Johns Hopkins University
Spezialisierung für Datenwissenschaft: Grundlagen mit R
Johns Hopkins University

Spezialisierung für Datenwissenschaft: Grundlagen mit R

Roger D. Peng, PhD
Brian Caffo, PhD
Jeff Leek, PhD

Dozenten: Roger D. Peng, PhD

Bei Coursera Plus enthalten

Befassen Sie sich eingehend mit einem Thema

(6,182 Bewertungen)

Stufe Anfänger
Keine Vorkenntnisse erforderlich
4 Monate bei 10 Stunden pro Woche
Flexibler Zeitplan
Verdienen Sie sich einen beruflichen Leistungsnachweis
Teilen Sie Ihr Fachwissen mit Arbeitgebern
Befassen Sie sich eingehend mit einem Thema

(6,182 Bewertungen)

Stufe Anfänger
Keine Vorkenntnisse erforderlich
4 Monate bei 10 Stunden pro Woche
Flexibler Zeitplan
Verdienen Sie sich einen beruflichen Leistungsnachweis
Teilen Sie Ihr Fachwissen mit Arbeitgebern

Was Sie lernen werden

  • Verwenden Sie R zum Bereinigen, Analysieren und Visualisieren von Daten.

  • Lernen Sie, wie Sie die richtigen Fragen stellen, Daten sammeln und reproduzierbare Forschung betreiben.

  • Verwenden Sie GitHub zur Verwaltung von Data Science-Projekten.

Überblick

Was ist inbegriffen?

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Unterrichtet in Englisch
35 Praxisübungen

Erweitern Sie Ihre Fachkenntnisse.

  • Erlernen Sie gefragte Kompetenzen von Universitäten und Branchenexperten.
  • Erlernen Sie ein Thema oder ein Tool mit echten Projekten.
  • Entwickeln Sie ein fundiertes Verständnisse der Kernkonzepte.
  • Erwerben Sie ein Karrierezertifikat von Johns Hopkins University.

Spezialisierung - 5 Kursreihen

Was Sie lernen werden

  • R, R-Studio, Github und andere nützliche Tools einrichten

  • Verstehen Sie die Daten, Probleme und Tools, die Datenanalysten verwenden

  • Erläutern Sie die wichtigsten Konzepte zum Studiendesign

  • Erstellen Sie ein Github-Repository

Kompetenzen, die Sie erwerben

R-Programmierung, Datenanalyse, Datenverarbeitung, Rmarkdown, Versionskontrolle, R (Software), Datenkompetenz, Statistisches Programmieren, Software-Installation, GitHub und Explorative Datenanalyse

Was Sie lernen werden

  • Verstehen wichtiger Konzepte von Programmiersprachen

  • Konfigurieren Sie die statistische Programmiersoftware

  • Nutzen Sie die R-Schleifenfunktionen und Debugging-Tools

  • Sammeln Sie detaillierte Informationen mit dem R-Profiler

Kompetenzen, die Sie erwerben

R-Programmierung, Simulationen, Leistungsoptimierung, Fehlersuche, Statistisches Programmieren, Computer-Programmierwerkzeuge, Daten importieren/exportieren, Grundsätze der Programmierung, Programm-Entwicklung, Datenanalyse, Statistische Analyse und Datenstrukturen

Was Sie lernen werden

  • Verstehen gängiger Datenspeichersysteme

  • Wenden Sie die Grundlagen der Datenbereinigung an, um die Daten "aufzuräumen"

  • Verwenden Sie R für Text- und Datumsmanipulationen

  • Beschaffen Sie verwertbare Daten aus dem Internet, von APIs und Datenbanken

Kompetenzen, die Sie erwerben

Datenmanipulation, Daten importieren/exportieren, Daten bereinigen, R-Programmierung, Schnittstelle zur Anwendungsprogrammierung (API), Datenwrangling, SQL, Datenmanagement, Erhebung von Daten, Web Scraping und MySQL

Was Sie lernen werden

  • Analytische Grafiken und das Basisplottsystem in R verstehen

  • Verwenden Sie fortgeschrittene Grafiksysteme wie das Lattice-System

  • Erstellen Sie grafische Darstellungen von sehr hochdimensionalen Daten

  • Wenden Sie Techniken der Clusteranalyse an, um Muster in Daten zu finden

Kompetenzen, die Sie erwerben

Ggplot2, R-Programmierung, Explorative Datenanalyse, Plot (Grafiken), Statistische Visualisierung, Histogramm, Datenanalyse, Unüberwachtes Lernen, Datenvisualisierungssoftware, Box Plots, Dimensionalitätsreduktion, Streudiagramme und Statistische Methoden

Was Sie lernen werden

  • Organisieren Sie die Datenanalyse, um sie besser reproduzierbar zu machen

  • Schreiben Sie eine reproduzierbare Datenanalyse mit knitr

  • Bestimmen Sie die Reproduzierbarkeit des Analyseprojekts

  • Veröffentlichen Sie reproduzierbare Webdokumente mit Markdown

Kompetenzen, die Sie erwerben

Knitr, Rmarkdown, Statistische Berichterstattung, Datenüberprüfung, R-Programmierung, Explorative Datenanalyse, Versionskontrolle, Datenanalyse, Allgemeine Wissenschaft und Forschung, Gemeinsame Nutzung von Daten und Technische Kommunikation

Erwerben Sie ein Karrierezertifikat.

Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.

Dozenten

Roger D. Peng, PhD
Johns Hopkins University
37 Kurse1.663.180 Lernende
Brian Caffo, PhD
Johns Hopkins University
30 Kurse1.691.973 Lernende
Jeff Leek, PhD
Johns Hopkins University
32 Kurse1.728.507 Lernende

von

Partner in der Branche

Partner 1

Vergleich mit ähnlichen Produkten

Bewertung
Niveau
Kompetenzen
Werkzeuge
Zuletzt aktualisiert
Anzahl der praktischen Übungen
Berechtigung zum Erwerb eines Abschlusses
Teil von Coursera Plus

Ihnen könnte auch Folgendes gefallen:

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“
Coursera Plus

Neue Karrieremöglichkeiten mit Coursera Plus

Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten

Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.

Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online

Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.

Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.

Häufig gestellte Fragen