Vorteile

  • umfangreiche Inhalte zu Data Science & Maschine Learning
  • praxisorientiert
  • eigenes Lerntempo möglich
  • zeitlich flexible Teilnahme
  • für Fortgeschrittene

Nachteile

  • Folien weisen teilweise typografische Fehler auf
  • Installation der benötigten Programme nicht ganz einfach

Der Onlinekurs „Data Science und Maschinelles Lernen in Python – am Beispiel“ bietet Interessierten, wie Entwickler, Analysten oder Programmierer zum Thema Datenanalyse, Machine Learning und weiterführende Möglichkeiten umfangreiches Wissen.
Der Dozent Jannis Seemann kombiniert dazu die theoretischen Ausführungen zu Datenanalyse und maschinellem Lernen in der Programmiersprache Python mit vielen praktischen Beispielen und Übungen. Innerhalb von neun Stunden vermittelt der Onlinekurs das Grundlagenwissen in insgesamt 70 Lektionen, aufgeteilt in zehn Lernabschnitte.

Mit der udemy-Abschlussbescheinigung erhält der Teilnehmer eine gute Vorlage für sein Unternehmen über sein erlangtes Wissen.


Zielgruppe

Der Onlinekurs „Data Science und Maschinelles Lernen in Python – am Beispiel“ richtet sich Software-Entwickler oder Programmierer, die daran interessiert sind, im Bereich Data Science Fuß zu fassen. Auch Analysten zählen zur Zielgruppe; sie lernen durch diesen Kurs, wie sie Analysen automatisiert mit Programmen umsetzen können. Grundsätzlich gilt: Teilnehmer sollten im Vorfeld dieses Kurses auf jeden Fall schon erste Erfahrungen im Programmieren gesammelt haben, da die Kursinhalte auf diesen ersten Kenntnissen aufbauen. Ist dies nicht der Fall, sollten Interessierte zunächst einen grundlegenden Python-Kurs belegen.

Ziele

Überschrieben ist der Onlinekurs „Data Science und Maschinelles Lernen in Python – am Beispiel“ mit mehreren Zielsetzungen. In erster Linie sollen die Teilnehmer nach Abschluss des Kurses in der Lage sein, riesige Datenmengen zu analysieren. Dabei spielt auch die Datenbereinigung vor der eigentlichen Berechnung eine Rolle, da sie letztlich zu besseren Ergebnissen führt. Die Teilnehmer lernen außerdem, wie sie in den Daten Zusammenhänge erkennen können. Zudem vermittelt der Dozent, wie sich die Rechenarbeit mithilfe von Apache Spark und MLlib auf ein Cluster skalieren lässt.

Zertifizierung

Nachdem der Onlinekurs „Data Science und Maschinelles Lernen in Python – am Beispiel“ vollständig abgeschlossen ist, erhalten die Teilnehmer mit einer udemy-Abschlussbescheinigung auch eine Zertifizierung.

Inhalte

Die insgesamt 70 Lektionen des Onlinekurses „Data Science und Maschinelles Lernen in Python – am Beispiel“ teilen sich in zehn Lernabschnitte auf. Hier die wichtigsten Punkte aus der Agenda im Überblick:

  • Einleitung
    • [u. a. Informationen zu benötigten Materialien und zur lokalen Installation von Python auf Windows-Systemen, Crashkurs zu Python und Python-Funktionen, Erklärung zum Ausführen von Python Scripts]

  • Statistik und Wahrscheinlichkeitstheorie, Grundlagen Python
    • [u. a. Informationen zu Datenarten, zu Mittelweg, Medianwert und Modalwert, zur Dichtefunktion, zu Kovarianz und Korrelation, zur bedingten Wahrscheinlichkeit und dem Satz von Bayes; zwei Übungslektionen]

  • Grundlagen der Wahrscheinlichkeitsrechnung
    • [u. a. Informationen zur linearen Regression, zur polynomialen Regression, zur multivarianten Regressionsanalyse und zu mehrschichtigen Modellen]

  • Machine Learning mit Python 3
    • [u. a. Informationen zu überwachtem vs. unüberwachtem, maschinellem Lernen, zum Bayes’schen Verfahren, zum K-Means Clustering, zur Entropie, zur Entscheidungsbäumen und Ensemble Learning; vier Übungslektionen]

  • Empfehlungssystem
    • [u. a. Informationen zum benutzerbasierten, kollaborativen Filtern sowie zum artikelbasierten, kollaborativen Filtern; vier Übungslektionen]

  • Weitere Techniken und Konzepte
    • [u. a. Informationen zu K-Näcste-Nachbarn, zur Dimensionsreduktion und Hauptkomponentenanalyse, zum Data Warehousung und zum bestärkenden Lernen; zwei Übungslektionen]

  • Arbeiten mit echten Daten
    • [u. a. Informationen zum Bias/Varianz-Dilemma und zum Bereinigen und Normalisieren von Daten; eine Übungslektionen und zwei interaktive Einheiten]

  • Apache Spark
    • [u. a. Informationen zur Installation auf Windows-Systemen, zu Resilient Distributed DataSet, zu MLlib, zu Entscheidungsbäumen mit Apache Spark und zu K-Means Clustering mit Apache Spark]

  • Weitere Konzepte
    • [u. a. Informationen zu A/B-Test, zu T-Test/P-Wert, zur Dauer eines Tests und zu häufigen Fehlern; eine Übungslektion]

  • Schlussworte

Dozent/-en

Schon früh hat der Dozent Jannis Seemann sein Interesse für die Programmierung entdeckt und im Alter von 14 Jahren seine ersten Webseiten entwickelt. Mit 18 absolvierte er sein erstes Praktikum bei Google. Bereits während seines Informatikstudiums an der TU München hat sich Jannis Seemann als Software-Entwickler selbstständig gemacht. Zusätzlich lässt er Interessierte seit 2017 als Online-Tutor bei udemy an seinem Wissen teilhaben.

Kosten und Bezahlung

Der Onlinekurs mit dem Titel „Data Science und Maschinelles Lernen in Python – am Beispiel“ ist zu einem üblichen Pries zu haben. Teilweise finden über udemy aber auch Werbeaktionen statt, in denen die Onlinekurse zu deutlich günstigeren Konditionen angeboten werden. Die Bezahlung ist per Kreditkarte, per PayPal und über einen Online-Bank-Transfer möglich. Fällig wird die Zahlung direkt mit der Buchung.

Nutzer haben bei udemy die Möglichkeit, die 30-Tage-Geld-zurück-Garantie zu nutzen, sollte ein udemy-Kurs nicht den Erwartungen entsprechen. Allerdings entscheidet udemy hierbei nach eigenem Ermessen, ob die Rückerstattung der Kursgebühren per Gutschrift oder als Erstattung über die ursprüngliche Zahlungsmethode erfolgt.

Preis 94,99 € (inkl. MwSt)
Bezahlmethode Kreditkarte, Online-Banküberweisung, PayPal
Zahlungsweise einmalig

Teilnahmevoraussetzungen

Die grundlegende Voraussetzung für eine Teilnahme am Onlinekurs „Data Science und Maschinelles Lernen in Python – am Beispiel“ ist, dass Interessenten bereits erste Kenntnisse im Programmieren vorweisen können. Dies ist aber nicht unbedingt in der Programmiersprache Python erforderlich. Ist dieses Vorwissen nicht vorhanden, wird empfohlen, zunächst vorbereitende Kurse zu absolvieren.

Fachliche Voraussetzungen

Fachliche Voraussetzungen sind durch erste Kenntnisse im Programmieren zu erfüllen. Zudem sollten die Teilnehmer ein grundlegendes Verständnis von Mathematik haben – der Besuch der gymnasialen Oberstufe wird hierbei als ausreichend angemerkt. Als Zielgruppe sind in der Kursbeschreibung Software-Entwickler, Programmierer und Analysten mit ersten Programmiererfahrungen genannt, was ebenfalls auf den benötigten fachlichen Wissensstand hinweist.

Technische Voraussetzungen

Zu den technischen Voraussetzungen gehört, dass die Teilnehmer über einen Computer (Windows / Mac / Linux) verfügen, um darauf die Data-Science-Plattform Anaconda anwenden zu können. Die Installation wird innerhalb des Kurses Schritt für Schritt erklärt, allerdings beziehen sich die Anleitungen ausschließlich auf Windows-Systeme. Die Code-Beispiele funktionieren laut Kursbeschreibung auch auf Mac- und Linux-Systemen, allerdings kann bei Problemen kein Support für diese Systeme bereitgestellt werden.

Medium – Wie wird das Wissen vermittelt?

Das Wissen wird beim Onlinekurs „Data Science und Maschinelles Lernen in Python – am Beispiel“ über Videomaterial vermittelt. Insgesamt stehen 70 Lektionen zur Verfügung, die in zehn Lernabschnitte aufgeteilt sind. Ein Großteil dieser Lernabschnitte enthält neben Videos mit theoretischen Inhalten auch Videos, mit denen Übungen durchgeführt werden. Auf diese Weise stellt der Dozent einen direkten Bezug zur Praxis her.

In vielen Bewertungen zu dem Onlinekurs heißt es, dass der Lernstoff kompetent und einfach vermittelt wird. Zudem sei der Kurs gut strukturiert und behandele ausführlich die wichtigsten Themen. Auch die Materialien sind demnach gut aufbereitet.

Teilnehmer, die den Kurs bereits absolviert haben, geben die Empfehlung, immer auch die Kommentare der jeweiligen Lektion anzusehen, da dort einige hilfreiche Tipps zu finden sind und dadurch ein noch besserer Überblick gewonnen werden kann.

Format Onlinekurs
Videos Ja
Audio Nein
Handout Keine Angabe
Zugangsdauer unbegrenzt

Interaktion – Dozenten/Teilnehmer-Kommunikation

Bei einem aufgezeichneten Onlinekurs ist eine direkte Interaktion logischerweise schwierig. Es gibt allerdings eine „Fragen und Antworten“-Funktion, über die Teilnehmer ihre Fragen stellen und eine Antwort des Dozenten – oder auch von anderen Kursteilnehmern – erhalten können. Während einige Teilnehmer eine schnelle Reaktionszeit des Dozenten loben, eben andere an, es habe einige Tage gedauert, bis sie eine Antwort erhalten haben.

Untereinander können sich die Teilnehmer ebenfalls nur über die „Fragen und Antworten“-Funktion untereinander austauschen, da sie dort nicht nur selbst Fragen stellen, sondern auch beantworten können. Der direkte Austausch hält sich bei dieser Methode aber natürlich in Grenzen.

Kundenservice

Eine direkte Kontaktmöglichkeit per Telefon oder E-Mail findet sich bei udemy nicht. Bei Fragen können Interessierte aber den „Hilfe und Support“-Bereich nutzen. Hier haben sie die Möglichkeiten, über eine Suchfunktion nach ihrem Anliegen zu suchen. Möglicherweise helfen auch die Antworten auf häufig gestellte Fragen weiter. Eine weitere Option stellt die thematische Suche dar. Außerdem bietet sich Nutzern die Möglichkeit, eine eigene Anfrage einzureichen.

Fazit

Der Onlinekurs „Data Science und Maschinelles Lernen in Python – am Beispiel“ ist für all diejenigen bestens geeignet, die schon einmal etwas programmiert haben und sich mit der Auswertung von Daten beschäftigen möchten.

Ein genereller Vorteil der Onlinekurse auf udemy ist die Flexibilität, die sich den Teilnehmern bietet. Immer wenn sich ein Zeitfenster eröffnet, können sie die nächste Lektion starten. Auch wenn die Smartphone-App von udemy eine Teilnahme unterwegs und nach einem Download sogar im Offline-Modus möglich ist, ist es allerdings sinnvoll, den Kurs am Computer zu absolvieren.