Data-Science-For-Beginners/translations/de

Data Science für Anfänger - Ein Lehrplan

Azure Cloud Advocates bei Microsoft freuen sich, einen 10-wöchigen, 20-Lektionen umfassenden Lehrplan rund um Data Science anzubieten. Jede Lektion enthält Vor- und Nachtests, schriftliche Anweisungen zur Durchführung der Lektion, eine Lösung und eine Aufgabe. Unsere projektbasierte Pädagogik ermöglicht es Ihnen, durch praktisches Arbeiten zu lernen – eine bewährte Methode, um neue Fähigkeiten nachhaltig zu erlernen.

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, Prüfer 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 Anfänger - 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 | Koreanisch | Litauisch | Malaiisch | Marathi | Nepalesisch | Norwegisch | Persisch (Farsi) | Polnisch | Portugiesisch (Brasilien) | Portugiesisch (Portugal) | Punjabi (Gurmukhi) | Rumänisch | Russisch | Serbisch (Kyrillisch) | Slowakisch | Slowenisch | Spanisch | Swahili | Schwedisch | Tagalog (Filipino) | Tamil | Thai | Türkisch | Ukrainisch | Urdu | Vietnamesisch

Wenn Sie zusätzliche Übersetzungen wünschen, finden Sie die unterstützten Sprachen hier

Treten Sie unserer Community bei

Wir haben eine laufende Discord-Serie "Lernen mit KI", erfahren Sie mehr und treten Sie uns bei Learn with AI Series vom 18. bis 30. September 2025 bei. Sie erhalten Tipps und Tricks zur Nutzung von GitHub Copilot für Data Science.

Sind Sie ein Student?

Beginnen Sie mit den folgenden Ressourcen:

• Student Hub Seite Auf dieser Seite finden Sie Ressourcen für Anfänger, Student Packs und sogar Möglichkeiten, einen kostenlosen Zertifikatsgutschein zu erhalten. Diese Seite sollten Sie sich unbedingt merken und regelmäßig besuchen, da wir den Inhalt mindestens monatlich aktualisieren.
• Microsoft Learn Student Ambassadors Treten Sie einer globalen Gemeinschaft von Studentenbotschaftern bei – dies könnte Ihr Einstieg bei Microsoft sein.

Erste Schritte

📚 Dokumentation

• Installationsanleitung - Schritt-für-Schritt-Anweisungen für Anfänger
• Benutzerhandbuch - Beispiele und häufige Arbeitsabläufe
• Fehlerbehebung - Lösungen für häufige Probleme
• Beitragsrichtlinien - Wie Sie zu diesem Projekt beitragen können
• Für Lehrer - Unterrichtsanleitungen und Ressourcen für den Klassenraum

👨‍🎓 Für Studenten

Komplette Anfänger: Neu in der Welt der Data Science? Beginnen Sie mit unseren anfängerfreundlichen Beispielen! Diese einfachen, gut kommentierten Beispiele helfen Ihnen, die Grundlagen zu verstehen, bevor Sie in den vollständigen Lehrplan eintauchen. Studenten: Um diesen Lehrplan eigenständig zu nutzen, forken Sie das gesamte Repository und bearbeiten Sie die Übungen eigenständig, beginnend mit einem Quiz vor der Vorlesung. Lesen Sie dann die Vorlesung und führen Sie die restlichen Aktivitäten durch. Versuchen Sie, die Projekte zu erstellen, indem Sie die Lektionen verstehen, anstatt den Lösungscode zu kopieren; dieser Code ist jedoch in den /solutions-Ordnern jeder projektorientierten Lektion verfügbar. Eine weitere Idee wäre, eine Lerngruppe mit Freunden zu bilden und den Inhalt gemeinsam durchzugehen. Für weiterführende Studien empfehlen wir Microsoft Learn.

Schnellstart:

1. Überprüfen Sie die Installationsanleitung, um Ihre Umgebung einzurichten
2. Lesen Sie das Benutzerhandbuch, um zu erfahren, wie Sie mit dem Lehrplan arbeiten
3. Beginnen Sie mit Lektion 1 und arbeiten Sie sich der Reihe nach durch
4. Treten Sie unserer Discord-Community für Unterstützung bei

👩‍🏫 Für Lehrer

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

Lernen Sie das Team kennen

Gif von Mohit Jaisal

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

Pädagogik

Wir haben zwei pädagogische Grundsätze bei der Erstellung dieses Lehrplans gewählt: sicherzustellen, dass er projektbasiert ist und häufige Quizze enthält. Am Ende dieser Serie werden die Studierenden die grundlegenden 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 niedrigschwelliges Quiz vor einer Unterrichtsstunde die Absicht der Studierenden, ein Thema zu lernen, während ein zweites Quiz nach der Stunde die weitere Beibehaltung des Wissens sicherstellt. Dieser Lehrplan wurde so gestaltet, dass er flexibel und unterhaltsam ist und entweder vollständig oder teilweise absolviert werden kann. Die Projekte beginnen klein und werden bis zum Ende des 10-Wochen-Zyklus zunehmend komplexer.

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

Jede Lektion enthält:

• Optionales Sketchnote
• Optionales ergänzendes Video
• Warm-up-Quiz vor der Lektion
• Schriftliche Lektion
• Für projektbasierte Lektionen: Schritt-für-Schritt-Anleitungen zum Erstellen des Projekts
• Wissensüberprüfungen
• Eine Herausforderung
• Ergänzende Lektüre
• 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 auf 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
• 🔬 Reales Projekt - Vollständiger Workflow von Anfang bis Ende

Jedes Beispiel enthält detaillierte Kommentare, die jeden Schritt erklären, und ist perfekt für absolute Anfänger geeignet!

👉 Starten Sie mit den Beispielen 👈

Lektionen

Datenwissenschaft für Anfänger: Roadmap - Sketchnote von @nitya

Lektion Nummer	Thema	Lektion Gruppierung	Lernziele	Verlinkte Lektion	Autor
01	Definition der 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 häufigsten Quellen.	Lektion	Jasmine
04	Einführung in Statistik und Wahrscheinlichkeit	Einführung	Die mathematischen Techniken der 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 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 Nutzung 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 Datentechniken zur Bereinigung und Transformation von Daten, um Herausforderungen wie fehlende, ungenaue oder unvollständige Daten zu bewältigen.	Lektion	Jasmine
09	Visualisierung von Mengen	Datenvisualisierung	Lernen Sie, wie Sie Matplotlib verwenden, um Vogeldaten 🦆 zu visualisieren.	Lektion	Jen
10	Visualisierung von Datenverteilungen	Datenvisualisierung	Beobachtungen und Trends innerhalb eines Intervalls visualisieren.	Lektion	Jen
11	Visualisierung von Proportionen	Datenvisualisierung	Diskrete und gruppierte Prozentsätze visualisieren.	Lektion	Jen
12	Visualisierung von Beziehungen	Datenvisualisierung	Verbindungen und Korrelationen zwischen Datensätzen und ihren Variablen visualisieren.	Lektion	Jen
13	Sinnvolle Visualisierungen	Datenvisualisierung	Techniken und Leitlinien, 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 seinen ersten Schritt der Datenbeschaffung und -extraktion.	Lektion	Jasmine
15	Analyse	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 sie für Entscheidungsträger leichter verständlich sind.	Lektion	Jalen
17	Datenwissenschaft in der Cloud	Cloud-Daten	Diese Serie von Lektionen führt in die Datenwissenschaft in der Cloud und ihre 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	Datenwissenschaftsprojekte 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 Code-Dropdown-Menü und wählen Sie die Option "Mit Codespaces öffnen".
2. Wählen Sie + Neuer Codespace unten im Fenster. Weitere Informationen finden Sie in der GitHub-Dokumentation.

VSCode Remote - Containers

Folgen Sie diesen Schritten, um dieses Repository in einem Container mit Ihrer lokalen Maschine 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), wie in der Einführungsdokumentation beschrieben.

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 das bevorzugte Mechanismus zur Persistierung 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: Open Folder in Container....
• Wählen Sie die geklonte Kopie dieses Ordners aus, warten Sie, bis der Container gestartet ist, und probieren Sie Dinge 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 Repositorys docsify serve ein. Die Website wird auf Port 3000 auf Ihrem localhost bereitgestellt: localhost:3000.

Hinweis: Notebooks werden nicht über Docsify gerendert, daher führen Sie ein Notebook bei Bedarf separat in VS Code mit einem Python-Kernel aus.

Weitere Lehrpläne

Unser Team erstellt weitere Lehrpläne! Schauen Sie sich an:

• Edge AI für Anfänger
• AI Agents für Anfänger
• Generative AI für Anfänger
• Generative AI für Anfänger .NET
• Generative AI mit JavaScript
• Generative AI mit Java
• AI für Anfänger
• Datenwissenschaft für Anfänger
• Bash für Anfänger
• ML für Anfänger
• Cybersicherheit für Anfänger
• Webentwicklung für Anfänger
• IoT für Anfänger
• Maschinelles Lernen für Anfänger
• XR-Entwicklung für Anfänger
• GitHub Copilot meistern für KI-gestütztes Pair-Programming
• XR-Entwicklung für Anfänger
• GitHub Copilot meistern für C#/.NET-Entwickler
• Wähle dein eigenes Copilot-Abenteuer

Hilfe erhalten

Probleme? Schau dir unseren Leitfaden zur Fehlerbehebung an, um Lösungen für häufige Probleme zu finden.

Falls du nicht weiterkommst oder Fragen zum Erstellen von KI-Anwendungen hast, tritt bei:

Falls du Produktfeedback geben möchtest oder Fehler beim Erstellen auftreten, 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 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.