Data-Science-For-Beginners/translations/de

Data Science für Anfänger - Lehrplan

Die Azure Cloud Advocates bei Microsoft freuen sich, einen 10-wöchigen Lehrplan mit 20 Lektionen rund um Data Science anbieten zu können. Jede Lektion enthält Vor- und Nach-Quiz, 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 'hängen 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, Gutachterinnen und Inhaltsmitwirkenden, 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 | Burmesisch (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

Wenn Sie zusätzliche Übersetzungen wünschen, werden unterstützte Sprachen hier aufgelistet

Treten Sie unserer Community bei

Wir veranstalten eine laufende Discord‑Serie "Learn with AI". Erfahren Sie mehr und nehmen Sie vom 18. - 30. September 2025 an der Learn with AI-Serie teil. Sie erhalten Tipps und Tricks zur Nutzung von GitHub Copilot für Data Science.

Bist du Student?

Beginne mit den folgenden Ressourcen:

• Student Hub-Seite Auf dieser Seite findest du Einsteigerressourcen, Studentenpakete und sogar Möglichkeiten, einen kostenlosen Zertifikatsgutschein zu erhalten. Das ist eine Seite, die du als Lesezeichen speichern und von Zeit zu Zeit überprüfen solltest, da wir die 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-Anweisungen zur Einrichtung für Anfänger
• Nutzungsanleitung - Beispiele und gängige Arbeitsabläufe
• Fehlerbehebung - Lösungen für häufige Probleme
• Richtlinien für Beiträge - Wie man zu diesem Projekt beiträgt
• Für Lehrkräfte - Leitfaden für Lehrkräfte und Unterrichtsmaterialien

👨‍🎓 Für Studierende

Absolute Anfänger: Neu in Data Science? Beginne mit unseren anfängerfreundlichen 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, forke das gesamte Repo und bearbeite die Übungen eigenständig, beginnend mit einem Quiz vor der Vorlesung. Lies dann die Vorlesung und erledige die restlichen Aktivitäten. Versuche, die Projekte durch das Verständnis 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, mit Freunden eine Lerngruppe zu bilden und den Inhalt gemeinsam durchzugehen. Für weiterführendes Lernen empfehlen wir Microsoft Learn.

Schnellstart:

1. Prüfe die Installationsanleitung, um deine Umgebung einzurichten
2. Überprüfe die Nutzungsanleitung, um zu lernen, wie man mit dem Lehrplan arbeitet
3. Beginne mit Lektion 1 und bearbeite sie der Reihe nach
4. Tritt unserer Discord-Community bei, um Unterstützung zu erhalten

👩‍🏫 Für Lehrkräfte

Lehrkräfte: Wir haben einige Vorschläge aufgenommen, wie man diesen Lehrplan verwendet. Wir würden uns über Ihr Feedback in unserem Diskussionsforum freuen!

Triff das Team

GIF von Mohit Jaisal

🎥 Klicken Sie auf das obige Bild für ein Video über das Projekt und 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 Teilnehmenden die grundlegenden Prinzipien der Data Science gelernt haben, einschließlich ethischer Konzepte, Datenvorbereitung, verschiedener Arbeitsweisen mit Daten, Datenvisualisierung, Datenanalyse, praxisnaher Anwendungsfälle der Data Science und mehr.

Darüber hinaus setzt ein wenig belastendes Quiz vor einer Veranstaltung die Lernintention der Teilnehmenden bezüglich eines Themas, während ein zweites Quiz nach der Veranstaltung für weitergehende Behaltensleistung sorgt. Dieser Lehrplan wurde so gestaltet, dass er flexibel und unterhaltsam ist und vollständig 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 beinhaltet:

• Optionale Sketchnote
• Optionales ergänzendes Video
• Aufwärm-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 Quizzen: Alle Quizze befinden sich im Quiz-App-Ordner, insgesamt 40 Quizze mit jeweils drei Fragen. Sie werden 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.

🎓 Einsteigerfreundliche Beispiele

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

• 🌟 Hello World - Ihr erstes Data-Science-Programm
• 📂 Loading Data - Lernen Sie, Datensätze zu lesen und zu erkunden
• 📊 Simple Analysis - Berechnen Sie Statistiken und finden Sie Muster
• 📈 Basic Visualization - Erstellen Sie Diagramme und Grafiken
• 🔬 Real-World Project - Vollständiger Workflow von Anfang bis Ende

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

👉 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	Lernen Sie die grundlegenden Konzepte von Data Science und wie es mit künstlicher Intelligenz, maschinellem Lernen und Big Data zusammenhängt.	Lektion video	Dmitry
02	Ethik in der Datenwissenschaft	Introduction	Konzepte, Herausforderungen und Rahmenwerke der Datenethik.	Lektion	Nitya
03	Definition von Daten	Introduction	Wie Daten klassifiziert werden und ihre gängigen Quellen.	Lektion	Jasmine
04	Einführung in Statistik & Wahrscheinlichkeit	Introduction	Die mathematischen Techniken der Wahrscheinlichkeit und Statistik zum Verständnis von Daten.	Lektion video	Dmitry
05	Arbeiten mit relationalen Daten	Working With Data	Einführung in relationale Daten und die Grundlagen der Exploration und Analyse relationaler Daten mit der Structured Query Language, auch bekannt als SQL (ausgesprochen „see-quell“).	Lektion	Christopher
06	Arbeiten mit NoSQL-Daten	Working With Data	Einführung in nicht-relationale Daten, ihre verschiedenen Typen und die Grundlagen der Exploration und Analyse von Dokumentdatenbanken.	Lektion	Jasmine
07	Arbeiten mit Python	Working With Data	Grundlagen der Verwendung von Python zur Datenexploration mit Bibliotheken wie Pandas. Grundlegendes Verständnis der Python-Programmierung wird empfohlen.	Lektion video	Dmitry
08	Datenvorbereitung	Working With Data	Themen zu Datenverfahren zum Bereinigen und Transformieren der 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 Leitfäden, um Ihre Visualisierungen wertvoll für effektive Problemlösungen und Erkenntnisse zu machen.	Lektion	Jen
14	Einführung in den Data-Science-Lebenszyklus	Lifecycle	Einführung in den Data-Science-Lebenszyklus und seinen ersten Schritt des Erhebens 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	Cloud Data	Diese Reihe von Lektionen führt in Data Science in der Cloud und deren Vorteile ein.	Lektion	Tiffany and Maud
18	Data Science in der Cloud	Cloud Data	Modelle mit Low-Code-Tools trainieren.	Lektion	Tiffany and Maud
19	Data Science in der Cloud	Cloud Data	Modelle mit Azure Machine Learning Studio bereitstellen.	Lektion	Tiffany and Maud
20	Data Science in der Praxis	In the Wild	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 unten im Bereich + New codespace aus. Für weitere Informationen lesen Sie die GitHub-Dokumentation.

VSCode Remote - Containers

Befolgen Sie diese Schritte, um dieses Repo in einem Container mit Ihrem lokalen Rechner und VSCode mithilfe 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 ist) in der Getting Started-Dokumentation.

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

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.

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....
• 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 ausführen, indem Sie Docsify verwenden. 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 von Docsify nicht gerendert. Wenn Sie ein Notebook ausführen müssen, tun Sie dies separat in VS Code mit einem Python-Kernel.

Andere Curricula

Unser Team erstellt weitere Lehrpläne! Schauen Sie sich an:

LangChain

---

Azure / Edge / MCP / Agents

---

Generative KI-Serie

---

Kerninhalte

---

Copilot-Serie

Hilfe

Probleme? Prüfen Sie unser Fehlerbehebungshandbuch für Lösungen zu häufigen Problemen.

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

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

---

Haftungsausschluss: Dieses Dokument wurde mithilfe des KI-Übersetzungsdienstes Co-op Translator übersetzt. Trotz sorgfältiger Bemühungen um Genauigkeit können automatisierte Übersetzungen Fehler oder Ungenauigkeiten enthalten. Das Originaldokument in seiner Ausgangssprache ist als maßgebliche Quelle zu betrachten. Bei kritischen Informationen wird eine professionelle menschliche Übersetzung empfohlen. Für Missverständnisse oder Fehlinterpretationen, die aus der Verwendung dieser Übersetzung entstehen, übernehmen wir keine Haftung.