Data-Science-For-Beginners/translations/de

Data Science für Einsteiger - Ein Lehrplan

Die Azure Cloud Advocates bei Microsoft freuen sich, einen 10-wöchigen, 20-teiligen Lehrplan über Data Science anbieten zu können. Jede Lektion beinhaltet Vor- und Nach-Quizze, schriftliche Anweisungen zur Durchführung der Lektion, eine Lösung und eine Aufgabe. Unsere projektbasierte Pädagogik ermöglicht es Ihnen, während des Bauens zu lernen – eine bewährte Methode, um neue Fähigkeiten dauerhaft zu verankern.

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 Beitragenden, 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 über GitHub Action (Automatisch & 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 | Suaheli | Schwedisch | Tagalog (Filipino) | Tamil | Telugu | Thailändisch | Türkisch | Ukrainisch | Urdu | Vietnamesisch

Möchten Sie lieber lokal klonen?

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

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'

Dies gibt Ihnen alles, was Sie zum Abschließen des Kurses benötigen, mit einem deutlich schnelleren Download.

Wenn Sie weitere unterstützte Übersetzungssprachen wünschen, finden Sie diese hier

Treten Sie unserer Community bei

Wir haben eine laufende Discord-Serie „Learn with AI“, 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.

Sind Sie Student/in?

Starten Sie mit den folgenden Ressourcen:

• Student Hub Seite Auf dieser Seite finden Sie Einsteiger-Ressourcen, Studentenpakete und sogar Möglichkeiten, einen kostenlosen Zertifizierungsgutschein zu erhalten. Diese Seite sollten Sie als Lesezeichen speichern und von Zeit zu Zeit überprüfen, da wir mindestens monatlich Inhalte austauschen.
• Microsoft Learn Student Ambassadors Treten Sie einer globalen Gemeinschaft von Student Ambassadors bei, dies könnte Ihr Weg zu Microsoft sein.

Erste Schritte

📚 Dokumentation

• Installationsanleitung – Schritt-für-Schritt-Anleitung für Anfänger
• Benutzerhandbuch – Beispiele und gängige Arbeitsabläufe
• Fehlerbehebung – Lösungen für häufige Probleme
• Beitragsleitfaden – Wie Sie zu diesem Projekt beitragen können
• Für Lehrkräfte – Lehranleitungen und Unterrichtsmaterialien

👨‍🎓 Für Studierende

Absolute Anfänger: Neu in der Datenwissenschaft? Beginnen Sie mit unseren einsteigerfreundlichen Beispielen! Diese einfachen, gut kommentierten Beispiele helfen Ihnen, die Grundlagen zu verstehen, bevor Sie in den vollständigen Lehrplan eintauchen. Studierende: Um diesen Lehrplan eigenständig zu nutzen, forken Sie das gesamte Repository und bearbeiten Sie die Übungen selbstständig, beginnend mit einem Quiz vor der Vorlesung. Lesen Sie dann die Vorlesung und bearbeiten Sie die restlichen Aktivitäten. Versuchen Sie, die Projekte durch 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 die Inhalte gemeinsam durchzugehen. Für weiterführende Studien empfehlen wir Microsoft Learn.

Schnellstart:

1. Sehen Sie sich die Installationsanleitung an, um Ihre Umgebung einzurichten
2. Überprüfen Sie das Benutzerhandbuch, um zu lernen, wie man mit dem Lehrplan arbeitet
3. Beginnen Sie mit Lektion 1 und arbeiten Sie sie der Reihe nach durch
4. Treten Sie unserer Discord-Community zur Unterstützung bei

👩‍🏫 Für Lehrkräfte

Lehrkräfte: Wir haben einige Vorschläge aufgenommen, wie Sie diesen Lehrplan nutzen können. Wir freuen uns auf Ihr Feedback in unserem Diskussionsforum!

Treffen Sie das Team

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 regelmäßige Quizze enthält. Am Ende dieser Serie werden die Studierenden grundlegende Prinzipien der Datenwissenschaft gelernt haben, einschließlich ethischer Konzepte, Datenaufbereitung, verschiedener Methoden zur Arbeit mit Daten, Datenvisualisierung, Datenanalyse, Anwendungsfälle der Datenwissenschaft in der Praxis und mehr.

Außerdem setzt ein niedrigschwelliges Quiz vor dem Unterricht die Absicht des Lernenden, ein Thema zu erlernen, während ein zweites Quiz nach der Stunde die weitere Beibehaltung des Wissens gewährleistet. Dieses Curriculum wurde flexibel und unterhaltsam gestaltet und kann vollständig oder teilweise absolviert werden. Die Projekte beginnen klein und werden bis zum Ende des 10-wöchigen Zyklus zunehmend komplexer.

Finden Sie unseren Verhaltenskodex, Mitwirkenden und Übersetzungsrichtlinien. Wir freuen uns über Ihr konstruktives Feedback!

Jede Lektion enthält:

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

Eine Anmerkung zu den Quizzen: Alle Quizze befinden sich im Quiz-App-Ordner, insgesamt 40 Quizze mit jeweils drei Fragen. Sie sind in 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 schrittweise 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
• 🔬 Projekt aus der Praxis – Vollständiger Workflow von Anfang bis Ende

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

👉 Beginnen Sie mit den Beispielen 👈

Lektionen

Data Science für Anfänger: Fahrplan - Sketchnote von @nitya

Lektion Nummer	Thema	Lektion Gruppierung	Lernziele	Verlinkte Lektion	Autor
01	Definition von Data Science	Einführung	Lernen Sie die grundlegenden Konzepte hinter der Datenwissenschaft kennen und wie sie mit künstlicher Intelligenz, maschinellem Lernen und Big Data zusammenhängt.	Lektion Video	Dmitry
02	Datenethik	Einführung	Konzepte, Herausforderungen & 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 zur Datenverständnis.	Lektion Video	Dmitry
05	Arbeit mit relationalen Daten	Arbeiten mit Daten	Einführung in relationale Daten und Grundlagen der Erkundung und Analyse relationaler Daten mit der Structured Query Language, auch bekannt als SQL (ausgesprochen „see-quell“).	Lektion	Christopher
06	Arbeit 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	Arbeit mit Python	Arbeiten mit Daten	Grundlagen der Verwendung von Python zur Datenerkundung mit Bibliotheken wie Pandas. Grundlegendes Verständnis der Python-Programmierung wird empfohlen.	Lektion Video	Dmitry
08	Datenaufbereitung	Arbeiten mit Daten	Themen zu Datentechniken zum Reinigen und Transformieren der Daten, um Herausforderungen fehlender, ungenauer oder unvollständiger 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 Hinweise, um Visualisierungen wertvoll für effektive Problemlösung und Erkenntnisse zu machen.	Lektion	Jen
14	Einführung in den Datenwissenschafts-Lebenszyklus	Lebenszyklus	Einführung in den Datenwissenschafts-Lebenszyklus und dessen ersten Schritt des Erwerbs und der Extraktion von Daten.	Lektion	Jasmine
15	Analysieren	Lebenszyklus	Diese Phase des Datenwissenschafts-Lebenszyklus konzentriert sich auf Techniken zur Datenanalyse.	Lektion	Jasmine
16	Kommunikation	Lebenszyklus	Diese Phase des Datenwissenschafts-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 Lektionenreihe führt in 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	Bereitstellung von Modellen mit Azure Machine Learning Studio.	Lektion	Tiffany und Maud
20	Datenwissenschaft in der Praxis	In freier Wildbahn	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 "Öffnen mit Codespaces".
2. Wählen Sie unten im Bereich + Neuer Codespace aus. Weitere Informationen finden Sie in der GitHub-Dokumentation.

VSCode Remote – Container

Folgen Sie diesen Schritten, um dieses Repository in einem Container auf Ihrer lokalen Maschine mit VSCode unter Verwendung der VS Code Remote – Containers-Erweiterung zu öffnen:

1. Wenn dies das erste Mal ist, dass Sie einen Entwicklungscontainer verwenden, stellen Sie bitte sicher, dass Ihr System die Voraussetzungen erfüllt (z. B. Docker installiert) gemäß 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: Repository im Containervolume klonen... verwendet, um den Quellcode in einem Docker-Volume statt im lokalen Dateisystem zu klonen. Volumes sind der bevorzugte Mechanismus zur Persistenz von Containerdaten.

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

• Klonen Sie dieses Repository auf Ihr lokales Dateisystem.
• Drücken Sie F1 und wählen Sie den Befehl Remote-Containers: Ordner im Container öffnen....
• Wählen Sie die geklonte Kopie dieses Ordners, 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 Repository, installieren Sie Docsify auf Ihrer lokalen Maschine und geben Sie dann im Stammordner dieses Repos docsify serve ein. Die Website wird lokal auf Port 3000 unter localhost:3000 bereitgestellt.

Hinweis: Notebooks werden via Docsify nicht gerendert, daher müssen Sie, wenn Sie ein Notebook ausführen möchten, dies separat in VS Code mit einem Python-Kernel tun.

Weitere Curricula

Unser Team erstellt weitere Curricula! Schauen Sie sich an:

LangChain

---

Azure / Edge / MCP / Agents

---

Generative KI-Reihe

---

Kernlernen

---

Copilot-Reihe

Hilfe erhalten

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

Wenn du nicht weiterkommst oder Fragen zum Erstellen von KI-Anwendungen hast, nimm an Diskussionen mit anderen Lernenden und erfahrenen Entwicklern zum MCP teil. 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 mithilfe des KI-Übersetzungsdienstes 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 Ursprungsprache gilt als maßgebliche Quelle. Für wichtige Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir übernehmen keine Haftung für Missverständnisse oder Fehlinterpretationen, die durch die Verwendung dieser Übersetzung entstehen.