You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
29 lines
2.0 KiB
29 lines
2.0 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "696a8474a01054281704cbfb09148949",
|
|
"translation_date": "2025-08-24T21:15:04+00:00",
|
|
"source_file": "1-Introduction/README.md",
|
|
"language_code": "de"
|
|
}
|
|
-->
|
|
# Einführung in Data Science
|
|
|
|
|
|
> Foto von <a href="https://unsplash.com/@dawson2406?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Stephen Dawson</a> auf <a href="https://unsplash.com/s/photos/data?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Unsplash</a>
|
|
|
|
In diesen Lektionen erfahren Sie, wie Data Science definiert wird und lernen die ethischen Überlegungen kennen, die ein Data Scientist berücksichtigen muss. Außerdem lernen Sie, wie Daten definiert werden, und erhalten einen Einblick in Statistik und Wahrscheinlichkeit, die zentralen akademischen Bereiche der Data Science.
|
|
|
|
### Themen
|
|
|
|
1. [Data Science definieren](01-defining-data-science/README.md)
|
|
2. [Ethik in der Data Science](02-ethics/README.md)
|
|
3. [Daten definieren](03-defining-data/README.md)
|
|
4. [Einführung in Statistik und Wahrscheinlichkeit](04-stats-and-probability/README.md)
|
|
|
|
### Credits
|
|
|
|
Diese Lektionen wurden mit ❤️ geschrieben von [Nitya Narasimhan](https://twitter.com/nitya) und [Dmitry Soshnikov](https://twitter.com/shwars).
|
|
|
|
**Haftungsausschluss**:
|
|
Dieses Dokument wurde mit dem KI-Übersetzungsdienst [Co-op Translator](https://github.com/Azure/co-op-translator) übersetzt. Obwohl wir uns um Genauigkeit bemühen, weisen wir darauf hin, dass automatisierte Übersetzungen Fehler oder Ungenauigkeiten enthalten können. Das Originaldokument in seiner ursprünglichen Sprache sollte als maßgebliche Quelle betrachtet werden. Für kritische Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir übernehmen keine Haftung für Missverständnisse oder Fehlinterpretationen, die sich aus der Nutzung dieser Übersetzung ergeben. |