Data-Science-For-Beginners/translations/de

Data Science für Einsteiger - Ein Lehrplan

Azure Cloud Advocates bei Microsoft freuen sich, einen 10-wöchigen, 20-teiligen Lehrplan rund um Data Science anzubieten. Jede Lektion enthält Vor- und Nach-Quiz, schriftliche Anweisungen zur Durchführung der Lektion, eine Lösung und eine Aufgabe. Unsere projektbasierte Pädagogik ermöglicht es Ihnen, durch aktives Bauen zu lernen – eine bewährte Methode, damit neue Fähigkeiten „haften bleiben“.

Ein herzliches Dankeschön an unsere Autoren: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Besonderer Dank 🙏 an unsere Microsoft Student Ambassador-Autoren, Rezensenten und Inhaltspartner, insbesondere Aaryan Arora, Aditya Garg, Alondra Sanchez, Ankita Singh, Anupam Mishra, Arpita Das, ChhailBihari Dubey, Dibri Nsofor, Dishita Bhasin, Majd Safi, Max Blum, Miguel Correa, Mohamma Iftekher (Iftu) Ebne Jalal, Nawrin Tabassum, Raymond Wangsa Putra, Rohit Yadav, Samridhi Sharma, Sanya Sinha, Sheena Narula, Tauqeer Ahmad, Yogendrasingh Pawar , Vidushi Gupta, Jasleen Sondhi

Data Science For Beginners – Sketchnote von @nitya

🌐 Mehrsprachige Unterstützung

Unterstützt via GitHub Action (Automatisiert & Immer aktuell)

Arabisch | Bengalisch | Bulgarisch | Birmanisch (Myanmar) | Chinesisch (vereinfacht) | Chinesisch (traditionell, Hongkong) | Chinesisch (traditionell, Macau) | Chinesisch (traditionell, Taiwan) | Kroatisch | Tschechisch | Dänisch | Niederländisch | Estnisch | Finnisch | Französisch | Deutsch | Griechisch | Hebräisch | Hindi | Ungarisch | Indonesisch | Italienisch | Japanisch | Kannada | Koreanisch | Litauisch | Malaiisch | Malayalam | Marathi | Nepalesisch | Nigerianisches Pidgin | Norwegisch | Persisch (Farsi) | Polnisch | Portugiesisch (Brasilien) | Portugiesisch (Portugal) | Punjabi (Gurmukhi) | Rumänisch | Russisch | Serbisch (kyrillisch) | Slowakisch | Slowenisch | Spanisch | Swahili | Schwedisch | Tagalog (Filipino) | Tamil | Telugu | Thailändisch | Türkisch | Ukrainisch | Urdu | Vietnamesisch

Lieber lokal klonen?

Dieses Repository enthält über 50 Sprachübersetzungen, was die Download-Größe erheblich erhöht. Um ohne Übersetzungen zu klonen, verwenden Sie Sparse Checkout:

Bash / macOS / Linux:

git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git
cd Data-Science-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD (Windows):

git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git
cd Data-Science-For-Beginners
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"

So erhalten Sie alles, was Sie für den Kurs benötigen, bei deutlich schnellerem Download.

Wenn Sie weitere Übersetzungen wünschen, sind unterstützte Sprachen hier aufgelistet

Treten Sie unserer Community bei

Wir führen derzeit eine Discord „Learn with AI“-Serie durch, erfahren Sie mehr und nehmen Sie teil unter Learn with AI Series vom 18. – 30. September 2025. Sie erhalten Tipps und Tricks zur Nutzung von GitHub Copilot für Data Science.

Bist du ein Student?

Starte mit den folgenden Ressourcen:

• Student Hub Seite Auf dieser Seite findest du Einsteigerressourcen, Studentenkits und sogar Möglichkeiten, einen kostenlosen Zertifizierungsgutschein zu erhalten. Das ist eine Seite, die du als Lesezeichen speichern und regelmäßig anschauen solltest, da wir die Inhalte mindestens monatlich austauschen.
• Microsoft Learn Student Ambassadors Werde Teil einer globalen Community von Studentenbotschaftern – das könnte dein Einstieg bei Microsoft sein.

Erste Schritte

📚 Dokumentation

• Installationsanleitung – Schritt-für-Schritt-Anleitung für Anfänger
• Nutzungsanleitung – Beispiele und gängige Arbeitsabläufe
• Fehlerbehebung – Lösungen für häufige Probleme
• Beitragsrichtlinien – Wie man zu diesem Projekt beiträgt
• Für Lehrende – Anleitung für Unterricht und Klassenressourcen

👨‍🎓 Für Studierende

Absolute Anfänger: Neu in Data Science? Beginne mit unseren einsteigerfreundlichen Beispielen! Diese einfachen, gut kommentierten Beispiele helfen dir, die Grundlagen zu verstehen, bevor du in den vollständigen Lehrplan eintauchst. Studierende: Um diesen Lehrplan eigenständig zu nutzen, fork das gesamte Repository und bearbeite die Übungen selbstständig, beginnend mit einem Vorab-Quiz. Dann lese die Lektion und bearbeite die restlichen Aktivitäten. Versuche, die Projekte zu erstellen, indem du die Lektionen verstehst, anstatt den Lösungscode zu kopieren; der Code ist jedoch in den /solutions-Ordnern jeder projektorientierten Lektion verfügbar. Eine weitere Idee ist, eine Lerngruppe mit Freund*innen zu bilden und die Inhalte gemeinsam durchzugehen. Für weiterführendes Lernen empfehlen wir Microsoft Learn.

Schnellstart:

1. Schau dir die Installationsanleitung an, um deine Umgebung einzurichten
2. Lies die Nutzungsanleitung, um zu lernen, wie du mit dem Lehrplan arbeitest
3. Beginne mit Lektion 1 und arbeite dich sequenziell durch
4. Tritt unserer Discord-Community für Unterstützung bei

👩‍🏫 Für Lehrende

Lehrkräfte: Wir haben einige Vorschläge zur Nutzung dieses Lehrplans aufgenommen. Wir freuen uns über Ihr Feedback in unserem Diskussionsforum!

Lernen Sie das Team kennen

Gif von Mohit Jaisal

🎥 Klicken Sie auf das Bild oben für ein Video über das Projekt und die Personen, die es erstellt haben!

Pädagogik

Wir haben bei der Erstellung dieses Lehrplans zwei pädagogische Grundsätze gewählt: Sicherzustellen, dass er projektbasiert ist und dass häufige Quizze enthalten sind. Am Ende dieser Serie haben die Lernenden grundlegende Prinzipien der Datenwissenschaft gelernt, einschließlich ethischer Konzepte, Datenvorbereitung, verschiedener Arbeitsweisen mit Daten, Datenvisualisierung, Datenanalyse, realer Anwendungsfälle der Datenwissenschaft und mehr.

Zusätzlich setzt ein niedrigschwelliges Quiz vor dem Unterricht die Intention der Lernenden, ein Thema zu erlernen, während ein zweites Quiz nach dem Unterricht das weitere Behalten sichert. Dieser Lehrplan wurde flexibel und unterhaltsam gestaltet und kann ganz oder teilweise absolviert werden. Die Projekte beginnen klein und werden zum Ende des 10-wöchigen Zyklus immer komplexer.

Finden Sie unseren Verhaltenskodex, Beitragsleitfäden, Übersetzungsleitfäden. Wir freuen uns über Ihr konstruktives Feedback!

Jede Lektion beinhaltet:

• Optionales Sketchnote
• Optionales ergänzendes Video
• Aufwärmquiz vor der Lektion
• Schriftliche Lektion
• Für projektbasierte Lektionen Schritt-für-Schritt-Anleitungen zum Aufbau des Projekts
• Wissensüberprüfungen
• Eine Herausforderung
• Ergänzende Lektüre
• Aufgabe
• Quiz nach der Lektion

Eine Anmerkung zu den Quizzen: Alle Quizze befinden sich im Ordner Quiz-App, insgesamt 40 Quizze mit jeweils drei Fragen. Sie sind aus den Lektionen verlinkt, aber die Quiz-App kann lokal ausgeführt oder in Azure bereitgestellt werden; folgen Sie den Anweisungen im quiz-app-Ordner. Sie werden nach und nach lokalisiert.

🎓 Anfängerfreundliche Beispiele

Neu in Data Science? Wir haben ein spezielles Beispielverzeichnis mit einfachem, gut kommentiertem Code erstellt, das Ihnen den Einstieg erleichtert:

• 🌟 Hello World – Ihr erstes Programm in der Datenwissenschaft
• 📂 Daten laden – Lernen Sie, Datensätze zu lesen und zu erkunden
• 📊 Einfache Analyse – Statistiken berechnen und Muster finden
• 📈 Grundlegende Visualisierung – Diagramme und Grafiken erstellen
• 🔬 Echtes Projekt – Komplett-Workflow von Anfang bis Ende

Jedes Beispiel enthält ausführliche Kommentare, die jeden Schritt erklären, was es perfekt für absolute Anfänger macht!

👉 Beginnen Sie mit den Beispielen 👈

Lektionen

Data Science für Anfänger: Fahrplan – Sketchnote von @nitya

Lektion Nr.	Thema	Unterrichtseinheit	Lernziele	Verlinkte Lektion	Autor
01	Definieren von Data Science	Einführung	Lernt die Grundkonzepte der Datenwissenschaft und deren Beziehung zu künstlicher Intelligenz, maschinellem Lernen und Big Data kennen.	Lektion Video	Dmitry
02	Ethik der Datenwissenschaft	Einführung	Konzepte, Herausforderungen und Rahmenwerke der Datenethik.	Lektion	Nitya
03	Definition von Daten	Einführung	Wie Daten klassifiziert werden und ihre gängigen Quellen.	Lektion	Jasmine
04	Einführung in Statistik und Wahrscheinlichkeit	Einführung	Mathematische Techniken von Wahrscheinlichkeit und Statistik, um Daten zu verstehen.	Lektion Video	Dmitry
05	Arbeiten mit relationalen Daten	Arbeiten mit Daten	Einführung in relationale Daten und die Grundlagen von Erkundung und Analyse relationaler Daten mit der Structured Query Language, auch bekannt als SQL („see-quell“).	Lektion	Christopher
06	Arbeiten mit NoSQL-Daten	Arbeiten mit Daten	Einführung in nicht-relationale Daten, deren verschiedene Typen und die Grundlagen der Erkundung und Analyse von Dokumentdatenbanken.	Lektion	Jasmine
07	Arbeiten mit Python	Arbeiten mit Daten	Grundlagen der Nutzung von Python für die Datenerkundung mit Bibliotheken wie Pandas. Grundlegende Kenntnisse in Python-Programmierung werden empfohlen.	Lektion Video	Dmitry
08	Datenaufbereitung	Arbeiten mit Daten	Themen zu Datenreinigung und Transformation, um Herausforderungen wie fehlende, ungenaue oder unvollständige Daten zu bewältigen.	Lektion	Jasmine
09	Visualisierung von Mengen	Datenvisualisierung	Lernen, wie man Matplotlib zur Visualisierung von Vogeldaten 🦆 verwendet	Lektion	Jen
10	Visualisierung von Datenverteilungen	Datenvisualisierung	Visualisierung von Beobachtungen und Trends innerhalb eines Intervalls.	Lektion	Jen
11	Visualisierung von Anteilen	Datenvisualisierung	Visualisierung diskreter und gruppierter Prozentsätze.	Lektion	Jen
12	Visualisierung von Beziehungen	Datenvisualisierung	Visualisierung von Verbindungen und Korrelationen zwischen Datensätzen und deren Variablen.	Lektion	Jen
13	Sinnvolle Visualisierungen	Datenvisualisierung	Techniken und Anleitung, um Visualisierungen wertvoll für effektive Problemlösungen und Erkenntnisse zu machen.	Lektion	Jen
14	Einführung in den Data-Science-Lebenszyklus	Lebenszyklus	Einführung in den Lebenszyklus der Datenwissenschaft und dessen ersten Schritt des Erwerbs und der Extraktion von Daten.	Lektion	Jasmine
15	Analysieren	Lebenszyklus	Diese Phase des Data-Science-Lebenszyklus fokussiert Techniken zur Datenanalyse.	Lektion	Jasmine
16	Kommunikation	Lebenszyklus	Diese Phase des Data-Science-Lebenszyklus konzentriert sich darauf, Erkenntnisse aus den Daten so zu präsentieren, dass Entscheidungsträger sie besser verstehen können.	Lektion	Jalen
17	Datenwissenschaft in der Cloud	Cloud-Daten	Diese Lektionenserie führt in die Datenwissenschaft in der Cloud und deren Vorteile ein.	Lektion	Tiffany und Maud
18	Datenwissenschaft in der Cloud	Cloud-Daten	Modelltraining mit Low-Code-Tools.	Lektion	Tiffany und Maud
19	Datenwissenschaft in der Cloud	Cloud-Daten	Modellbereitstellung mit Azure Machine Learning Studio.	Lektion	Tiffany und Maud
20	Datenwissenschaft in der Praxis	In freier Wildbahn	Datenwissenschaftliche Projekte in der realen Welt.	Lektion	Nitya

GitHub Codespaces

Führen Sie diese Schritte aus, um dieses Beispiel in einem Codespace zu öffnen:

1. Klicken Sie auf das Dropdown-Menü Code und wählen Sie die Option Open with Codespaces.
2. Wählen Sie unten im Bereich + New codespace aus. Weitere Informationen finden Sie in der GitHub-Dokumentation.

VSCode Remote - Containers

Führen Sie diese Schritte aus, um dieses Repo mit Ihrem lokalen Rechner und VSCode unter Verwendung der Erweiterung VS Code Remote - Containers in einem Container zu öffnen:

1. Wenn Sie zum ersten Mal einen Entwicklungscontainer verwenden, stellen Sie bitte sicher, dass Ihr System die Voraussetzungen erfüllt (z. B. Docker installiert) in der Erste-Schritte-Dokumentation.

Um dieses Repository zu verwenden, können Sie entweder das Repository in einem isolierten Docker-Volume öffnen:

Hinweis: Im Hintergrund wird dazu der Befehl Remote-Containers: Clone Repository in Container Volume... verwendet, um den Quellcode in einem Docker-Volume und nicht im lokalen Dateisystem zu klonen. Volumes sind der bevorzugte Mechanismus zum Persistieren von Container-Daten.

Oder öffnen Sie eine lokal geklonte oder heruntergeladene Version des Repositories:

• Klonen Sie dieses Repository in Ihr lokales Dateisystem.
• Drücken Sie F1 und wählen Sie den Befehl Remote-Containers: Open Folder in Container... aus.
• Wählen Sie die geklonte Kopie dieses Ordners aus, warten Sie, bis der Container gestartet ist, und probieren Sie es aus.

Offline-Zugriff

Sie können diese Dokumentation offline mit Docsify ausführen. Forken Sie dieses Repo, installieren Sie Docsify auf Ihrem lokalen Rechner und geben Sie dann im Stammordner dieses Repos docsify serve ein. Die Webseite wird auf Port 3000 auf Ihrem lokalen Host verfügbar sein: localhost:3000.

Hinweis: Notebooks werden nicht mittels Docsify gerendert, also wenn Sie ein Notebook ausführen müssen, tun Sie dies getrennt in VS Code mit einem Python-Kernel.

Andere Lehrpläne

Unser Team erstellt weitere Lehrpläne! Schauen Sie sich an:

LangChain

Azure / Edge / MCP / Agenten

---

Generative KI-Reihe

---

Kernlernen

---

Copilot-Reihe

Hilfe erhalten

Probleme? Sieh dir unseren Fehlerbehebungsleitfaden an, um Lösungen für häufige Probleme zu finden.

Wenn du feststeckst oder Fragen zum Erstellen von KI-Anwendungen hast, tausche dich mit anderen Lernenden und erfahrenen Entwicklern in Diskussionen über MCP aus. Es ist eine unterstützende Community, in der Fragen willkommen sind und Wissen frei geteilt wird.

Wenn du Produkt-Feedback hast oder Fehler beim Bauen bemerkst, besuche:

---

Haftungsausschluss:
Dieses Dokument wurde mit dem KI-Übersetzungsdienst Co-op Translator übersetzt. Obwohl wir uns um Genauigkeit bemühen, bitten wir zu beachten, dass automatisierte Übersetzungen Fehler oder Ungenauigkeiten enthalten können. Das Originaldokument in seiner Ursprungssprache gilt als maßgebliche Quelle. Für wichtige Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir übernehmen keine Haftung für Missverständnisse oder Fehlinterpretationen, die sich aus der Nutzung dieser Übersetzung ergeben.