Data Sience an der TU München

Karteikarten und Zusammenfassungen für Data Sience an der TU München

Arrow Arrow

Komplett kostenfrei

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

Lerne jetzt mit Karteikarten und Zusammenfassungen für den Kurs Data Sience an der TU München.

Beispielhafte Karteikarten für Data Sience an der TU München auf StudySmarter:

Was ist ein Data Analyst mit Beispielen?

Beispielhafte Karteikarten für Data Sience an der TU München auf StudySmarter:

Was sind Daten?

Beispielhafte Karteikarten für Data Sience an der TU München auf StudySmarter:

Was sind Informationen?

Beispielhafte Karteikarten für Data Sience an der TU München auf StudySmarter:

Was ist Wissen?

Beispielhafte Karteikarten für Data Sience an der TU München auf StudySmarter:

Was versteht man unter dem Data Science Process?

Beispielhafte Karteikarten für Data Sience an der TU München auf StudySmarter:

Data Science Process - Was versteht man unter dem Schritt Data Exploration?

Beispielhafte Karteikarten für Data Sience an der TU München auf StudySmarter:

Data Science Process - Was versteht man unter dem Schritt Modellierung?

Beispielhafte Karteikarten für Data Sience an der TU München auf StudySmarter:

Data Science Process - Was versteht man unter dem Schritt Darstellen und Verbreiten des Ansatzes und des Ergebnisses?

Beispielhafte Karteikarten für Data Sience an der TU München auf StudySmarter:

Datenakquise - Was sind die Eigenschaften und Voraussetzungen?

Beispielhafte Karteikarten für Data Sience an der TU München auf StudySmarter:

Datenakquise - Was sind die möglichen Quellen?

Beispielhafte Karteikarten für Data Sience an der TU München auf StudySmarter:

Datenakquise - Was sind die möglichen Formate?

Beispielhafte Karteikarten für Data Sience an der TU München auf StudySmarter:

Grundlagen Tabellenformat CSV

Kommilitonen im Kurs Data Sience an der TU München. erstellen und teilen Zusammenfassungen, Karteikarten, Lernpläne und andere Lernmaterialien mit der intelligenten StudySmarter Lernapp. Jetzt mitmachen!

Jetzt mitmachen!

Flashcard Flashcard

Beispielhafte Karteikarten für Data Sience an der TU München auf StudySmarter:

Data Sience

Was ist ein Data Analyst mit Beispielen?

Data Analyst ist jemand der mit Hilfe von Daten Antworten gibt
Beispiele:
○ Länder mit höchsten und niedrigsten Arbeitslosenrate; im Vergleich zu Österreich
○ Was beeinflußt die Verwendung von öffentlichen Verkehrsmittel (Wohnort, Uhrzeit,
Wetter)

Data Sience

Was sind Daten?

○ Haben in unterschiedlichen Branchen unterschiedliche Bedeutung
○ Grundsätzlich verschieden Symbole und Zeichen
○ Bedeutung erst im Kontext
○ Werden meistens von Maschinen verwendet (gesendet, empfangen, verarbeitet)
○ Formale Darstellung von Information

Data Sience

Was sind Informationen?

○ Daten auf komplexere Ebene
○ Verknüpfung mit weiteren Daten
○ Verbindung der Daten mit Kontext ergibt Information
○ Relevante oder Irrelevante Informationen


Beispiel: Die Information über ein Geburtsdatum hat immer noch recht wenig Wert, wenn unbekannt ist, um welche Person es sich handelt. Werden jetzt weitere Informationen,
wie der Name hinzugefügt und beide Informationen verknüpft entsteht Wissen über eine
Person.

Data Sience

Was ist Wissen?

○ Gesammelte Information über einen Sachverhalt oder Person
○ Unabhängig (von Daten und Informationen) und wiederholbar
○ Ermöglicht Problemlösung
○ Beeinflußt Denken und Handeln
○ Maschinen können auch Wissen aus Informationen aneignen


Beispiel: Mathematik
■ Daten: 2+2=4 (Zeichen ohne Kontext)
■ Information: 2+2=4 (Information über Addition von 2 und 2 ergibt 4)
■ Wissen: Addition (Wiederholbarkeit, 2+3=5)

Data Sience

Was versteht man unter dem Data Science Process?

● Iterativer Prozess
● Interaktion zwischen den einzelnen
Schritten
● Alles startet mit einer Frage
○ Fragen kommen nicht von Data
Analysten
● Die entscheidenden Schritte:
○ Gibt es für diese Frage die notwendigen
Daten?
○ Haben die Daten die notwendige
Qualität?
○ Säubern und Aufbereiten der Daten

Data Sience

Data Science Process - Was versteht man unter dem Schritt Data Exploration?

○ Sich mit den Daten vertraut machen
○ Ein “Gespür” für die vorhanden Daten finden
○ Welcher Teil der Daten ist relevant
○ Datenkonsistenz (Widersprüche etc.)
○ Muster finden

Data Sience

Data Science Process - Was versteht man unter dem Schritt Modellierung?

○ Schlussfolgerungen

■ Facebook: Benutzer lesen weniger politisch widersprechende Artikel

○ Vorhersagen

■ Netflix: Welche Filme gefallen dem Benutzer

○ Statistik und/oder Maschinelles Lernen

Data Sience

Data Science Process - Was versteht man unter dem Schritt Darstellen und Verbreiten des Ansatzes und des Ergebnisses?

○ Ohne Beschreibung keine Wirkung
○ Prüfen der Schlussfolgerungen
○ Review der Ergebnisse und des Ansatzes erlaubt diesen zu Verbessern
○ Blog, Paper, Powerpoint, Email, Gespräch
○ Wichtig: Visualisierung der Daten

Data Sience

Datenakquise - Was sind die Eigenschaften und Voraussetzungen?

● Digitale Form
● Verfügbarkeit
● Format
● Wandelbarkeit und Kombinierbarkeit

Data Sience

Datenakquise - Was sind die möglichen Quellen?

● Internet (API, Webpage)
● Datenbanken
● Dateien im Firmennetzwerk

Data Sience

Datenakquise - Was sind die möglichen Formate?

● CSV
● XML
● SQL
● Webpage (HMTL)
● Webservice (JSON)
● ...

Data Sience

Grundlagen Tabellenformat CSV

Ein sehr verbreitetes Import- und Exportformat für Datenbanken und Tabellenkalkulationen ist das CSV-Format (Comma Separated Values).


CSV-Dateien sind Textdateien, die zeilenweise Datensätze enthalten welche mit Trennzeichen (, | \t ; usw.) versehen sind z.B.:


Marke,Modell,Leistung
Porsche,911,350
Skoda,Octavia,140
Audi,Q3,110


Dabei ist die erste Zeile die Datenbezeichnung.

Melde dich jetzt kostenfrei an um alle Karteikarten und Zusammenfassungen für Data Sience an der TU München zu sehen

Singup Image Singup Image
Wave

Andere Kurse aus deinem Studiengang

Für deinen Studiengang Data Sience an der TU München gibt es bereits viele Kurse auf StudySmarter, denen du beitreten kannst. Karteikarten, Zusammenfassungen und vieles mehr warten auf dich.

Zurück zur TU München Übersichtsseite

Was ist StudySmarter?

Was ist StudySmarter?

StudySmarter ist eine intelligente Lernapp für Studenten. Mit StudySmarter kannst du dir effizient und spielerisch Karteikarten, Zusammenfassungen, Mind-Maps, Lernpläne und mehr erstellen. Erstelle deine eigenen Karteikarten z.B. für Data Sience an der TU München oder greife auf tausende Lernmaterialien deiner Kommilitonen zu. Egal, ob an deiner Uni oder an anderen Universitäten. Hunderttausende Studierende bereiten sich mit StudySmarter effizient auf ihre Klausuren vor. Erhältlich auf Web, Android & iOS. Komplett kostenfrei. Keine Haken.

Awards

Bestes EdTech Startup in Deutschland

Awards
Awards

European Youth Award in Smart Learning

Awards
Awards

Bestes EdTech Startup in Europa

Awards
Awards

Bestes EdTech Startup in Deutschland

Awards
Awards

European Youth Award in Smart Learning

Awards
Awards

Bestes EdTech Startup in Europa

Awards

So funktioniert's

Top-Image

Individueller Lernplan

StudySmarter erstellt dir einen individuellen Lernplan, abgestimmt auf deinen Lerntyp.

Top-Image

Erstelle Karteikarten

Erstelle dir Karteikarten mit Hilfe der Screenshot-, und Markierfunktion, direkt aus deinen Inhalten.

Top-Image

Erstelle Zusammenfassungen

Markiere die wichtigsten Passagen in deinen Dokumenten und bekomme deine Zusammenfassung.

Top-Image

Lerne alleine oder im Team

StudySmarter findet deine Lerngruppe automatisch. Teile deine Lerninhalte mit Freunden und erhalte Antworten auf deine Fragen.

Top-Image

Statistiken und Feedback

Behalte immer den Überblick über deinen Lernfortschritt. StudySmarter führt dich zur Traumnote.

1

Lernplan

2

Karteikarten

3

Zusammenfassungen

4

Teamwork

5

Feedback