Data-Science-For-Beginners/translations/de

Datenwissenschaft für Anfänger - Ein Lehrplan

Die Azure Cloud Advocates bei Microsoft freuen sich, einen 10-wöchigen Lehrplan mit 20 Lektionen rund um Datenwissenschaft 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

Datenwissenschaft für Anfänger - Sketchnote von @nitya

🌐 Mehrsprachige Unterstützung

Unterstützt durch GitHub Action (Automatisiert & Immer aktuell)

Französisch | Spanisch | Deutsch | Russisch | Arabisch | Persisch (Farsi) | Urdu | Chinesisch (Vereinfacht) | Chinesisch (Traditionell, Macau) | Chinesisch (Traditionell, Hongkong) | Chinesisch (Traditionell, Taiwan) | Japanisch | Koreanisch | Hindi | Bengalisch | Marathi | Nepali | Punjabi (Gurmukhi) | Portugiesisch (Portugal) | Portugiesisch (Brasilien) | Italienisch | Polnisch | Türkisch | Griechisch | Thailändisch | Schwedisch | Dänisch | Norwegisch | Finnisch | Niederländisch | Hebräisch | Vietnamesisch | Indonesisch | Malaiisch | Tagalog (Filipino) | Swahili | Ungarisch | Tschechisch | Slowakisch | Rumänisch | Bulgarisch | Serbisch (Kyrillisch) | Kroatisch | Slowenisch | Ukrainisch | Birmanisch (Myanmar)

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

Treten Sie unserer Community bei

Wir haben eine laufende Discord-Serie zum 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 Datenwissenschaft.

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 Community von Studentenbotschaftern bei – dies könnte Ihr Einstieg bei Microsoft sein.

Erste Schritte

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

Studenten: Um diesen Lehrplan eigenständig zu nutzen, forken Sie das gesamte Repository und bearbeiten Sie die Übungen selbst, 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 weiterführendes Lernen empfehlen wir Microsoft Learn.

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 gewählt, während wir diesen Lehrplan erstellt haben: sicherzustellen, dass er projektbasiert ist und dass er häufige Quizfragen enthält. Am Ende dieser Serie werden die Studenten grundlegende Prinzipien der Datenwissenschaft gelernt 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 Klasse die Absicht des Studenten, ein Thema zu lernen, während ein zweites Quiz nach der Klasse die weitere Beibehaltung 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-Wochen-Zyklus zunehmend komplexer.

Finden Sie unseren Verhaltenskodex, 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 Quizfragen: Alle Quizfragen befinden sich im Quiz-App-Ordner, insgesamt 40 Quizfragen mit jeweils drei Fragen. Sie sind innerhalb der 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.

Lektionen

Data Science für Anfänger: Roadmap - Sketchnote von @nitya

Lektion Nummer	Thema	Lektion Gruppe	Lernziele	Verlinkte Lektion	Autor
01	Definition von Data Science	Einführung	Grundlegende Konzepte der Data Science und deren Beziehung zu künstlicher Intelligenz, maschinellem Lernen und Big Data kennenlernen.	Lektion Video	Dmitry
02	Ethik in der Data Science	Einführung	Konzepte, Herausforderungen und Rahmenbedingungen der Datenethik.	Lektion	Nitya
03	Definition von Daten	Einführung	Klassifizierung von Daten und deren häufige Quellen.	Lektion	Jasmine
04	Einführung in Statistik und Wahrscheinlichkeit	Einführung	Mathematische Techniken der Wahrscheinlichkeit und Statistik zur Datenanalyse verstehen.	Lektion Video	Dmitry
05	Arbeiten mit relationalen Daten	Arbeiten mit Daten	Einführung in relationale Daten und Grundlagen der Analyse mit SQL (Structured Query Language).	Lektion	Christopher
06	Arbeiten mit NoSQL-Daten	Arbeiten mit Daten	Einführung in nicht-relationale Daten, deren Typen und Grundlagen der Analyse von Dokumentdatenbanken.	Lektion	Jasmine
07	Arbeiten mit Python	Arbeiten mit Daten	Grundlagen der Datenanalyse mit Python und Bibliotheken wie Pandas. Grundkenntnisse in Python-Programmierung werden empfohlen.	Lektion Video	Dmitry
08	Datenvorbereitung	Arbeiten mit Daten	Techniken zur Bereinigung und Transformation von Daten, um Herausforderungen wie fehlende, ungenaue oder unvollständige Daten zu bewältigen.	Lektion	Jasmine
09	Visualisierung von Mengen	Datenvisualisierung	Lernen, wie man mit Matplotlib Vogeldaten 🦆 visualisiert.	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 deren Variablen visualisieren.	Lektion	Jen
13	Sinnvolle Visualisierungen	Datenvisualisierung	Techniken und Richtlinien, um Visualisierungen für effektive Problemlösungen und Erkenntnisse wertvoll zu machen.	Lektion	Jen
14	Einführung in den Data Science-Lebenszyklus	Lebenszyklus	Einführung in den Lebenszyklus der Data Science und dessen ersten Schritt: Datenbeschaffung und -extraktion.	Lektion	Jasmine
15	Analyse	Lebenszyklus	Diese Phase des Lebenszyklus der Data Science konzentriert sich auf Techniken zur Datenanalyse.	Lektion	Jasmine
16	Kommunikation	Lebenszyklus	Diese Phase des Lebenszyklus der Data Science konzentriert sich darauf, Erkenntnisse aus den Daten so zu präsentieren, dass Entscheidungsträger sie leicht verstehen können.	Lektion	Jalen
17	Data Science in der Cloud	Cloud-Daten	Diese Serie von Lektionen führt in Data Science in der Cloud und deren Vorteile ein.	Lektion	Tiffany und Maud
18	Data Science in der Cloud	Cloud-Daten	Modelle mit Low-Code-Tools trainieren.	Lektion	Tiffany und Maud
19	Data Science in der Cloud	Cloud-Daten	Modelle mit Azure Machine Learning Studio bereitstellen.	Lektion	Tiffany und Maud
20	Data Science in der Praxis	In der Praxis	Projekte, die durch Data Science in der realen Welt angetrieben werden.	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 unten im Fenster "+ Neuer Codespace". 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 mithilfe der VS Code Remote - Containers-Erweiterung zu öffnen:

1. Wenn Sie zum ersten Mal einen Entwicklungscontainer verwenden, stellen Sie 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 Remote-Containers-Befehl Clone Repository in Container Volume... verwendet, um den Quellcode in einem Docker-Volume anstelle des lokalen Dateisystems zu klonen. Volumes sind die bevorzugte Methode 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: Open Folder in Container....
• Wählen Sie die geklonte Kopie dieses Ordners, warten Sie, bis der Container gestartet ist, und probieren Sie die Funktionen 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. Wenn Sie ein Notebook ausführen müssen, tun Sie dies separat in VS Code mit einem Python-Kernel.

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
• Data Science 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 für KI-gestütztes Programmieren meistern
• XR-Entwicklung für Anfänger
• GitHub Copilot für C#/.NET-Entwickler meistern
• Wählen Sie Ihr eigenes Copilot-Abenteuer

Hilfe erhalten

Wenn Sie nicht weiterkommen oder Fragen zum Erstellen von KI-Anwendungen haben, treten Sie bei:

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

---

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.