Data-Science-For-Beginners/translations/de

Data Science für Einsteiger - Ein Lehrplan

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

Herzlichen Dank 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, Reviewer und Inhaltsbeiträger, 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 für Einsteiger - Sketchnote von @nitya

🌐 Mehrsprachige Unterstützung

Unterstützt durch 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

Wenn Sie weitere Übersetzungen wünschen, sind unterstützte Sprachen hier aufgelistet

Treten Sie unserer Community bei

Wir haben eine laufende Discord-Lernserie mit KI, erfahren Sie mehr und machen Sie mit unter Learn with AI Series vom 18. bis 30. September 2025. Sie erhalten Tipps und Tricks zur Nutzung von GitHub Copilot für Data Science.

Bist du Student?

Starte mit den folgenden Ressourcen:

• Student Hub Seite Auf dieser Seite findest du Einsteigerressourcen, Studentenkits und sogar Möglichkeiten, einen kostenlosen Zertifikatsgutschein zu erhalten. Diese Seite solltest du als Lesezeichen speichern und regelmäßig besuchen, da wir den Inhalt mindestens monatlich aktualisieren.
• Microsoft Learn Student Ambassadors Trete einer globalen Community von Student Ambassadors bei, dies 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
• Beitragsleitfaden - Wie man zu diesem Projekt beiträgt
• Für Lehrkräfte - Unterrichtsanleitungen und Materialien für den Unterricht

👨‍🎓 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 dich in den vollständigen Lehrplan vertiefst. Studierende: Um diesen Lehrplan eigenständig zu nutzen, fork das gesamte Repository und bearbeite die Übungen selbstständig, beginnend mit einem Vorlesungstest. Dann lese die Vorlesung und bearbeite die restlichen Aktivitäten. Versuche, die Projekte durch das Verstehen der Lektionen zu erstellen, anstatt den Lösungscode zu kopieren; dieser Code ist jedoch in den /solutions-Ordnern jeder projektorientierten Lektion verfügbar. Eine weitere Idee ist, eine Lerngruppe mit Freunden zu bilden und gemeinsam den Inhalt durchzugehen. Für weiterführendes Lernen empfehlen wir Microsoft Learn.

Schnellstart:

1. Sieh dir die Installationsanleitung an, um deine Umgebung einzurichten
2. Überprüfe die Nutzungsanleitung, um zu lernen, wie du mit dem Lehrplan arbeitest
3. Beginne mit Lektion 1 und arbeite dich der Reihe nach durch
4. Trete unserer Discord-Community für Unterstützung bei

👩‍🏫 Für Lehrkräfte

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

Das Team kennenlernen

Gif von Mohit Jaisal

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

Pädagogik

Wir haben beim Aufbau dieses Curriculums zwei pädagogische Grundsätze gewählt: sicherzustellen, dass es projektbasiert ist und häufige Quizze enthält. Am Ende dieser Serie werden die Lernenden grundlegende Prinzipien der Datenwissenschaft erlernt haben, einschließlich ethischer Konzepte, Datenvorbereitung, verschiedener Arbeitsweisen mit Daten, Datenvisualisierung, Datenanalyse, realer Anwendungsfälle der Datenwissenschaft und mehr.

Darüber hinaus setzt ein Quiz mit geringem Druck vor einer Unterrichtsstunde die Absicht des Lernenden, ein Thema zu erlernen, während ein zweites Quiz nach dem Unterricht die weitere Beibehaltung sicherstellt. Dieses Curriculum wurde so gestaltet, dass es flexibel und unterhaltsam ist und ganz oder teilweise absolviert werden kann. Die Projekte beginnen klein und werden bis zum Ende des 10-wöchigen Zyklus zunehmend komplexer.

Finden Sie unsere Verhaltensregeln, Beitragsrichtlinien, Übersetzungsrichtlinien. Wir freuen uns über Ihr konstruktives Feedback!

Jede Lektion beinhaltet:

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

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

🎓 Anfängerfreundliche Beispiele

Neu in der Datenwissenschaft? Wir haben ein spezielles Beispielverzeichnis mit einfachem, gut kommentiertem Code erstellt, um Ihnen den Einstieg zu erleichtern:

• 🌟 Hello World – Ihr erstes Datenwissenschaftsprogramm
• 📂 Daten laden – Lernen Sie, Datensätze zu lesen und zu erkunden
• 📊 Einfache Analyse – Berechnen Sie Statistiken und finden Sie Muster
• 📈 Grundlegende Visualisierung – Erstellen Sie Diagramme und Grafiken
• 🔬 Real-World-Projekt – Vollständiger Workflow von Anfang bis Ende

Jedes Beispiel enthält ausführliche Kommentare, die jeden Schritt erklären, ideal für absolute Anfänger!

👉 Starten Sie mit den Beispielen 👈

Lektionen

Datenwissenschaft für Anfänger: Fahrplan – Sketchnote von @nitya

Lektion Nummer	Thema	Lektion Gruppe	Lernziele	Verlinkte Lektion	Autor
01	Definition von Datenwissenschaft	Einführung	Lernen Sie die grundlegenden Konzepte der Datenwissenschaft und wie sie mit künstlicher Intelligenz, maschinellem Lernen und Big Data zusammenhängt.	Lektion Video	Dmitry
02	Ethik in der Datenwissenschaft	Einführung	Konzepte, Herausforderungen und Rahmenwerke der Datenethik.	Lektion	Nitya
03	Definition von Daten	Einführung	Wie Daten klassifiziert werden und ihre häufigen Quellen.	Lektion	Jasmine
04	Einführung in Statistik & Wahrscheinlichkeit	Einführung	Mathematische Techniken der Wahrscheinlichkeit und Statistik zum Verständnis von Daten.	Lektion Video	Dmitry
05	Arbeiten mit relationalen Daten	Arbeiten mit Daten	Einführung in relationale Daten und die Grundlagen der Erkundung und Analyse relationaler Daten mit der Structured Query Language, auch bekannt als SQL (ausgesprochen „see-quell“).	Lektion	Christopher
06	Arbeiten mit NoSQL-Daten	Arbeiten mit Daten	Einführung in nicht-relationale Daten, ihre verschiedenen Typen und die Grundlagen der Erkundung und Analyse von Dokumentdatenbanken.	Lektion	Jasmine
07	Arbeiten mit Python	Arbeiten mit Daten	Grundlagen der Verwendung von Python zur Datenexploration mit Bibliotheken wie Pandas. Grundlegendes Verständnis der Python-Programmierung wird empfohlen.	Lektion Video	Dmitry
08	Datenvorbereitung	Arbeiten mit Daten	Themen zu Daten-Techniken zum Bereinigen und Transformieren der Daten, um Herausforderungen mit fehlenden, ungenauen oder unvollständigen Daten zu bewältigen.	Lektion	Jasmine
09	Visualisierung von Mengen	Datenvisualisierung	Lernen Sie, wie man mit Matplotlib Vogeldaten visualisiert 🦆	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 Anleitungen, um Ihre Visualisierungen wertvoll für effektive Problemlösungen und Erkenntnisse zu machen.	Lektion	Jen
14	Einführung in den Lebenszyklus der Datenwissenschaft	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 Lebenszyklus der Datenwissenschaft konzentriert sich auf Techniken zur Datenanalyse.	Lektion	Jasmine
16	Kommunikation	Lebenszyklus	Diese Phase des Lebenszyklus der Datenwissenschaft konzentriert sich darauf, die Erkenntnisse aus den Daten so zu präsentieren, dass Entscheidungsträger sie leichter verstehen können.	Lektion	Jalen
17	Datenwissenschaft in der Cloud	Cloud-Daten	Diese Lektionenreihe führt in die Datenwissenschaft in der Cloud und deren Vorteile ein.	Lektion	Tiffany und Maud
18	Datenwissenschaft in der Cloud	Cloud-Daten	Modelle mit Low-Code-Tools trainieren.	Lektion	Tiffany und Maud
19	Datenwissenschaft in der Cloud	Cloud-Daten	Modelle mit Azure Machine Learning Studio bereitstellen.	Lektion	Tiffany und Maud
20	Datenwissenschaft in der Praxis	In der Praxis	Datenwissenschaftlich getriebene Projekte in der realen Welt.	Lektion	Nitya

GitHub Codespaces

Folgen Sie diesen Schritten, 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

Folgen Sie diesen Schritten, um dieses Repository in einem Container mit Ihrem lokalen Rechner und VSCode unter Verwendung der VS Code Remote - Containers-Erweiterung 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 ist) in der Einsteiger-Dokumentation.

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

Hinweis: Im Hintergrund wird der Befehl Remote-Containers: Clone Repository in Container Volume... verwendet, um den Quellcode in einem Docker-Volume anstelle des lokalen Dateisystems zu klonen. Volumes sind der bevorzugte Mechanismus zur Persistenz von Container-Daten.

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

• Klonen Sie dieses Repository auf Ihr lokales Dateisystem.
• Drücken Sie F1 und wählen Sie den Befehl Remote-Containers: Open Folder in Container....
• 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 Website wird auf Port 3000 auf Ihrem localhost bereitgestellt: localhost:3000.

Hinweis: Notebooks werden über Docsify nicht gerendert, daher müssen Sie Notebooks separat in VS Code mit einem Python-Kernel ausführen.

Andere Curricula

Unser Team produziert weitere Curricula! Schauen Sie sich an:

LangChain

---

Azure / Edge / MCP / Agents

---

Generative KI-Serie

---

Kernlernen

---

Copilot-Serie

Hilfe erhalten

Probleme? Sieh dir unseren Fehlerbehebungsleitfaden für Lösungen zu häufigen Problemen an.

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

Wenn du Produktfeedback oder Fehler beim Erstellen hast, besuche:

---

Haftungsausschluss:
Dieses Dokument wurde mit dem KI-Übersetzungsdienst Co-op Translator übersetzt. Obwohl wir uns um Genauigkeit bemühen, beachten Sie bitte, 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 aus der Nutzung dieser Übersetzung entstehen.