Daten kommen nie in dem Zustand an, in dem Sie sie für eine effektive Datenanalyse benötigen. Die Daten müssen neu geformt, neu angeordnet und neu formatiert werden, damit sie visualisiert oder in einen Algorithmus für maschinelles Lernen eingegeben werden können. Dieser Kurs befasst sich mit dem Problem, Ihre Daten zu ordnen, damit Sie sie unter Kontrolle bringen und effektiv analysieren können. Dieser Kurs behandelt viele wichtige Details zum Umgang mit ordentlichen und unordentlichen Daten in R, wie z.B. die Konvertierung von Breit- in Langformate, die Bearbeitung von Tabellen mit dem Paket dplyr, das Verständnis verschiedener R-Datentypen, die Verarbeitung von Textdaten mit regulären Ausdrücken und die Durchführung grundlegender explorativer Datenanalysen. Wenn Sie sich die Zeit nehmen, diese Datenverarbeitungstechniken zu erlernen, werden Ihre Analysen effizienter, reproduzierbarer und für Ihr Data Science Team verständlicher. In dieser Specialization setzen wir Vertrautheit mit der Programmiersprache R voraus. Wenn Sie noch nicht mit R vertraut sind, empfehlen wir Ihnen, zunächst R-Programmierung zu absolvieren, bevor Sie diesen Kurs besuchen.
Der Umgang mit Daten im Tidyverse
Dieser Kurs ist Teil von Spezialisierung Tidyverse-Fähigkeiten für Datenwissenschaft in R
Dozenten: Carrie Wright, PhD
2.091 bereits angemeldet
Enthalten in
(31 Bewertungen)
Was Sie lernen werden
Wenden Sie Tidyverse-Funktionen an, um nicht aufgeräumte Daten in aufgeräumte Daten umzuwandeln
Führen Sie grundlegende explorative Datenanalysen durch
Durchführung von Analysen von Textdaten
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
7 Aufgaben
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Erweitern Sie Ihre Fachkenntnisse
- Lernen Sie neue Konzepte von Branchenexperten
- Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
- Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
- Erwerben Sie ein Berufszertifikat zur Vorlage
Erwerben Sie ein Karrierezertifikat.
Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.
Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.
In diesem Kurs gibt es 6 Module
Daten kommen nie in dem Zustand an, in dem Sie sie für eine effektive Datenanalyse benötigen. Die Daten müssen neu geformt, neu angeordnet und neu formatiert werden, damit sie visualisiert oder in einen Algorithmus für maschinelles Lernen eingegeben werden können. Dieses Modul befasst sich mit dem Problem, Ihre Daten zu ordnen, damit Sie sie unter Kontrolle bringen und effektiv analysieren können. Das Hauptziel beim Datenwrangling ist die Umwandlung ungeordneter Daten in ordentliche Daten.
Das ist alles enthalten
19 Lektüren2 Aufgaben
In R werden kategoriale Daten als Faktoren behandelt. Definitionsgemäß sind kategoriale Daten insofern begrenzt, als sie eine bestimmte Anzahl von möglichen Werten annehmen können. Zum Beispiel gibt es 12 Monate in einem Kalenderjahr. Bei einer Monatsvariable kann jede Beobachtung nur einen dieser zwölf Werte annehmen. Mit einer begrenzten Anzahl von möglichen Werten ist der Monat also eine kategoriale Variable. Kategoriale Daten, die wir im weiteren Verlauf dieser Lektion als Faktoren bezeichnen werden, kommen in Daten regelmäßig vor. Wenn Sie lernen, wie Sie mit dieser Art von Variablen effektiv arbeiten können, ist das unglaublich hilfreich.
Das ist alles enthalten
14 Lektüren2 Aufgaben
Die Arbeit mit Textdaten wird in datenwissenschaftlichen Projekten immer häufiger. Textmanipulation ist oft erforderlich, um unordentliche Datensätze zu bereinigen und um numerische Messungen aus Texteingaben zu erstellen. Darüber hinaus sind oft die Texte selbst die Daten und dieses Modul behandelt Tools zur Extraktion von Informationen aus dem Text.
Das ist alles enthalten
13 Lektüren2 Aufgaben
Das Ziel einer explorativen Analyse ist es, die Daten zu untersuchen oder zu erforschen und Beziehungen zu finden, die vorher nicht bekannt waren. Bei explorativen Analysen wird untersucht, wie verschiedene Messgrößen miteinander in Beziehung stehen könnten, aber es wird nicht bestätigt, dass diese Beziehung kausal ist, d. h. dass eine Variable eine andere verursacht. Wahrscheinlich haben Sie schon einmal den Satz "Korrelation impliziert keine Kausalität" gehört, und explorative Analysen sind die Wurzel dieses Spruchs. Nur weil Sie bei einer explorativen Analyse eine Beziehung zwischen zwei Variablen feststellen, bedeutet dies nicht, dass die eine zwangsläufig die andere verursacht.
Das ist alles enthalten
2 Lektüren
Jetzt werden wir anhand unserer Fallstudienbeispiele demonstrieren, wie Sie Daten importieren können. Wenn Sie die Schritte der Fallstudien durcharbeiten, können Sie entweder RStudio auf Ihrem eigenen Computer oder die für jede Fallstudie bereitgestellten Coursera-Laborplätze verwenden.
Das ist alles enthalten
11 Lektüren2 Unbewertete Labore
In diesem Projekt üben Sie die Datenexploration und Datenverarbeitung mit tidyverse anhand von Daten über Verbraucherbeschwerden des Consumer Financial Protection Bureau (CFPB).
Das ist alles enthalten
1 Lektüre1 Aufgabe
Dozenten
Empfohlen, wenn Sie sich für Datenanalyse interessieren
Johns Hopkins University
Johns Hopkins University
Johns Hopkins University
Johns Hopkins University
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Bewertungen von Lernenden
Zeigt 3 von 31
31 Bewertungen
- 5 stars
68,75 %
- 4 stars
18,75 %
- 3 stars
9,37 %
- 2 stars
3,12 %
- 1 star
0 %
Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu über 7.000 erstklassigen Kursen, praktischen Projekten und Zertifikatsprogrammen, die Sie auf den Beruf vorbereiten – 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
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Einschreibung ab. Wenn Sie einen Kurs im Prüfungsmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung während oder nach Ihrer Prüfung erwerben. Wenn Sie die Prüfungsoption nicht sehen:
Der Kurs bietet möglicherweise keine Prüfungsoption. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs bietet möglicherweise stattdessen die Option 'Vollständiger Kurs, kein Zertifikat'. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Wenn Sie sich für den Kurs einschreiben, erhalten Sie Zugang zu allen Kursen der Specializations, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird Ihrer Erfolgsseite hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder zu Ihrem LinkedIn-Profil hinzufügen. Wenn Sie die Kursinhalte nur lesen und ansehen möchten, können Sie den Kurs kostenlos besuchen.
Wenn Sie ein Abonnement abgeschlossen haben, erhalten Sie eine kostenlose 7-tägige Testphase, in der Sie kostenlos kündigen können. Danach gewähren wir keine Rückerstattung, aber Sie können Ihr Abonnement jederzeit kündigen. Siehe unsere vollständigen Rückerstattungsbedingungen.