Datenexploration: Unterschied zwischen den Versionen

(4 dazwischenliegende Versionen von 2 Benutzern werden nicht angezeigt)

Zeile 1:

~~== Datenexploration ==~~

Die '''Datenexploration''' ist ein wichtiger Schritt in der Datenanalyse und im [[Maschinelles_lernen | maschinellen Lernen]]. Sie dient dazu, ein tiefes Verständnis von Datensätzen zu gewinnen, bevor man sie für weitere Analysen oder Modellierungen verwendet.

Zeile 19:

Zeile 18:

* '''Dimensionsreduktion''': Reduzierung der Anzahl der Variablen in einem Datensatz, um die Komplexität zu verringern und die Leistung von Modellen zu verbessern.

=== ~~Werkzeuge für die~~ Datenexploration ===

=== Prozess der Datenexploration ===

[[Datei:Prozess Datenexploration.png|mini]]

Die Datenexploration setzt häufig folgende Arbeitsschritte voraus:

* ~~'''Python (mit Bibliotheken wie Pandas, NumPy, Matplotlib, Seaborn)''': Eine vielseitige Programmiersprache mit umfangreichen Bibliotheken für die Datenanalyse und -visualisierung.~~

* Rohdaten aus einer Datenquelle einlesen

* ~~'''R''': Eine statistische Programmiersprache mit starken Fähigkeiten in der Datenanalyse und -visualisierung.~~

* Daten anpassen, bereinigen oder vorauswerten.

* '''SQL''': Eine Abfragesprache für relationale Datenbanken, ~~die zur Extraktion und Manipulation von Daten verwendet werden kann~~.

* Ergebnis visualisieren.

* ~~'''Tableau, Power BI''': Business-Intelligence-Tools zur Erstellung interaktiver Dashboards und Visualisierungen.~~

~~=== Bedeutung für die Berufsschule ===~~

In vielen Berufen ist der Umgang mit Daten und deren Analyse von großer Bedeutung. Datenexploration ist eine grundlegende Fähigkeit, um Daten zu verstehen, Erkenntnisse zu gewinnen und fundierte Entscheidungen zu treffen.

=== Weiterführende Ressourcen ===

Zeile 35:

Zeile 31:

* [https://www.datenwissenschaft.de/datenexploration/ Datenwissenschaft.de: Datenexploration]

[[Kategorie:~~Datenanalyse]]~~

[[Kategorie:Künstliche_Intelligenz]]

~~[[Kategorie:Maschinelles Lernen~~]]

@@ Zeile 1: / Zeile 1: @@
-== Datenexploration ==
 Die '''Datenexploration''' ist ein wichtiger Schritt in der Datenanalyse und im [[Maschinelles_lernen | maschinellen Lernen]]. Sie dient dazu, ein tiefes Verständnis von Datensätzen zu gewinnen, bevor man sie für weitere Analysen oder Modellierungen verwendet.
@@ Zeile 19: / Zeile 18: @@
 * '''Dimensionsreduktion''': Reduzierung der Anzahl der Variablen in einem Datensatz, um die Komplexität zu verringern und die Leistung von Modellen zu verbessern.
-=== Werkzeuge für die Datenexploration ===
+=== Prozess der Datenexploration ===
+[[Datei:Prozess Datenexploration.png|mini]]
+Die Datenexploration setzt häufig folgende Arbeitsschritte voraus:
-* '''Python (mit Bibliotheken wie Pandas, NumPy, Matplotlib, Seaborn)''': Eine vielseitige Programmiersprache mit umfangreichen Bibliotheken für die Datenanalyse und -visualisierung.
+* Rohdaten aus einer Datenquelle einlesen
-* '''R''': Eine statistische Programmiersprache mit starken Fähigkeiten in der Datenanalyse und -visualisierung.
+* Daten anpassen, bereinigen oder vorauswerten.
-* '''SQL''': Eine Abfragesprache für relationale Datenbanken, die zur Extraktion und Manipulation von Daten verwendet werden kann.
+* Ergebnis visualisieren.
-* '''Tableau, Power BI''': Business-Intelligence-Tools zur Erstellung interaktiver Dashboards und Visualisierungen.
-=== Bedeutung für die Berufsschule ===
-In vielen Berufen ist der Umgang mit Daten und deren Analyse von großer Bedeutung. Datenexploration ist eine grundlegende Fähigkeit, um Daten zu verstehen, Erkenntnisse zu gewinnen und fundierte Entscheidungen zu treffen.
 === Weiterführende Ressourcen ===
@@ Zeile 35: / Zeile 31: @@
 * [https://www.datenwissenschaft.de/datenexploration/ Datenwissenschaft.de: Datenexploration]
-[[Kategorie:Datenanalyse]]
+[[Kategorie:Künstliche_Intelligenz]]
-[[Kategorie:Maschinelles Lernen]]