki Unternehmen Orientierung und Handlungsempfehlungen zu geben. In diesem Webinar klären wir, welche KI-Modelle für welchen Zweck geeignet sind, wann extern gehostete KI-Modelle sinnvoll sind und wann ich eher lokale Lösungen in Betracht ziehen sollte. Wir stellen die verschiedenen Betriebsvarianten vor, von den großen KI-Modellen von OpenAI und Anthropic über in Europa gehostete Modelle bis hin zu lokaler KI auf dem eigenen Rechner oder Server. Wir beschäftigen uns mit den Vor- und Nachteilen dieser Lösungen inklusive der Kosten und zeigen rechtliche Rahmenbedingungen auf, sowohl was Inhalte, also das Urheberrecht, als auch Datenschutz angeht. Außerdem werden wir einfache lokale KI-Modelle im abgeschirmten lokalen Modus auf einem PC demonstrieren und auch Themen wie RAG und Fine Tuning ansprechen. Am Ende des Webinars können Teilnehmende eine fundierte Entscheidung treffen, ob Sie einfach und mit vorhanden Cloud-Modellen ins KI-Zeitalter starten, oder ob eine umfangreiche lokale Installation notwendig ist. Die Themen im ÜberblickKI-Modelle und AnwendungsfälleKI im Unternehmen: Zahlen aus der Praxis zur Effizienz mit Text-KIExkurs: KI und UrheberrechtExtern gehostete KI-Modelle: Überblick, Vor- und Nachteile, KostenExtern, aber selbst gehostete KI-Modelle: Überblick, Vor- und Nachteile, KostenLokal gehostete KI-Modelle: Überblick, Vor- und Nachteile, KostenAdd-on: RAG – Recherche mit KI in eigenen Daten & ChatbotsAdd-on: NPU – Was können NPUs in neuen KI-PCs?Welche Betriebsvariante ist für mich geeignet?Datenschutz, Vertraulichkeit und KI-Policy: Was sollte ich rechtlich beachten?Zielgruppe Dieses Webinar richtet sich vor allem an Entscheider und Innovatoren im Unternehmen, die Orientierung dazu benötigen, welche KI-Modelle sie auf welche Weise in die Unternehmensprozesse einbinden können. Generell richten sich die Webinare des Fachdienstes heise KI PRO an alle, die KI im Unternehmen produktiv und jenseits von Experimenten einsetzen wollen, praxisnahe Orientierung benötigen und einen aktuellen, klaren und ehrlichen Blick auf die (Un-)Möglichkeiten generativer KI bekommen wollen. VoraussetzungenFür die Teilnahme an diesem Webinar sind keine besonderen Vorkenntnisse erforderlich.
ChatGPT, Midjourney & Co. in der Praxis (Webinar-Aufzeichnung)
Webinar "ChatGPT, Midjourney & Co. in der Praxis", im heise Shop als Aufzeichnung der Live-Veranstaltung aus April 2024.Die c't-Redakteure Jo Bager und Hartmut Gieselmann geben mit vielen praktischen Beispielen eine ausführliche Einführung in die Funktionsweise von ChatGPT und anderen Text-KIs sowie in ihre Fähigkeiten und Grenzen: Wie bindet man sie als Copiloten in die tägliche Arbeit ein? Wie trainieren Unternehmen eine individuelle Sprachanwendung mit eigenen Texten?Die Redakteure geben Tipps, wie Lehrkräfte die Sprachmodelle in den Unterricht einbauen und quelloffene Alternativen zu ChatGPT lokal auf dem Rechner laufen lassen können. Sie stellen außerdem KI-Tools vor, die Texte verbessern und bei der wissenschaftlichen Recherche helfen. Aber es soll nicht nur um Sprachbots gehen, sondern auch um Bildgeneratoren und andere generative KI-Dienste. Joerg Heidrich, Justiziar von Heise Medien, zeigt, welch beeindruckenden Bilder sich mit Midjourney erzeugen lassen. Er erklärt, welche Probleme mit dem Einsatz generativer KI verbunden sind, etwa beim Urheberrecht oder beim Datenschutz. Firmen müssen sich auf den Einsatz von KI vorbereiten und Richtlinien für den Umgang mit KI und ihre Mitarbeiter festlegen. Last but not least wird KI auch Veränderungen auf dem Arbeitsmarkt bewirken. Heidrich zeigt, welche Berufsfelder schon jetzt besonders betroffen sind.Die April-Edition des c't-Webinars zu "ChatGPT, Midjourney & Co. in der Praxis" geht natürlich auf die neuesten Entwicklungen beim Thema ein – etwa ChatGPT-GPTs, Google Gemini, der Windows CoPilot und Deep Fakes. Frühere Termine gaben den damaligen Stand wieder.
KI für den Unternehmenseinsatz (c't Webinaraufzeichnung)
KI für den Unternehmenseinsatz, im heise shop als Aufzeichnung der Live-Veranstaltung aus März 2024.Viele Unternehmen überlegen, ob und wie sie KI nutzen können, um Prozesse effizienter zu gestalten. Dabei stellt sich schnell heraus, dass man die KI mit vertraulichen Daten füttern muss, um maximal vom Potential der mächtigen Helfer zu profitieren. Doch egal, ob das sensible interne Firmendaten oder per DSGVO besonders geschützte, personenbezogene Daten sind – auf gar keinen Fall möchte man, dass diese in die falschen Hände geraten. Deshalb müssen sich die Verantwortlichen vorab Gedanken über einen sicheren Umgang machen. KI ist nicht gleich KIEntscheidend für die Vertrauenswürdigkeit ist die konkrete Umsetzung der genutzten KI-Dienste. Da unterscheidet sich zunächst ein selbst betriebenes Open-Source-Modell von einer Black-Box-KI in der Cloud. Aber natürlich stellt sich auch die Frage nach dem jeweils zu betreibenden Aufwand, den damit verbundenen Kosten und ob das zu den tatsächlich zu erwartenden Verbesserungen bei Sicherheit und Vertraulichkeit noch in einem vernünftigen Verhältnis steht. Hier liefert dieses Webinar entscheidenden Mehrwert für alle, die jetzt den Einsatz von KI planen. Die Referenten stellen dazu verschiedene Konzepte vor, KI im Unternehmen zu nutzen und vergleichen diese in Hinblick auf Technik, Kosten und Datenschutz. Diesen Überblick reichern sie an mit Bezugsquellen und Praxis-Tipps für die eigene Umsetzung.Im Webinar stellen die Referenten drei Konzepte vor: Extern gehostete Modelle (Software as a Service) wie ChatGPT Teilweise selbst betriebene KI: ChatGPT mit Azure OpenAI oder eigenes (Open Source) LLM wie LLama auf angemieteten Cloud-Computern (HuggingFace, AWS & Co) Komplett intern gehostete KI: Eigener Server mit GPUs im eigenen Keller oder Rechenzentrum + eigenes LLM Neben der technischen Umsetzung, dem Aufwand und den Kosten werden auch die jeweiligen Implikationen der verschiedenen Konzepte für Datenschutz und Vertraulichkeit vorgestellt und diskutiert. Außerdem gibt es Beispiele für konkrete Einsatzszenarien und reale Demos. Dabei gibt Aaron Kaplan auch seine Erfahrungen beim Anpassen der Modelle an spezielle Aufgaben weiter. Zur Abrundung stellt Joerg Heidrich noch einen Vorschlag für eine KI-Policy im Unternehmen vor. Zielgruppe: Alle Verantwortlichen und Ansprechpartner für den Einsatz von KI im Unternehmen, CTOs, Datenschutzverantwortliche, IT-Architekten
R für Fortgeschrittene: Datenmanipulation mit tidyverse
Tidyverse ist eine Sammlung von Programmbibliotheken zur effizienten Datenmanipulation mit der Programmiersprache R. Die Bibliotheken von tidyverse, wie dplyr oder tidyr, gehören zu den am häufigsten verwendeten Libraries beim Programmieren mit R überhaupt.In diesem Kurs erhalten Sie eine komplette und praktische Einführung in die Datentransformation mit den Bibliotheken von tidyverse. Hierbei erfahren Sie, wie Sie mit dplyr Zeilen und Spalten bearbeiten können. Sie lernen, Daten zu gruppieren und aggregiert auszuwerten. Anhand von Joins und Verknüpfungen können Sie mehrere Datentabellen gezielt zusammenführen. Anschließend machen Sie sich mit den wichtigsten Funktionen von tidyr bekannt, mit denen Sie Ihre Daten in die richtige Struktur bringen. Der Kurs ist besonders praxisnah aufgebaut und genau richtig für Sie, falls Sie noch neu sind in der Welt von tidyverse oder R.Länge: 04:23 Stunden Alle Video-Lektionen im Überblick: Herzlich willkommen zu diesem Kurs R und tidyverse Grundlagen Kapitelüberblick R Studio installieren Vorstellung von R Studio Theorie: Warum tidyverse? Einführung in tidyverse dplyr – Grundlagen Kapitelüberblick Theorie: dplyr Einstieg in dplyr Theorie: Pipe-Operator Pipe-Operator anwenden Eingebaute Datensätze Quiz: dplyr – Grundlagen dplyr – Zeilenbearbeitung Kapitelüberblick filter – Daten filtern Logische Operatoren Filterungen mit logischen Operatoren distinct sample slice top_n Aufgabe: Zeilenbearbeitung mit dplyr Lösung: Zeilenbearbeitung mit dplyr Quiz: dplyr – Zeilenbearbeitung dplyr – Spaltenbearbeitung Kapitelüberblick select – Spalten auswählen select und filter select – contains, matches, starts_with, ends_with select – everything select – num_range Aufgabe: Spaltenbearbeitung mit dplyr Lösung: Spaltenbearbeitung mit dplyr Quiz: dplyr – Spaltenbearbeitung dplyr – Datengruppierung Kapitelüberblick groupby und summarise groupby und count first, last, n_distinct Mittelwertkennzahlen Lageverteilung Streuungskennzahlen Aufgabe: Datengruppierung Lösung: Datengruppierung Quiz: dplyr – Datengruppierung dplyr – Joins und Verknüpfungen Kapitelüberblick Theorie: Joins inner_join left_join und right_join full_join anti_join semi_join intersect und union setdiff bindrows und bindcols Aufgabe: Joins Lösung: Joins Quiz: dplyr – Joins und Verknüpfungen dplyr – Fortgeschrittene Operationen Kapitelüberblick arrange mutate mutate_each transmute rename window-Funktionen Quiz: dplyr – Fortgeschrittene Operationen tidyr – Grundlagen Kapitelüberblick Einführung in tidyr tidyr in R verwenden Reshape – pivot_longer und pivot_wider Reshape – gather Split – separate Split – unite Expand Tables – expand Expand Tables – complete Missing Values – drop_na Missing Values – replace_na Missing Values – fill Quiz: tidyr – Grundlagen tidyr – Nested Data Kapitelüberblick Tibble Data Frames nest unnest enframe und deframe unnest_wider hoist rowwise Quiz: tidyr – Nested Data Abschluss Fazit und Kursabschluss Über den Trainer:Fabio Basler hat schon zu Beginn seines Studiums eine große Leidenschaft für die Methoden der Statistik und Data Science entwickelt. Über mehrere Semester hinweg konnte er als Tutor zahlreiche Studierende erfolgreich auf ihre Prüfungen und den Berufsalltag vorbereiten. Fabio Basler arbeitet als Datenanalyst in einem großen Industriekonzern. Mit großer Freude am Unterrichten gibt er sein Wissen in Online-Kursen und Seminaren weiter.So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
DAX in Power BI für Einsteiger
Power BI gilt als State-of-the-Art-Anwendung für BI und Datenvisualisierung. Dabei stellt die Formelsprache Data Analysis Expressions (DAX) eine eigene Disziplin dar. Dieser Kurs bietet einen kompakten Einstieg in die Welt von DAX mit allen relevanten Konzepten und Formelausdrücken. Darin zeigt der Data-Science-Experte Fabio Basler anhand praxisnaher Übungsdaten, wie Sie einfache sowie komplexe Berechnungen, Aggregationen und Analysen von Daten durchführen können.Sie lernen die Grundlagen von DAX in Power BI: Spalten, Measures, Variablen und Operatoren. Dabei machen Sie sich mit grundlegenden Aggregations- und Iteratorfunktionen vertraut. Sie lernen CALCULATE einzusetzen, um Daten gezielt für Auswertungen zu filtern, und alle wichtigen Logik- und Textfunktionen kennen. Sie nutzen Beziehungsfunktionen, um die Verbindung von Datentabellen zu steuern. Nicht zuletzt meistern Sie die Verwendung der Datums-, Uhrzeit- und Zeitintelligenzfunktionen sowie Berechnungen mithilfe statistischer, mathematischer und trigonometrischer Funktionsausdrücke.Länge: 04:02 Stunden Alle Lektionen im Überblick: Herzlich willkommen zu diesem Kurs Einführung in DAX Kapitelüberblick Installation Power BI Projektdaten importieren Was ist DAX? Umsatz einfach berechnen Berechnungsformen Excel-Funktionen vs. DAX Power Pivot DAX vs. Power BI DAX Übersicht über die DAX-Funktionen Quiz: Einführung in DAX DAX-Grundlagen Kapitelüberblick DAX-Syntax Datentypen Rechenoperatoren Fehlertypen Bessere Übersicht der Berechnungen Welche Visualisierungen für DAX nutzen? Berechnungen ohne DAX-Kenntnisse Variablen Quiz: DAX-Grundlagen Aggregationsfunktionen Kapitelüberblick SUM, MIN, MAX AVERAGE, COUNT, DISTINCT Explizite vs. implizite Measures Iterator-Funktionen Prozentberechnungen Quiz: Aggregationsfunktionen Berechnungen mit CALCULATE Kapitelüberblick Grundlagen der CALCULATE-Funktion Wie funktioniert die Filterung? KEEPFILTERS FILTER und AND Mit CALCULATE Prozentwerte berechnen CALCULATE und Aggregationen CROSSJOIN Quiz: Berechnungen mit CALCULATE Logikfunktionen Kapitelüberblick IF-Funktion AND, OR, NOT TRUE, FALSE SWITCH Quiz: Logikfunktionen Textfunktionen Kapitelüberblick LEN, LEFT, RIGHT, MID UPPER, LOWER REPLACE, SUBSTITUTE, VALUE CONCATENATE, CONCATENATEX COMBINEVALUES, REPT, TRIM FIND, SEARCH FIXED, EXACT, FORMAT Quiz: Textfunktionen Datums- und Uhrzeitfunktionen Kapitelüberblick YEAR, MONTH, QUARTER, WEEKDAY, WEEKNUM, DAY TODAY, NOW, UTCTODAY, UTCNOW HOUR, MINUTE, SECOND DATEDIFF DATEVALUE Quiz: Datums- und Uhrzeitfunktionen Mathematische und statistische Funktionen Kapitelüberblick POWER, SQRT, EXP, SIN, TAN, PI ABS, DIVIDE Rundungen RAND MEDIAN, GEOMEAN PERCENTILE VAR, STDEV Quiz: Mathematische und statistische Funktionen Beziehungsfunktionen Kapitelüberblick RELATED RELATEDTABLE CROSSFILTER Quiz: Beziehungsfunktionen Zeitintelligenzfunktionen Kapitelüberblick TOTAL-MTD/-QTD/-YTD DATES-MTD/-QTD/-YTD Quiz: Zeitintelligenzfunktionen Abschluss Fazit und Kursabschluss Über den Trainer:Fabio Basler hat schon zu Beginn seines Studiums eine große Leidenschaft für die Methoden der Statistik und Data Science entwickelt. Über mehrere Semester hinweg konnte er als Tutor zahlreiche Studierende erfolgreich auf ihre Prüfungen und den Berufsalltag vorbereiten. Fabio Basler arbeitet als Datenanalyst in einem großen Industriekonzern. Mit großer Freude am Unterrichten gibt er sein Wissen in Online-Kursen und Seminaren weiter.So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt. Sie können den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquizzes zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs wird lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Datenauswertung und -visualisierung mit Julia
Die junge Programmiersprache Julia bietet zahlreiche Vorteile: Sie ist flexibel, schnell und performant und kann gut mit großen Datenmengen umgehen. Ihr Haupteinsatzbereich liegt daher in der wissenschaftlichen und numerischen Berechnung. In diesem Kurs stellt Ihnen der Data-Science-Experte Fabio Basler anwendungsorientiert die wichtigsten Methoden der Data Science anhand der Programmierung mit Julia vor. Sie erfahren, wie Sie große Datenmengen effizient verarbeiten, und machen sich mit Filterungen, Sortierungen, Gruppierungen und Joins von Daten vertraut. Darüber hinaus lernen Sie, Daten professionell zu visualisieren und mit statistischen Berechnungsmethoden zu analysieren. Auch die Untersuchung der Datenverteilung und die Prognosewerkzeuge in Julia stehen auf dem Programm.Länge: 05:18 Stunden Alle Video-Lektionen im Überblick: Herzlich willkommen zu diesem Kurs Grundlagen Kapitelüberblick Warum Julia für Data Science? Einrichtung der Umgebung Jupyter Notebooks für Julia Datentypen in Julia Datenverarbeitung Kapitelüberblick Einführung Importieren Einfache Analysen Zeilen und Spalten Filterungen Sortierungen Theorie: Merges und Joins Merges und Joins Gruppierungen Select Aufgabe: Datenmengen verarbeiten Lösung: Datenmengen verarbeiten (Teil 1) Lösung: Datenmengen verarbeiten (Teil 2) Lösung: Datenmengen verarbeiten (Teil 3) Quiz: Datenverarbeitung Datenvisualisierung Kapitelüberblick Einführung Formatierungsmöglichkeiten Balkendiagramme Liniendiagramme Theorie: Boxplots Boxplots Histogramme Punktdiagramme Multiplot Interaktive Grafiken mit Plotly (Teil 1) Interaktive Grafiken mit Plotly (Teil 2) Interaktive Grafiken mit Plotly (Teil 3) Aufgabe: Datenvisualisierung Lösung: Datenvisualisierung Quiz: Datenvisualisierung Statistische Auswertung Kapitelüberblick Mittelwertkennzahlen Streuungskennzahlen Quantile Ausreißer analysieren Kovarianz Korrelation Python aus Julia aufrufen R aus Julia aufrufen Aufgabe: Statistische Auswertung Lösung: Statistische Auswertung Quiz: Statistische Auswertung Datenverteilungen und Prognosen Kapitelüberblick Diskrete Verteilungen Normalverteilung Konfidenzintervalle Trendprognoseverfahren Quiz: Datenverteilungen und Prognosen Abschluss Fazit und Kursabschluss Über den Trainer:Fabio Basler hat schon zu Beginn seines Studiums eine große Leidenschaft für die Methoden der Statistik und Data Science entwickelt. Über mehrere Semester hinweg konnte er als Tutor zahlreiche Studierende erfolgreich auf ihre Prüfungen und den Berufsalltag vorbereiten. Fabio Basler arbeitet als Datenanalyst in einem großen Industriekonzern. Mit großer Freude am Unterrichten gibt er sein Wissen in Online-Kursen und Seminaren weiter.So lernen Sie mit diesem Videokurs:In den Videokursen von heise Academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise Academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Power BI für Fortgeschrittene
Power BI gilt als die populärste Software für Datenmodelle und BI. Nur die wenigsten Anwender beherrschen allerdings die fortgeschrittenen Tools der Anwendung. In diesem Kurs gibt der Data-Science-Experte Fabio Basler einen umfassenden Überblick über die erweiterten Möglichkeiten von Power BI, wie komplexe Datenmodellierung, -transformierung und -visualisierung sowie Data Science und Machine Learning mit Python und R. Die Grundlage des Kurses bildet eine Fallstudie mit Übungsdaten, sodass Sie alle Schritte selbst nachvollziehen und durchführen können. Los geht es mit dem Anbinden verschiedener Datenquellen und dem Bereinigen der Daten mithilfe des Power-Query-Editors. Anschließend lernen Sie ein logisches Datenschema aufzubauen und alles über Hierarchien und das Verwalten von Beziehungen. Außerdem setzen Sie fortgeschrittene Methoden wie Webscraping ein, um Finanzdaten von Webseiten zu extrahieren. Sie nutzen die Data-Science-Programmiersprachen Python und R, um Visualisierungen in Power BI zu erstellen und die Projektdaten zu transformieren. Zum Abschluss geht es um Methoden des maschinellen Lernens aus dem Bereich Clustering, um die Umsatz- und Kostendaten in Clustergruppen zu ordnen. Falls Sie neu in der Welt der Business Intelligence sind oder bisher nur mit den Grundanwendungen von Power BI gearbeitet haben, ist dieser Kurs für Sie genau richtig.Länge: 04:13 Stunden Alle Video-Lektionen im Überblick: Herzlich willkommen zu diesem Kurs Einleitung Kapitelüberblick Installation von Power BI Benutzeroberfläche Wie sehen die Projektdaten aus? Excel- und CSV-Daten laden PDF-Dateien laden JSON-Dateien laden Access-Datenbank-Dateien laden Quiz: Einleitung Fortgeschrittene Datenmodellierung Kapitelüberblick Theorie: Beziehungen Beziehungen verwalten Hierarchien Quiz: Fortgeschrittene Datenmodellierung Fortgeschrittene Datentransformation Kapitelüberblick Einfache Transformierungen Erweiterte Transformierungseinstellungen Spalten berechnen Joins Gruppierungen Statistiken Altersberechnung Quiz: Fortgeschrittene Datentransformation Fortgeschrittene Visualisierungen Kapitelüberblick Analysebaum Panel Charts QuickInfo Wasserfall-Charts Flächenkartogramme Matrizen Prozentdarstellungen Interaktive Seitennavigation Punktediagramme Quiz: Fortgeschrittene Visualisierungen Fortgeschrittene Analysetechniken und Shortcuts Kapitelüberblick Q&A-Funktion nutzen Webscraping Hilfreiche Shortcuts Quiz: Fortgeschrittene Analysetechniken Data Science mit Power BI Kapitelüberblick Theorie: Programmiersprachen in Power BI Anbindung von Python Anbindung von R Visualisierungen mit Python Visualisierungen mit R Datenbezogene Visualisierungen mit Python (Teil 1) Datenbezogene Visualisierungen mit Python (Teil 2) Datenbezogene Visualisierungen mit R (Teil 1) Datenbezogene Visualisierungen mit R (Teil 2) Datentabellen erstellen mit Python Datentabellen erstellen mit R Datentransformierung mit Python Datentransformierung mit R Quiz: Data Science mit Power BI Machine Learning mit Power BI Kapitelüberblick Clustering in Power BI Vorstellung des Python-Clustering-Skripts Vorstellung des R-Clustering-Skripts Clustering in Power BI mit Python Clustering in Power BI mit R Quiz: Machine Learning mit Power BI Abschluss Fazit und Kursabschluss Über den Trainer:Fabio Basler hat schon zu Beginn seines Studiums eine große Leidenschaft für die Methoden der Statistik und Data Science entwickelt. Über mehrere Semester hinweg konnte er als Tutor zahlreiche Studierende erfolgreich auf ihre Prüfungen und den Berufsalltag vorbereiten. Fabio Basler arbeitet als Datenanalyst in einem großen Industriekonzern. Mit großer Freude am Unterrichten gibt er sein Wissen in Online-Kursen und Seminaren weiter.So lernen Sie mit diesem Videokurs:In den Videokursen von heise Academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise Academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Einführung in Power Pivot
Schluss mit Verweisfunktionen, Formel- und Bezugsfehlern! Durch das Excel-Add-in Power Pivot wird es Anwendern möglich, unterschiedliche Datenquellen zu komplexen Datenmodellen zusammenzuführen. Egal, ob Excel-Dateien, CSV-Daten, JSON, PDF-Files, Internetdaten oder relationale Datenbanksysteme – mit Power Pivot können alle Datenquellen angebunden und zueinander in Beziehung gesetzt werden. Es sind nicht nur tabellenübergreifende Auswertungen möglich, sondern auch professionelle, interaktive Dashboards mit intelligenten Berechnungen über Data Analysis Expressions (DAX). In diesem Kurs führt Sie der Data-Science-Experte Fabio Basler in die Welt von Power Pivot ein. Dabei lernen Sie die Anbindung verschiedener Datenquellen und die Bereinigung von Daten mithilfe des Transformierungstools Power Query. Sie erfahren, wie Sie ein logisches Datenschema entwickeln und eigene Auswertungen vornehmen. Darüber hinaus machen Sie sich mit unterschiedlichen Visualisierungsformen und fortgeschrittenen Möglichkeiten zum Aufbau von Dashboards vertraut. Ein Einblick in die Berechnung von Spalten und Measures mithilfe der Formelsprache DAX rundet den Kurs ab. Falls Sie einen praxisnahen Einstieg in die Welt der Business Intelligence suchen, ist dieser Kurs genau richtig für Sie!Länge: 03:59 Stunden Alle Lektionen im Überblick: Herzlich willkommen zu diesem Kurs Einführung Kapitelüberblick Vorstellung der Projektdaten und Excel-Datentabellen Zehn Hinweise zum Vorbereiten der Datengrundlage Pivot-Tabellen erstellen Arbeiten mit mehreren Tabellen und Verweisfunktionen Power Pivot in Excel einrichten Vorstellung von Power Pivot und Power Query Shortcuts zur Schnellzugriffsleiste hinzufügen Menübandanpassung für Power Query Quiz: Einführung Datenquellen anbinden Kapitelüberblick Excel-Daten aus externer Arbeitsmappe importieren CSV-Daten importieren Access-Datenbank importieren PDF-Daten importieren Webdaten importieren JSON-Daten importieren Bilddaten importieren Quiz: Datenquellen anbinden Datenbereinigung mit Power Query Kapitelüberblick Abfrageeditor Angewendete Schritte Mögliche Fehler beheben Spalten- und Zeilenbearbeitung Datentypen Werte ersetzen und gruppieren Berechnete Spalten Merges und Joins Quiz: Datenbereinigung mit Power Query Datenmodellierung Kapitelüberblick Vorstellung des Power-Pivot-Fensters (Filterungen, Sortierungen) Theorie: Datenmodellierung Beziehungen im Editor und in der Diagrammansicht erstellen und verwalten Beziehungen ausblenden Beziehungstypen im Fokus Pivot-Auswertungen und mögliche Probleme Hierarchien erstellen Quiz: Datenmodellierung Pivot-Auswertungen und Dashboards Kapitelüberblick PivotCharts vs. Excel-Diagramme Säulen- und Balkendiagramm Verlaufsdarstellungen Kategorische Darstellungen Diagramme anpassen Mehrere Diagramme erstellen und duplizieren Interaktive Filter Zeitachsen Dashboards Perspektiven Quiz: Pivot-Auswertungen und Dashboards Berechnungen mit Power Pivot Kapitelüberblick Berechnete Spalten Theorie: DAX (Data Analysis Expressions) Implizite Measures Explizite Measures Zeichenkettenfunktionen Datumsfunktionen Logische Funktionen Quiz: Berechnungen mit Power Pivot Abschluss Fazit und Kursabschluss Über den Trainer:Fabio Basler hat schon zu Beginn seines Studiums eine große Leidenschaft für die Methoden der Statistik und Data Science entwickelt. Über mehrere Semester hinweg konnte er als Tutor zahlreiche Studierende erfolgreich auf ihre Prüfungen und den Berufsalltag vorbereiten. Fabio Basler arbeitet als Datenanalyst in einem großen Industriekonzern. Mit großer Freude am Unterrichten gibt er sein Wissen in Online-Kursen und Seminaren weiter.So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt. Sie können den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquizzes zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs wird lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Julia für Data Science
Julia ist eine junge Programmiersprache, die Stärken dynamischer und statischer Sprachen vereint. Durch ihre einfache Syntax, ihre hohe Ausführungsgeschwindigkeit und Performance eignet sie sich hervorragend für den Einsatz in den Bereichen Data Science und Datenanalyse.In diesem Kurs führt Sie der Data Scientist Fabio Basler in die Grundlagen der Programmierung mit Julia ein. Dabei machen Sie sich mit Datentypen, Variablen, Arrays, logischen Funktionen, Schleifen und Datenstrukturen in Julia vertraut. In zahlreichen Übungsaufgaben können Sie Ihr neu erworbenes Wissen direkt anwenden und festigen.Länge: 04:54 Stunden Alle Lektionen im Überblick: Herzlich willkommen zu diesem Kurs Einführung in Julia Kapitelüberblick Warum Julia als Programmiersprache? Einrichtung der Umgebung Julia Notebooks Quiz: Einführung in Julia Datentypen Kapitelüberblick Datentypen Mathematische Berechnungen Variablen Zeichenketten Rundungen Zeitfunktionen Aufgabe: Datentypen Lösung: Datentypen Quiz: Datentypen Arrays Kapitelüberblick Arrays in Julia Array-Berechnungen Indexing Arrays verbinden Array-Funktionen Aufgabe: Arrays Lösung: Arrays Quiz: Arrays Logische Funktionen Kapitelüberblick Boolesche Ausdrücke And-Ausdrücke Or-Ausdrücke Not-Ausdrücke If-Anweisungen If-Else-Anweisung Else-If-Anweisung Aufgabe: Logische Funktionen Lösung: Logische Funktionen Quiz: Logische Funktionen Schleifen und Funktionen Kapitelüberblick For-Schleife While-Schleife (Teil 1) While-Schleife (Teil 2) Aufgabe: Schleifen Lösung: Schleifen Funktionen erstellen Fortgeschrittene Funktionen Aufgabe: Funktionen Lösung: Funktionen Quiz: Schleifen und Funktionen Weitere Datenstrukturen Kapitelüberblick Listen Dictionaries Ranges Tuples und Named Tuples Sets Comprehensions Aufgaben: Weitere Datenstrukturen Lösungen: Weitere Datenstrukturen (Teil 1) Lösungen: Weitere Datenstrukturen (Teil 2) Lösungen: Weitere Datenstrukturen (Teil 3) Quiz: Weitere Datenstrukturen Abschluss Fazit und Kursabschluss Über den Trainer:Fabio Basler hat schon zu Beginn seines Studiums eine große Leidenschaft für die Methoden der Statistik und Data Science entwickelt. Über mehrere Semester hinweg konnte er als Tutor zahlreiche Studierende erfolgreich auf ihre Prüfungen und den Berufsalltag vorbereiten. Fabio Basler arbeitet als Datenanalyst in einem großen Industriekonzern. Mit großer Freude am Unterrichten gibt er sein Wissen in Online-Kursen und Seminaren weiter.So lernen Sie mit diesem Videokurs:In den Videokursen von heise Academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt. Sie können den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen, die Sie interessieren. Die persönliche Lernumgebung der heise Academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquizzes zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs wird lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Stable Diffusion: Bilder aus Texten generieren
Stable Diffusion ist einer der erfolgreichsten Algorithmen oder Modelle, die es aktuell auf dem Markt gibt, um mithilfe generativer KI Bilder zu erzeugen. Ob die Bilder dabei fotorealistisch oder eher künstlerisch aussehen, hängt vom Anwender ab. Damit eröffnen sich völlig neue Möglichkeiten in Bereichen wie Kunst, Design oder Werbung.In diesem Kurs erklärt Ihnen der KI-Experte Dr. Gerhard Heinzerling Schritt für Schritt die Funktionsweise des Stable-Diffusion-Modells. Sie erhalten einen schematischen Überblick über das gesamte Modell und lernen, was mit Ihrer Eingabe, dem sogenannten Prompt, geschieht, wenn die Eingabe embedded und encoded wird, und welche Rolle Transformer dabei spielen. Der Kurs konzentriert sich auf die technischen Aspekte und hat das Ziel, ein Grundverständnis über diese faszinierende Technologie zu vermitteln, ohne in die Details des Codings einzusteigen. Grundkenntnisse in Python sind jedoch von Vorteil.Länge: 00:45 Stunden Alle Video-Lektionen im Überblick: Herzlich willkommen zu diesem Kurs Vorstellung des Projektes Installation und Setup Das NLP-Modell (Teil 1) Das NLP-Modell (Teil 2) Das Stable-Diffusion-Modell Ausblick Quiz: Stable Diffusion – Bilder aus Texten generieren Fazit und Kursabschluss Über den Trainer:Dr. Gerhard Heinzerling ist Senior Data Scientist und Machine Learning Architect bei Arineo. Er hat über neuronale Netze promoviert und arbeitet seit über 20 Jahren im Bereich Softwareentwicklung und künstliche Intelligenz. Bei Arineo gehört Gerhard Heinzerling zu einem KI-Expertenteam, das im Namen des Bundesministeriums für Bildung und Forschung daran arbeitet, Unternehmensprozesse mithilfe künstlicher Intelligenz zu optimieren.So lernen Sie mit diesem Videokurs:In den Videokursen von heise Academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise Academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Angewandtes Machine Learning mit Python
Künstliche Intelligenz ist in aller Munde. Eine Teildisziplin davon ist Machine Learning, das sich als Bestandteil zahlreicher Datenanalyseprojekte fest etabliert hat und durch die Programmiersprache Python und die Bibliothek scikit-learn leicht zugänglich ist.Zahlreiche Machine-Learning-Projekte scheitern an schlechter Datenqualität. In diesem Kurs zeigen Ihnen die Data-Science-Experten Prof. Dr. Stefanie Scholz und Prof. Dr. Christian Winkler, wie Sie die Visualisierungsmöglichkeiten von Python nutzen können, um Daten statistisch zu analysieren und deren Qualität zu überprüfen. Darüber hinaus machen Sie sich mit überwachten und unüberwachten Verfahren des maschinellen Lernens vertraut und lernen, diese mit Python umzusetzen. Schließlich erfahren Sie, wie Sie diese Verfahren geschickt kombinieren können, um in einem echten Projekt interessante Erkenntnisse zu gewinnen.Wenn Sie sich mit dem Thema Machine Learning intensiver befassen möchten und einen praxisnahen Zugang suchen, sind Sie in diesem Kurs genau richtig!Länge: 06:41 Stunden Alle Lektionen im Überblick: Herzlich willkommen zu diesem Kurs Einführung in Python und Jupyter Kapitelüberblick Python und Jupyter als Plattform nutzen Einfache Installation mit Anaconda Alternative: Google Colab Erste Schritte mit Jupyter/Colab Überblick über Basis-Tools: Pandas Überblick über Basis-Tools: Scikit-learn Codequalität Fortschrittsanzeige und Datentransformation Visualisierung Quiz: Einführung in Python und Jupyter Einführung in Machine Learning mit Python Kapitelüberblick Warum Machine Learning? Was ist Machine Learning? Datenakquisition und Daten einladen Basisdaten und Statistik Regression Klassifikation strukturiert Klassifikation unstrukturiert Unüberwachtes Lernen Reinforcement Learning Quiz: Einführung in Machine Learning mit Python Datenvorbereitung und Statistik Kapitelüberblick Einführung Daten und Datenstrukturen Datenqualität (Teil 1) Datenqualität (Teil 2) Vektorisierung strukturiert Vektorisierung unstrukturiert Quiz: Datenvorbereitung und Statistik Unsupervised Learning Kapitelüberblick Dimensionsreduktion Dimensionsreduktion und Datenvisualisierung Clustering Topic-Modelle Performance-Metriken Quiz: Unsupervised Learning Supervised Learning Kapitelüberblick Klassifikation Erfolgsmetriken Regression Multi-Regression Zeitreihen Quiz: Supervised Learning Beispielprojekt: Kombination der Machine-Learning-Verfahren Kapitelüberblick Vorstellung des Use Case Soziale Netzwerke Download Klassifizierung Statistik (Teil 1) Statistik (Teil 2) Statistik (Teil 3) Topic Modeling (Teil 1) Topic Modeling (Teil 2) Sentiment-Analyse Trendvorhersage: Metadaten Trendvorhersage: Topics Quiz: Kombination der Machine-Learning-Verfahren Über die Trainer:Dr. Christian Winkler ist einer der Gründer der datanizing GmbH. Er engagiert sich seit 20 Jahren im Bereich der intelligenten Algorithmen zur Datenverarbeitung sowie des maschinellen Lernens, der Geodatenverarbeitung und Statistik. Dabei setzt er Mining, Netzwerkanalyse, Forum Analytics und Sentiment Analyse ein. Der promovierte Physiker ist gefragter Speaker auf Konferenzen und Autor von Artikeln zu Big Data und KI.Nach ihrer Tätigkeit als Bereichsleiterin für Marketing und Vertrieb befasst sich Prof. Dr. Stefanie Scholz mit KI-gestützter Marketinganalyse und Datenvisualisierung. Neben Data-Driven Marketing und Advanced Analytics steht der praktische Anwendungsbezug verschiedener Machine-Learning-Verfahren für Unternehmen im Fokus ihrer Aktivitäten. Als Professorin für Data Science in Social Economy an der SRH Wilhelm Löhe Hochschule setzt sich Stefanie Scholz aktiv für die Implementierung und Förderung des Citizen-Data-Scientist-Konzepts in unterschiedlichen Institutionen ein.So lernen Sie mit diesem Videokurs:In den Videokursen von heise Academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise Academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Technische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Datenvisualisierung für Data Science mit Tableau
Tableau Desktop gilt als Marktführer im Bereich Business Intelligence und bietet eine Vielzahl von Features, die Nutzer bei der Analyse und Visualisierung von Daten unterstützen. In diesem Kurs stellt Ihnen der IT-Experte Fabio Basler alle fortgeschrittenen Werkzeuge von Tableau anwendungsorientiert vor. Der Kurs ist in sieben Abschnitte untergliedert, anhand derer Sie alles über die Datenmodellierung bis hin zu fortgeschrittenen Analysemethoden mithilfe von Tableau kennenlernen.Als Einstieg in das Thema Datenvisualisierung mit Tableau empfiehlt sich der gleichnamige Kurs von Fabio Basler. Darin führt er in die Grundlagen von Tableau ein und zeigt die wichtigsten Werkzeuge der Visualisierungssoftware anhand echter Daten und Anwendungen.Länge: 04:33 Stunden Alle Video-Lektionen im Überblick: Herzlich willkommen zu diesem Kurs Einleitung Kapitelüberblick Fortgeschrittene Möglichkeiten in Tableau Installation Vorstellung der Tableau-Produkte Datenmodell Kapitelüberblick Vorstellung und Import der Projektdaten Veranschaulichung der Relationen Theorie: Vorstellung der Join-Arten Join-Arten in Tableau Modellierung der Projektdaten Spaltenbearbeitung verarbeiten Parameter berechnen Satz erstellen Gruppen erstellen Quiz: Datenmodell Fortgeschrittene Diagramme Kapitelüberblick Laufende Gesamtwerte Lageverteilungsmaße und Prognosen Bullet-Diagramm Bump-Diagramm Daten prognostizieren (Trendlinien) Pivot-Darstellungen Wasserfalldiagramm Cluster Quiz: Fortgeschrittene Diagramme Weitere Datenquellen importieren Kapitelüberblick Textdateien JSON-Dateien Microsoft Access PDF-Dateien Statistische Dateien Tableau für Data Science Kapitelüberblick Python: Verbindung herstellen Python: SCRIPT-Funktion Python: Korrelation berechnen R: Verbindung herstellen R: SCRIPT-Funktion Quiz: Tableau für Data Science Fortgeschrittene Berechnungen Kapitelüberblick Statistische Funktionen Korrelationsmatrix Logische Funktionen Textfunktionen Zahlenfunktionen Tabellenfunktionen Quiz: Fortgeschrittene Berechnungen Fallstudie Kapitelüberblick Vorstellung der Projektdaten und Aufgaben Import des Datenmodells Parameter und Gruppen erstellen Trendlinien und Wasserfalldiagramme Statistische und logische Funktionen Abschluss Fazit und Kursabschluss Über den Trainer:Fabio Basler hat schon zu Beginn seines Studiums eine große Leidenschaft für die Methoden der Statistik und Data Science entwickelt. Über mehrere Semester hinweg konnte er als Tutor zahlreiche Studierende erfolgreich auf ihre Prüfungen und den Berufsalltag vorbereiten. Fabio Basler arbeitet als Datenanalyst in einem großen Industriekonzern. Mit großer Freude am Unterrichten gibt er sein Wissen in Online-Kursen und Seminaren weiter.So lernen Sie mit diesem Videokurs:In den Videokursen von heise Academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise Academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Vorhersagemodelle mit dem Azure Machine Learning Studio
Wie viel ist ein Kunde bereit für mein Produkt zu zahlen? Diese Frage stellt sich in Unternehmen häufig. In diesem Kurs erfahren Sie, wie Sie mithilfe des Azure Machine Learning Studios ein Vorhersagemodell entwickeln, um die Zahlungsbereitschaft von Kunden zu ermitteln.Zunächst führt Sie der IT-Experte Emil Vinčazović in die Grundlagen ein. Er erklärt, was es bei der Regressionsanalyse zu beachten gilt, welche Probleme hierbei auftreten können und wie Sie diese lösen. Und Sie lernen drei gängige Lernalgorithmen kennen, die das Azure ML Studio vorgefertigt für das Training von Vorhersagemodellen bereitstellt: den Random Forest Regressor, den Gradient Boosting Regressor und den Support Vector Regressor.Anschließend geht es an die praktische Umsetzung im Azure ML Studio. Für das Erstellen von ML-Pipelines stehen drei verschiedene Tools zur Verfügung, aus denen der Anwender je nach Programmiererfahrung wählen kann: das AutoML, der Designer und die Notebooks. Emil Vinčazović zeigt Ihnen im Detail, wie Sie mithilfe dieser Tools ML-Pipelines zur Vorhersage der Zahlungsbereitschaft aufsetzen und die generierten Modelle anhand ausgewählter Regressionsmetriken evaluieren, um das beste Modell zu bestimmen.In drei Kursen stellt Emil Vinčazović das Azure ML Studio und verschiedene Anwendungsfelder des maschinellen Lernens vor:Einstieg in das Azure Machine Learning StudioBetrugserkennung mit dem Azure Machine Learning Studio Vorhersagemodelle mit dem Azure Machine Learning StudioLänge: 01:08 Stunden Alle Video-Lektionen im Überblick: Herzlich willkommen zu diesem Kurs Einführung in die Regression Kapitelüberblick Was ist eine Regression? Anwendungsbeispiele Die Gauß-Markov-Annahmen: Gültigkeit der Regression Allgemeine Schwierigkeiten Korrelation Kausalität Linearer Zusammenhang Scheinkausalität Fluch der Dimensionalität No Free Lunch Theorem Quiz: Einführung in die Regression Techniken Kapitelüberblick Ausreißer in den Daten: Problem und Lösung Problem: Überanpassung Lösung: Hauptkomponentenanalyse (PCA) Algorithmus: Random-Forest-Regression Algorithmus: Gradient-Boosting-Regression Algorithmus: Support-Vector-Regression Quiz: Techniken Umsetzung im Azure ML Studio Kapitelüberblick Umsetzung im AutoML Ergebnisse im AutoML interpretieren Umsetzung im Designer Ergebnisse im Designer interpretieren Umsetzung im Notebook (Teil 1) Umsetzung im Notebook (Teil 2) Zusatz: PCA Quiz: Umsetzung im Azure ML Studio Abschluss Fazit und Kursabschluss Über den Trainer:Emil Vinčazović ist als Data Engineer bei der arelium GmbH tätig. Seine Schwerpunkte liegen im Bereich der Ökonometrie und der Künstlichen Intelligenz. In seinen Projekten arbeitet er hauptsächlich mit Azure Synapse, Azure Databricks und dem Azure Machine Learning Studio. Daneben ist er als Sprecher auf Fachkonferenzen unterwegs, wo er über Themen wie Betrugserkennung mit Python referiert. Auch als Fachautor ist Emil Vinčazović tätig. Zusätzlich betreibt er den YouTube-Kanal des Unternehmens, wo er Tutorials zu aktuellen Themen rund um cloudbasierte Technologien produziert.So lernen Sie mit diesem Videokurs:In den Videokursen von heise Academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise Academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Betrugserkennung mit dem Azure Machine Learning Studio
Im digitalen Zeitalter mit Millionen von Online-Transaktionen täglich gewinnt die Betrugserkennung zunehmend an Bedeutung. In diesem Kurs zeigt Ihnen der IT-Experte Emil Vinčazović, wie Sie mithilfe des Azure Machine Learning Studios Klassifizierungsmodelle zur automatisierten Betrugserkennung erstellen, trainieren und evaluieren. Zuerst erklärt er, was eine Klassifizierung ist, und stellt gängige Probleme und Lösungsansätze vor. Im nächsten Schritt lernen Sie drei gebräuchliche Klassifizierungsalgorithmen kennen: die Support Vector Machine, den Random Forest und den XGBoost. Das Azure ML Studio bietet drei Möglichkeiten, um ML-Modelle aufzusetzen: das AutoML und den Designer für die Erstellung ohne Code sowie die Notebooks, die umfassende Programmierkenntnisse erfordern, aber größere Flexibilität bieten. Emil Vinčazović führt Sie Schritt für Schritt durch die drei Varianten und geht zum Schluss auf die Metriken zur Bewertung der Klassifizierungsmodelle ein. In drei Kursen stellt Emil Vinčazović das Azure ML Studio und verschiedene Anwendungsfelder des maschinellen Lernens vor:Einstieg in das Azure Machine Learning StudioBetrugserkennung mit dem Azure Machine Learning Studio Vorhersagemodelle mit dem Azure Machine Learning StudioLänge: 01:09 Stunden Alle Video-Lektionen im Überblick: Herzlich willkommen zu diesem Kurs Einführung in Klassifizierungsprobleme Kapitelüberblick Was ist eine Klassifizierung? Anwendungsbeispiele Allgemeine Schwierigkeiten Unsaubere Kriterien Falsche Merkmale Fließende Übergänge Nichttrennbarkeit Ausreißer Restobjekte Quiz: Klassifizierungsprobleme Techniken Kapitelüberblick Betrugserkennung: Das Problem der Überanpassung Lösung: Die Kreuzvalidierung Betrugserkennung: Das Problem des unbalancierten Datensatzes Lösung: Samplingmethoden Algorithmus: RandomForest-Klassifizierung Algorithmus: XGBoost (Gradienten-Boosting-Verfahren) Algorithmus: Support Vector Machine Quiz: Techniken Umsetzung im Azure ML Studio Kapitelüberblick Umsetzung im AutoML Ergebnisse im AutoML interpretieren Umsetzung im Designer Ergebnisse im Designer interpretieren Umsetzung im Notebook (Teil 1) Umsetzung im Notebook 2 (Teil 2) Quiz: Umsetzung im Azure ML Studio Abschluss Fazit und Kursabschluss Über den Trainer:Emil Vinčazović ist als Data Engineer bei der arelium GmbH tätig. Seine Schwerpunkte liegen im Bereich der Ökonometrie und der Künstlichen Intelligenz. In seinen Projekten arbeitet er hauptsächlich mit Azure Synapse, Azure Databricks und dem Azure Machine Learning Studio. Daneben ist er als Sprecher auf Fachkonferenzen unterwegs, wo er über Themen wie Betrugserkennung mit Python referiert. Auch als Fachautor ist Emil Vinčazović tätig. Zusätzlich betreibt er den YouTube-Kanal des Unternehmens, wo er Tutorials zu aktuellen Themen rund um cloudbasierte Technologien produziert.So lernen Sie mit diesem Videokurs:In den Videokursen von heise Academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise Academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Einstieg in das Azure Machine Learning Studio
Das Azure Machine Learning Studio ist ein Microsoft-Clouddienst, der das Entwickeln, Trainieren, Bereitstellen und Verwalten von Modellen für maschinelles Lernen ermöglicht. Durch das übersichtliche Interface ist es nicht nur für erfahrene Programmierer und Data Scientists, sondern auch für Einsteiger einfach zu bedienen und kann dazu genutzt werden, um ML-Prozesse zu automatisieren und zu beschleunigen.In diesem Kurs gibt der IT-Experte Emil Vinčazović eine kompakte Einführung in das Thema maschinelles Lernen und erklärt, welche Features das Azure ML Studio bereithält und wie Sie diese gewinnbringend für Ihre Projekte nutzen können. Dazu führt er Sie Punkt für Punkt durch das Menü des Azure ML Studios. Sie erfahren auch, wie ein ML-Prozess aufgebaut ist und wie Sie eine ML-Pipeline mit dem Azure ML Studio erstellen und ausführen. Darüber hinaus geht Emil Vinčazović auf Metriken der Klassifizierung und der Regression ein, welche zur Auswertung von ML-Modellen genutzt werden können.In drei Kursen stellt Emil Vinčazović das Azure ML Studio und verschiedene Anwendungsfelder des maschinellen Lernens vor: Einstieg in das Azure Machine Learning StudioBetrugserkennung mit dem Azure Machine Learning StudioVorhersagemodelle mit dem Azure Machine Learning StudioLänge: 01:08 Stunden Alle Video-Lektionen im Überblick: Herzlich willkommen zu diesem Kurs Umgebung erläutern und erstellen Kapitelüberblick Was ist Azure? Ressourcengruppen Ressourcen Speichermöglichkeiten Azure ML Studio Application Insights Key Vault Quiz: Umgebung erläutern und erstellen Machine Learning Kapitelüberblick Was ist Machine Learning? Schema eines ML-Prozesses Ausgewählte Metriken der Klassifizierung Konfusionsmatrix Precision Score Recall Score Accuracy Area Under Curve (AUC) Ausgewählte Metriken der Regression R2 (Anpassungsgüte) Mean Absolute Error (MAE) Root Mean Squared Error (RMSE) Relative Absolute Error (RAE) Quiz: Machine Learning Das Azure ML Studio Kapitelüberblick Zugriff auf das ML Studio Reiter „Erstellung“ Notebooks Automatisiertes ML Designer Reiter „Ressourcen“ Daten Einzelvorgänge (Jobs) Komponenten Pipelines Umgebungen Modelle Endpunkte Reiter „Verwalten“ Compute Verknüpfte Dienste Datenbeschriftung Quiz: Das Azure ML Studio Abschluss Fazit und Kursabschluss Über den Trainer:Emil Vinčazović ist als Data Engineer bei der arelium GmbH tätig. Seine Schwerpunkte liegen im Bereich der Ökonometrie und der Künstlichen Intelligenz. In seinen Projekten arbeitet er hauptsächlich mit Azure Synapse, Azure Databricks und dem Azure Machine Learning Studio. Daneben ist er als Sprecher auf Fachkonferenzen unterwegs, wo er über Themen wie Betrugserkennung mit Python referiert. Auch als Fachautor ist Emil Vinčazović tätig. Zusätzlich betreibt er den YouTube-Kanal des Unternehmens, wo er Tutorials zu aktuellen Themen rund um cloudbasierte Technologien produziert.So lernen Sie mit diesem Videokurs:In den Videokursen von heise Academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise Academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
SQL Server 2022: Neue T-SQL Features
T-SQL ist die Programmiersprache des Microsoft SQL Server. Mit der Veröffentlichung von SQL Server 2022 wurden zahlreiche neue Funktionen hinzugefügt und die Syntax erweitert. In diesem Kurs stellt Ihnen der ausgewiesene Experte Thorsten Kansy verständlich und kompakt die Neuerungen und Verbesserungen vor. Anhand praktischer Beispiele zeigt er, welche Möglichkeiten Ihnen unter anderem die Funktionen GREATEST()/LEAST(), GENERATE_SERIES() und Ledger Tables bieten, um Ihre Arbeit mit Datenbanken zu optimieren. Mit diesem Wissen bleiben Sie auf dem neuesten Stand und sind in der Lage, das Beste aus der aktuellen SQL-Server-Version herauszuholen.Länge: 0:53 Stunden Alle Video-Lektionen im Überblick: Herzlich willkommen zu diesem Kurs SQL Server 2022 – neue T-SQL Features Software, Slides & Scripts Unterscheidbare Werte / NULL Handling Zeichenketten trimmen DATE_BUCKET() GENERATE_SERIES() DATETRUNC() JSON-Funktionalitäten SELECT ... WINDOW FIRST_VALUE() / LAST_VALUE() APPROX_PERCENTILE_CONT|DISC() GREATEST() / LEAST() STRING_SPLIT() Bit Operations Ledger Tables Quiz: SQL Server 2022 – neue T-SQL Features Abschluss Fazit und Kursabschluss Über den Trainer:Thorsten Kansy ist seit mehr als 30 Jahren als unabhängiger Softwarearchitekt, -entwickler und Trainer tätig – im deutschsprachigen Raum und international. Zehn Jahre lang arbeitete er in leitender Position in der Anwendungsentwicklung. Längst schreibt er Bücher und Artikel rund um seine Spezialthemen, vor allem die Entwicklung komplexer Anwendungen mit .NET im Microsoft-Umfeld. Thorsten Kansy ist darüber hinaus zertifizierter Berater, Coach und Trainer, seit 1993 legt er regelmäßig die MCP-Prüfungen von Microsoft ab.So lernen Sie mit diesem Videokurs:In den Videokursen der heise Academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie Experten bei der praktischen Arbeit zu und lassen sich alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, so dass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise Academy bietet Ihnen viele Funktionen, die Sie beim Lernen unterstützen:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs wird lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Einstieg in die Datenvisualisierung mit Tableau
Tableau Desktop gilt als die führende Software im Bereich Business Intelligence und verfolgt das Ziel, Anwender bei der Analyse und Visualisierung von Daten zu unterstützen. In diesem Kurs führt Sie der IT-Experte Fabio Basler anhand praktischer Beispiele in die wichtigsten Werkzeuge von Tableau ein. Der Kurs ist in fünf Abschnitte unterteilt, in denen Sie alles von den Grundlagen bis hin zu fortgeschrittenen Analysemethoden erfahren. Wenn die Welt von Tableau neu für Sie ist und Sie sich zum Datenanalysten weiterbilden möchten, ist dieser Kurs genau das Richtige für Sie.Zur anschließenden Festigung und Vertiefung Ihres Wissens eignet sich der Kurs „Datenvisualisierung für Data Science mit Tableau“. Darin zeigt Ihnen Fabio Basler praxisnah alle fortgeschrittenen Visualisierungs- und Berechnungsmöglichkeiten, die Tableau bietet.Länge: 04:03 Stunden Alle Lektionen im Überblick: Herzlich willkommen zu diesem Kurs Einleitung Kapitelüberblick Warum Tableau zur Datenvisualisierung? Installation Vorstellung Tableau-Produkte Einführung in Tableau Kapitelüberblick Excel-Daten importieren Erste Visualisierung erstellen Benutzeroberfläche Datenstrukturen einfach erklärt Vokabeln lernen – Grundbegriffe in Tableau Öffnen und Speichern Markierungen Aggregationen Shortcuts Quiz: Einführung in Tableau Diagrammarten Kapitelüberblick Übersicht Diagrammarten Die Zeig-es-mir-Funktion Bildtitel, Untertitel, Darstellungen exportieren Filterungen Kategorische Darstellungen (Balken, Kreise und TreeMap) Tabellarische Darstellungen und HeatMap Zeitliche Darstellungen Histogramme Boxplots Punkt-XY-Diagramme Kartenvisualisierungen Aufgabe: Datenvisualisierung Lösung Quiz: Diagrammarten Fortgeschrittene Darstellungen Kapitelüberblick Hierarchien Dashboard Dashboard Filtermöglichkeiten Dashboard Präsentationen Felder berechnen Theorie: Übersicht Textfunktionen Textfunktionen Datumsfunktionen Quiz: Fortgeschrittene Darstellungen Abschlussfallstudie Kapitelüberblick Vorstellung Fallstudie Lösung Bonusaufgabe Abschluss Fazit und Kursabschluss Über den Trainer:FFabio Basler hat schon zu Beginn seines Studiums eine große Leidenschaft für die Methoden der Statistik und Data Science entwickelt. Über mehrere Semester hinweg konnte er als Tutor zahlreiche Studierende erfolgreich auf ihre Prüfungen und den Berufsalltag vorbereiten. Fabio Basler arbeitet als Datenanalyst in einem großen Industriekonzern. Mit großer Freude am Unterrichten gibt er sein Wissen in Online-Kursen und Seminaren weiter.So lernen Sie mit diesem Videokurs:In den Videokursen von heise Academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt. Sie können den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen, die Sie interessieren. Die persönliche Lernumgebung der heise Academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquizzes zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs wird lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Python für Induktive Statistik
Die induktive Statistik gilt als Teilgebiet der Statistik und verfolgt das Ziel, durch Schließen, Schätzen und Testen Erkenntnisse aus Daten zu gewinnen.In diesem Kurs lernen Sie die wichtigsten Werkzeuge der schließenden Statistik anwendungsorientiert anhand der Programmiersprache Python kennen. Data Scientist Fabio Basler hat den Kurs in vier Abschnitte unterteilt, in denen Sie alles von den Grundlagen der induktiven Statistik bis hin zu fortgeschrittenen Analysemethoden lernen: Konfidenzintervalle, einseitige und zweiseitige Tests.Wenn die Welt der induktiven Statistik noch neu für Sie ist und Sie sich zum Datenanalysten weiterbilden möchten, dann ist dieser Kurs genau das Richtige für Sie.Länge: 04:03 Stunden Alle Lektionen im Überblick: Herzlich willkommen zu diesem Kurs ÜberblickSchätztheorie Kapitelüberblick Einführung in die Induktive Statistik Erklärung: Konfidenzintervalle Beispiel für Konfidenzintervalle Aufgabe: Konfidenzintervalle Lösung: Konfidenzintervalle Quiz: Schätztheorie Einseitiger Hypothesentest Kapitelüberblick Einführung in Hypothesentests Erklärung: Einseitiger Testfall für den Erwartungswert Einseitiger Testfall für den Erwartungswert in Python Erklärung: Einseitiger Testfall für den Anteilswert Einseitiger Testfall für den Anteilswert in Python Erklärung: Einseitiger Testfall für den Varianzwert Einseitiger Testfall für den Varianzwert in Python Aufgabe: Einseitiger Hypothesentest Lösung: Datenauswertung Lösung: Erwartungswert Lösung: Anteilswert Lösung: Varianzwert Quiz: Einseitiger Hypothesentest Zweiseitiger Hypothesentest Kapitelüberblick Erklärung: Zweiseitiger Testfall für den Erwartungswert Zweiseitiger Testfall für den Erwartungswert in Python Erklärung: Zweiseitiger Testfall für den Anteilswert Zweiseitiger Testfall für den Anteilswert in Python Erklärung: Zweiseitiger Testfall für den Varianzwert Zweiseitiger Testfall für den Varianzwert in Python Aufgabe: Zweiseitige Hypothesentests Lösung: Datenauswertung Lösung: Erwartungswert Lösung: Anteilswert Lösung: Varianzwert Quiz: Zweiseitiger Hypothesentest Abschluss Fazit und Kursabschluss Über den Trainer:Fabio Basler hat schon zu Beginn seines Studiums eine große Leidenschaft für die Methoden der Statistik und Data Science entwickelt. Über mehrere Semester hinweg konnte er als Tutor zahlreiche Studierende erfolgreich auf ihre Prüfungen und den Berufsalltag vorbereiten. Fabio Basler arbeitet als Datenanalyst in einem großen Industriekonzern. Mit großer Freude am Unterrichten gibt er sein Wissen in Online-Kursen und Seminaren weiter.So lernen Sie mit diesem Videokurs:In den Videokursen von heise Academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt. Sie können den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen, die Sie interessieren. Die persönliche Lernumgebung der heise Academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquizzes zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs wird lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Python für Deskriptive Statistik
Die deskriptive Statistik ist ein Teilgebiet der Statistik und hat zum Ziel, Daten durch Kennzahlen, Übersichten und Visualisierungen zu analysieren.In diesem Kurs lernen Sie die wichtigsten Werkzeuge der deskriptiven Statistik anwendungsorientiert mit Hilfe der Programmiersprache Python kennen. Aufgeteilt in fünf Abschnitte lernen Sie die Grundlagen der Statistik kennen und vertiefen Ihre Kenntnisse bis hin zu fortgeschrittenen Analysemethoden: Mittelwerte, Lagemaße, Streuungskennzahlen und Zusammenhänge.Wenn die Welt der Statistik noch neu für Sie ist und Sie sich zum Datenanalysten weiterbilden möchten, ist dieser Kurs genau das Richtige für Sie.Länge: 05:12 Stunden Alle Lektionen im Überblick: Herzlich willkommen zu diesem Kurs Grundlagen Kapitelüberblick Warum Statistik? Einrichtung Entwicklungsumgebung Überblick Notebooks Deskriptive Statistik Kapitelüberblick Was sind Skalenniveaus? Aufgabe: Skalenniveaus Lösung: Skalenniveaus Quiz: Deskriptive Statistik Mittelwertkennzahlen Kapitelüberblick Übersicht Mittelwertkennzahlen Was sind Modalwert und Median? Was sind arithmetische und geometrische Mittel? Modalwert in Python Median in Python Arithmetisches Mittel in Python Geometrisches Mittel in Python Aufgabe: Mittelwertkennzahlen Lösung: Mittelwertkennzahlen Quiz: Mittelwertkennzahlen Lageverteilung Kapitelüberblick Quantile und Boxplots Quantile berechnen Perzentile berechnen Boxplots visualisieren Histogramme visualisieren Schiefe und Wölbung Aufgabe: Lageverteilung Lösung: Lageverteilung Quiz: Lageverteilung Streuungskennzahlen Kapitelüberblick Was sind Spannweite und Lineare Streuung? Was sind Varianz und Variationskoeffizient? Spannweite in Python Lineare Streuung in Python Varianz in Python Variationskoeffizient in Python Aufgabe: Streuungskennzahlen Lösung: Streuungskennzahlen Quiz: Streuungskennzahlen Zusammenhangsmaße Kapitelüberblick Was sind Zusammenhangsmaße? Kontingenztabelle kurz erklärt Kontingenzkoeffizient kurz erklärt Kreuztabelle in Python Kontingenzkoeffizient in Python Was ist eine Rangkorrelation? Rangkorrelation in Python Was sind Korrelationen? Kovarianz in Python Korrelationskoeffizient in Python Korrelation visuell untersuchen Aufgabe: Zusammenhangsmaße Lösung: Zusammenhangsmaße Quiz: Zusammenhangsmaße Abschluss Fazit und Kursabschluss Über den Trainer:Fabio Basler hat schon zu Beginn seines Studiums eine große Leidenschaft für die Methoden der Statistik und Data Science entwickelt. Über mehrere Semester hinweg konnte er als Tutor zahlreiche Studierende erfolgreich auf ihre Prüfungen und den Berufsalltag vorbereiten. Fabio Basler arbeitet als Datenanalyst in einem großen Industriekonzern. Mit großer Freude am Unterrichten gibt er sein Wissen in Online-Kursen und Seminaren weiter.So lernen Sie mit diesem Videokurs:In den Videokursen der heise Academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie Experten bei der praktischen Arbeit zu und lassen sich alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt. Sie können den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen, die Sie interessieren. Die persönliche Lernumgebung der heise Academy bietet Ihnen viele Funktionen, die Sie beim Lernen unterstützen:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquizzes zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs wird lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.