Datenanalyse

Warum ist der Umsatz im September gefallen? Welche Kunden hören auf zu kaufen? Ist die neue Warenkorbseite besser als die alte? In diesem Kurs geht es darum, wie du eine solche Frage mit Daten beantwortest: wie du sie holst und bereinigst, wie du siehst, was in ihnen steckt, und wie du ehrlich entscheidest, was aus ihnen folgt.

Der Code ist Python, mit den Bibliotheken, die jeder Analyst benutzt: NumPy, pandas, matplotlib und scikit-learn. Er läuft hier, im Browser: Jedes Codefeld ist echtes Python. Du schreibst, klickst auf „Ausführen“ und siehst die Tabelle oder das Diagramm unter dem Code. Es muss nichts installiert werden.

Beim ersten Start wird Python geladen (etwa 13 MB), und pandas mit den Diagrammen noch etwa 17 MB. Der Browser behält sie, danach startet alles sofort. Das maschinelle Lernen am Ende des Kurses fügt etwa 19 MB hinzu.

So lernst du hier

Der Kurs ist in Module gegliedert, jedes Modul in kurze Lektionen. Eine Lektion ist eine Reihe von Karten, eine Idee pro Karte: eine Frage aus dem Shop, der Code, der sie beantwortet, und eine kleine Aufgabe, die du sofort prüfst. Ein Python-Fehler wird in einfachen Worten erklärt, das Original steht darunter.

Die Daten sind dieselben wie im Shop des SQL-Kurses: Produkte, Kunden, Bestellungen und Bestellpositionen, in Euro. Alles ist ausgedacht, und die Zahlen sind bei jedem Start dieselben.

Du brauchst Python bis zu Collections und Funktionen (Listen, Dictionaries, for, Funktionen). SQL hilft, ist aber nicht nötig. Jedes Modul benutzt nur, was die früheren gelehrt haben, und dein Fortschritt wird im Browser gespeichert.

Die Kursübersicht

Modul 0

Willkommen

2 Lektionen · was die Analyse leistet, die Sandbox, die erste Tabelle

1. 1Willkommen
2. 2Die erste Tabelle

Modul 1

NumPy

4 Lektionen · Arrays, Rechnen ohne for, Zusammenfassungen, Broadcasting

1. 1Das NumPy-Array
2. 2Vektorisierung
3. 3Zusammenfassungen und fehlende Werte
4. 4Broadcasting: die Zahl, die Zeile und die Spalte

Modul 2

Tabellen mit pandas

5 Lektionen · Series und DataFrame, Auswählen, Filter, neue Spalten, Typen und fehlende Werte

1. 1Series und DataFrame
2. 2Auswählen: [], loc und iloc
3. 3Filtern und Sortieren
4. 4Neue Spalten
5. 5Typen und fehlende Werte

Modul 3

Daten aufbereiten

5 Lektionen · Gruppen, Verbinden, breit und lang, Datumsangaben, schmutzige Daten

1. 1Gruppen: groupby
2. 2Verbinden: merge
3. 3Breit und lang: pivot_table und melt
4. 4Datumswerte und Zeitreihen
5. 5Daten bereinigen

Modul 4

Diagramme

4 Lektionen · matplotlib, welches Diagramm für welche Frage, Verteilungen, ehrliche Diagramme

1. 1Das erste Diagramm
2. 2Welches Diagramm für welche Frage
3. 3Verteilungen
4. 4Ehrliche Diagramme

Modul 5

Statistik für Entscheidungen

6 Lektionen · Rauschen, Intervalle, Hypothesentests, ein A/B-Test, Korrelation und Ursache

1. 1Die Daten beschreiben
2. 2Stichprobe und Grundgesamtheit
3. 3Konfidenzintervalle
4. 4Eine Hypothese testen
5. 5A/B-Test
6. 6Korrelation und Ursache

Modul 6

Modelle mit scikit-learn

5 Lektionen · Vorhersage, Klassifikation, Datenleck, eine ehrliche Prüfung

1. 1Modelle: aus Beispielen lernen
2. 2Lineare Regression
3. 3Klassifikation
4. 4Datenleck
5. 5Kreuzvalidierung

Modul 7

Projekt: Warum der Umsatz gefallen ist

1 Lektion · der ganze Weg mit den Daten des Shops

1. 1Warum ist der Umsatz gefallen?

Übung

Aufgaben

Alle Aufgaben aus den Lektionen an einem Ort, nach Modulen.