Data-Science-For-Beginners/translations/de

Data Science für Einsteiger - Ein Curriculum

Die Azure Cloud Advocates bei Microsoft freuen sich, ein 10-wöchiges, 20-Lektionen Curriculum rund um Data Science anzubieten. Jede Lektion enthält Vor- und Nach-Quizze, schriftliche Anweisungen zur Durchführung der Lektion, eine Lösung und eine Aufgabe. Unsere projektbasierte Pädagogik ermöglicht es dir, beim Bauen zu lernen — eine bewährte Methode, damit neue Fähigkeiten "haften bleiben".

Herzlichen Dank an unsere Autorinnen und Autoren: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Besonderer Dank 🙏 an unsere Microsoft Student Ambassador Autorinnen und Autoren, Gutachter und inhaltlichen Beitragenden, namentlich 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) | Pandschabi (Gurmukhi) | Rumänisch | Russisch | Serbisch (Kyrillisch) | Slowakisch | Slowenisch | Spanisch | Suaheli | Schwedisch | Tagalog (Filipino) | Tamil | Telugu | Thai | Türkisch | Ukrainisch | Urdu | Vietnamesisch

Wenn Sie möchten, dass zusätzliche Übersetzungen unterstützt werden, sind die unterstützten Sprachen hier aufgeführt

Tritt unserer Community bei

Wir führen eine Discord-Lernserie „Learn with AI“ durch. Erfahre mehr und tritt uns bei unter Learn with AI Series vom 18. - 30. September 2025. Du erhältst Tipps und Tricks zur Nutzung von GitHub Copilot für Data Science.

Bist du Student?

Leg los mit den folgenden Ressourcen:

• Studenten-Hub-Seite Auf dieser Seite findest du Einsteigerressourcen, Studenten-Pakete und sogar Möglichkeiten, ein kostenloses Zertifikat-Gutschein zu erhalten. Das ist eine Seite, die du dir merken solltest und von Zeit zu Zeit überprüfen solltest, da wir Inhalte mindestens monatlich austauschen.
• Microsoft Learn Student Ambassadors Tritt einer globalen Community von Student Ambassadors bei — das könnte dein Weg zu Microsoft sein.

Erste Schritte

📚 Dokumentation

• Installationsanleitung - Schritt-für-Schritt-Einrichtungshinweise für Einsteiger
• Nutzungsanleitung - Beispiele und typische Workflows
• Fehlerbehebung - Lösungen für häufige Probleme
• Leitfaden zur Mitarbeit - Wie du zu diesem Projekt beitragen kannst
• Für Lehrende - Unterrichtshinweise und Materialien für den Unterricht

👨‍🎓 Für Studierende

Vollständige 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 das vollständige Curriculum vertiefst. Studierende: Um dieses Curriculum eigenständig zu nutzen, fork das gesamte Repo und bearbeite die Übungen selbstständig, beginnend mit einem Pre-Lecture-Quiz. Lies dann die Vorlesung und erledige die restlichen Aktivitäten. Versuche, die Projekte durch Verständnis der Lektionen zu erstellen, anstatt den Lösungscode zu kopieren; dieser Code ist jedoch in den /solutions-Ordnern in jeder projektorientierten Lektion verfügbar. Eine andere Idee ist, eine Lerngruppe mit Freundinnen und Freunden zu bilden und gemeinsam durch die Inhalte zu gehen. Für weiterführendes Lernen empfehlen wir Microsoft Learn.

Schnellstart:

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

👩‍🏫 Für Lehrende

Lehrende: Wir haben einige Vorschläge aufgenommen, wie dieses Curriculum genutzt werden kann. Wir freuen uns über dein 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 die Personen, die es erstellt haben!

Pädagogik

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

Außerdem lenkt ein niedrigschwelliges Quiz vor einer Unterrichtsstunde die Lernabsicht der Lernenden auf ein Thema, während ein zweites Quiz nach der Stunde die weitere Behaltensleistung sicherstellt. Dieser Lehrplan wurde so gestaltet, dass er 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 unseren Verhaltenskodex, Beitragsrichtlinien, Übersetzungsrichtlinien. Wir freuen uns über Ihr konstruktives Feedback!

Jede Lektion enthält:

• Optionale Sketchnote
• Optionales ergänzendes Video
• Aufwärm-Quiz vor der Lektion
• Geschriebene Lektion
• Für projektbasierte Lektionen: Schritt-für-Schritt-Anleitungen, wie man das Projekt erstellt
• Wissensüberprüfungen
• Eine Herausforderung
• Ergänzende Lektüre
• Aufgabe
• Quiz nach der Lektion

Eine Anmerkung zu 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 nach Azure bereitgestellt werden; folgen Sie den Anweisungen im quiz-app Ordner. Sie werden nach und nach lokalisiert.

🎓 Einsteigerfreundliche Beispiele

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

• 🌟 Hello World - Ihr erstes Data-Science-Programm
• 📂 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
• 🔬 Praxisprojekt - Kompletter Workflow von Anfang bis Ende

Jedes Beispiel enthält ausführliche Kommentare, die jeden Schritt erklären, und eignet sich damit perfekt für absolute Anfänger!

👉 Beginnen Sie mit den Beispielen 👈

Lektionen

Data Science für Einsteiger: Fahrplan - Sketchnote von @nitya

Lesson Number	Topic	Lesson Grouping	Learning Objectives	Linked Lesson	Author
01	Definition von Data Science	Introduction	Erlernen Sie die grundlegenden Konzepte der Data Science und wie sie mit künstlicher Intelligenz, maschinellem Lernen und Big Data zusammenhängt.	Lektion Video	Dmitry
02	Datenethik	Introduction	Konzepte, Herausforderungen und Rahmenwerke der Datenethik.	Lektion	Nitya
03	Definition von Daten	Introduction	Wie Daten klassifiziert werden und ihre üblichen Quellen.	Lektion	Jasmine
04	Einführung in Statistik & Wahrscheinlichkeit	Introduction	Die mathematischen Techniken der Wahrscheinlichkeit und Statistik, um Daten zu verstehen.	Lektion Video	Dmitry
05	Arbeiten mit relationalen Daten	Working With Data	Einführung in relationale Daten und die Grundlagen, relationale Daten mit der Structured Query Language, auch bekannt als SQL (ausgesprochen „see-quell“), zu erkunden und zu analysieren.	Lektion	Christopher
06	Arbeiten mit NoSQL-Daten	Working With Data	Einführung in nicht-relationale Daten, ihre verschiedenen Typen und die Grundlagen zur Erkundung und Analyse von Dokumentdatenbanken.	Lektion	Jasmine
07	Arbeiten mit Python	Working With Data	Grundlagen der Verwendung von Python zur Datenexploration mit Bibliotheken wie Pandas. Grundlegende Kenntnisse in Python-Programmierung werden empfohlen.	Lektion Video	Dmitry
08	Datenaufbereitung	Working With Data	Themen zu Datentechniken zum Bereinigen und Transformieren von Daten, um Herausforderungen durch fehlende, ungenaue oder unvollständige Daten zu bewältigen.	Lektion	Jasmine
09	Visualisierung von Mengen	Data Visualization	Lernen Sie, wie man Matplotlib verwendet, um Vogeldaten zu visualisieren 🦆	Lektion	Jen
10	Visualisierung von Datenverteilungen	Data Visualization	Visualisierung von Beobachtungen und Trends innerhalb eines Intervalls.	Lektion	Jen
11	Visualisierung von Anteilen	Data Visualization	Visualisierung diskreter und gruppierter Prozentsätze.	Lektion	Jen
12	Visualisierung von Beziehungen	Data Visualization	Visualisierung von Verbindungen und Korrelationen zwischen Datensätzen und ihren Variablen.	Lektion	Jen
13	Aussagekräftige Visualisierungen	Data Visualization	Techniken und Hinweise, wie Ihre Visualisierungen wertvoll für effektives Problemlösen und Erkenntnisse werden.	Lektion	Jen
14	Einführung in den Data-Science-Lebenszyklus	Lifecycle	Einführung in den Data-Science-Lebenszyklus und seinen ersten Schritt des Erfassens und Extrahierens von Daten.	Lektion	Jasmine
15	Analysieren	Lifecycle	Diese Phase des Data-Science-Lebenszyklus konzentriert sich auf Techniken zur Analyse von Daten.	Lektion	Jasmine
16	Kommunikation	Lifecycle	Diese Phase des Data-Science-Lebenszyklus konzentriert sich darauf, Erkenntnisse aus den Daten so zu präsentieren, dass Entscheidungsträger sie leichter verstehen können.	Lektion	Jalen
17	Data Science in der Cloud	Daten in der Cloud	Diese Reihe von Lektionen stellt Data Science in der Cloud und ihre Vorteile vor.	Lektion	Tiffany and Maud
18	Data Science in der Cloud	Daten in der Cloud	Modelle mit Low-Code-Tools trainieren.	Lektion	Tiffany and Maud
19	Data Science in der Cloud	Daten in der Cloud	Modelle mit Azure Machine Learning Studio bereitstellen.	Lektion	Tiffany and Maud
20	Data Science in der Praxis	In der Praxis	Data-Science-getriebene Projekte in der realen Welt.	Lektion	Nitya

GitHub Codespaces

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

1. Klicken Sie auf das Code-Dropdown-Menü und wählen Sie die Option Open with Codespaces.
2. Wählen Sie + New codespace am unteren Rand des Bereichs aus. For more info, check out the GitHub documentation.

VSCode Remote - Containers

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

1. Wenn Sie zum ersten Mal einen Entwicklungscontainer verwenden, stellen Sie bitte sicher, dass Ihr System die Voraussetzungen erfüllt (d. h. Docker installiert ist) in der Getting-Started-Dokumentation.

To use this repository, you can either open the repository in an isolated Docker volume:

Note: Under the hood, this will use the Remote-Containers: Clone Repository in Container Volume... command to clone the source code in a Docker volume instead of the local filesystem. Volumes are the preferred mechanism for persisting container data.

Or open a locally cloned or downloaded version of the repository:

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

Offline access

Sie können diese Dokumentation offline ausführen, indem Sie Docsify verwenden. Forken Sie dieses Repo, installieren Sie Docsify auf Ihrem lokalen Rechner, dann in the root folder of this repo, type docsify serve. The website will be served on port 3000 on your localhost: localhost:3000.

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

Weitere Curricula

Unser Team erstellt weitere Lehrpläne! Schauen Sie sich an:

LangChain

---

Azure / Edge / MCP / Agents

---

Generative KI-Serie

---

Kernbereiche

---

Copilot-Serie

Hilfe erhalten

Probleme? Schauen Sie in unsere Fehlerbehebung für Lösungen zu häufigen Problemen.

Wenn Sie nicht weiterkommen oder Fragen zum Erstellen von KI-Apps haben. Nehmen Sie mit anderen Lernenden und erfahrenen Entwicklern an Diskussionen über MCP teil. Es ist eine unterstützende Gemeinschaft, in der Fragen willkommen sind und Wissen frei geteilt wird.

Wenn Sie Produktfeedback haben oder beim Erstellen auf Fehler stoßen, besuchen Sie:

---

Haftungsausschluss: Dieses Dokument wurde mit dem KI-Übersetzungsdienst 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 Originalsprache gilt als maßgebliche Quelle. Für kritische Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir übernehmen keine Haftung für Missverständnisse oder Fehlinterpretationen, die aus der Verwendung dieser Übersetzung entstehen.