Das komplette Data Science Bootcamp in Python (Udemy.com)

(+) Kleinschrittig wird einem Übersichtswissen und grundlegende Anwendung vermittelt (-) Kurshinweise zu Anfang erleichtern einem Übersicht/Schnellwiederholung zum Wiedereinstieg nach Unterbrechung. Später wird einem (aus Angst vor dem Kopieren/Verbreiten?) kein Übersichtsmaterial/Destillat zur Verfügung gestellt. (-) Unterstrich und Bindestrich in Dateinamen der Kursmaterialien passen nicht in den Code - Hat das niemand nachgeprüft? (iris_dataset vs. iris-dataset) Einzelne Zeichen suchen und ausbessern nervt! Außerdem sind die Iris-Lektionen vertauscht. Wie kann das jahrelang nicht auffallen, dass Teil 1 unter Teil 2 verlinkt ist und umgekehrt (192./193.)? (+) Duktus des Sprechers erhält die angelsächsische Verve, gutes Gefühl beim Durchackern des Kurses (-) Tonqualität springt wild zwischen Telefonieren im Funkloch und Hobby-Homestudio hin und her

Guter Kurs für den Einstieg, welchem mehr Praxisbeispiele zuträglich wären. Ein "Fantastisch" hätte ich geratet, wenn: - die Erklärungen weniger mathematisch wären (beim Deep Learning zum Beispiel helfen die Fachtermini oder mathematischen Ableitungen nicht beim Verständnis vom KI.) Die metaphorischen Erklärungsansätze sind etwas zu einfach, die mathematischen Erklärungen etwas zu schnell und zu abstrakt

Insgesamt finde ich den Kurs super. Gerade den Beginn würde ich kürzen, dafür an anderer Stelle den Zusammenhang zwischen unterschiedlichen Teilen des Kurses stärker rausarbeiten. Die Quiz-Fragen zur Begriffs-Definition am Anfang fand ich zu schwammig. Mir schien, dass sie aus dem Englischen übersetzt worden sind. Im Statistik-Teil fände ich es gut den Zusammenhang zwischen Hypothesentests und der linearen Regression stärker herauszuarbeiten, z.B. durch eine Gegenüberstellung links Hypothesentest, rechts die Regression mit t-Statistik, alpha, beta und den Auswirkungen auf das jeweilige Konstrukt. Nochmals: weiter so, insgesamt ein super Kurs.

1) Meine Einschätzung nach ca. 40% des Kurses: a) ich kannte schon das Meiste, aber die Beispiele waren hilfreich, es nochmals in Erinnerung zu bringen. b) Gut wäre es, wenn man die clips als pdf hätte. Wenn man nochmal was nachlesen möchte, ist es echt lästig die clips im einzelnen zu durchsuchen! 2) Meine Einschätzung am Ende des Kurses: a) der Kurs ist definitiv empfehlenswert. Die Einführung in Keras/TF ist nachvollziehbar und verständlich. b) die Beispielprogramme funktionieren fast alle wie erläutert. Bei 2 oder 3 Programmen musste man jedoch nachbessern und die Doc. von TF zu Rate ziehen. Ein Überprüfung/Aktualisierung des Codes für diese Teile ist sicher sinnvoll. c) der Punkt 1b bleibt weiterhin gültig d) Was ich mir noch gewünscht hätte: - SVMs, Entscheidungbäume, Klassifikation von multinären Targets Fazit: der Kurs hat mir weitergeholfen! Vielen Dank an die Autoren.

Sehr guter Kurs und ein unterhaltsamer Trainer der sehr gut und sehr kompetent erklärt. Die Themen für den Data Scientist wurden sehr gut zusammen gestellt. Die Geschwindigkeit gerade bei komplizierten Vorgängen war mir etwas zu schnell und bei dem Statistikteil hätte ich mir mehr Detailerklärungen bei den Formeln gewünscht.

Der Aufbau ist strukturiert, die Inhalte sind anschaulich aufbereitet und die inhaltliche Dichte ist enorm; die Menge an Themengebieten, die behandelt werden, ist sehr hoch - der Kurs muss in Summe den Vergleich mit einem Wahlpflichtfach an der Uni über fast zwei Semester nicht scheuen! Mit zunehmender Komplexität geht es in meinen Augen allerdings etwas zu schnell vorwärts und leider fehlen im Gegensatz zur englischen Fassung des Kurses einige Themen. Das ist schade, denn diese Kapitel (und seien es nur "Kleinigkeiten" wie Wahrscheinlichkeiten im Allgemeinen, die Poisson-Verteilung oder auch interessante Aspekte des ML) würden hie und da noch mehr Grundlagenverständnis schaffen. Zur Programmierung: Es wird zwar auch Basics aus Python eingegangen, aber die eigentlich relevanten Bausteine Numpy, Pandas, Matplotlib, etc. werden für Außenstehende manchmal sehr schnell abgehandelt. Ständig prasseln neue Befehle auf einen ein, wobei es dann immer nur heißt "Wir machen das nun mit xxx" oder "yyy", aber weder für die Frage "Warum jetzt so und nicht anders" noch eine tiefere Erläuterung ist dabei Platz. Spätestens bei Tensorflow war ich dann mit eigenhändiger Programmierung zwar raus, aber immerhin konnte ich noch alles inhaltlich und logisch nachvollziehen. Und das ist ja eigentlich auch nicht schlecht... Ein weiterer (sehr persönlicher) Kritikpunkt: Manchmal würden kleine Erläuterungen helfen. Beispielsweise klingt das Wort "Backpropagation" ziemlich sperrig und verwirrt im ersten Moment, obwohl es (wenn ich es richtig verstanden habe) quasi einfach nur der aus der Regelungstechnik bekannten "Fehlerrückführung" der Regeldifferenz zwischen Soll- und Ist-Wert entspricht... ;-) Ein zusätzlicher Satz (oder auch zwei) können da Verwirrung vorbeugen. Aber, sind wir mal ehrlich: All diese Problematiken sind an der Uni oftmals nicht anders - und wie schon erwähnt: Den inhaltlichen und didaktischen Vergleich muss der Kurs wahrlich nicht scheuen. Aber, um das mal einzuordnen: Ich werde im Kern nie als Data Scientist arbeiten und ich habe den Kurs gemacht, um Neues zu lernen und werde Vieles davon mitnehmen und ich werde das Wissen mit weiteren Kursen (u.a. auch bei 365) rund um Statistik, Financial Modelling, Credit Risk oder vll. auch mal wieder Deep Learning mit Sicherheit noch vertiefen. Also: Wer ohne jedes Vorwissen (was bei mir als Ingenieur, Airbus-Pilot und MBA graduate nicht der Fall war) einsteigt, der hat es mit fortlaufendem Kurs doch etwas arg schwer. Dennoch kann hier jeder etwas lernen. Das Thema ist hochspannend, die Präsentation top, der Preis eigentlich unschlagbar fair. Wer auch nur ein klein wenig Interesse hat, der greife zu! Und an das Team von 365 Data Sciene: Vielen Dank für die lehrreichen und unterhaltsamen Stunden!

Ich kannte mich mit dem Thema bereits ein bisschen aus und dachte mir, da geh ich jetzt mal tiefer. Dass sich mir dabei aber gleich eine neue Welt eröffnet, hätte ich nicht gedacht :). Der Kurs ist gut strukturiert, leicht zu folgen und zielt auf das Wesentliche ab. Für meine Arbeit sehr nützlich und ich freue mich schon jetzt auf neue berufliche Perspektiven! Sehr zu empfehlen, vielen Dank!

Ich studiere Wirtschaftsinformatik und habe den Kurs als Vorbereitung zu meinem Praxissemester gemacht. Ich kannte mich weder in Python, noch im Bereich Data Science aus. Jetzt wo mein Praktikum gestartet hat merke ich, dass viele Dinge die ich gelernt habe direkt angewendet werden. Das hat mich sehr gefreut! Die Übungen selbst zu machen sind das entscheidende. Nur so versteht man es richtig. Für die letzten Lektionen würde ich mir noch etwas mehr Übungausgaben wünschen, bei denen man einen Datensatz erhält und das jeweilige Verfahren komplett von neuem aufsetzt. Das reine Anpassen der Werte und prüfen, wie sich die Berechnungen verändern war ganz nett, aber nicht ganz so lehrreich, wie wenn man die Berechnungen selbst aufstellt.

In Summe ein guter Kurs. Positive Punkte: - Info Material - Beispiele und Erklärungen - Unterteilung - Schnelle Antwort bei einer Frage - Sprecher Folgende negative Kritik Punkte sind mir aufgefallen: -Für einen Anfänger wird man plötzlich mit zahlreichen neuen Python Befehlen konfrontiert in einem mMn schon schwierigen Themen - Probleme mit TF/ DLL-Fehler zwangen zum Umstieg zu Colaboratory (leider noch keine andere Lösung vorhanden) - Nach dem ersten linearen NN habe ich das Erlernte angewenden können, doch das Verständnis bzw. Vorstellung was ich mit dem Modell anfangen kann ist mir nicht wirklich klar geworden. Lediglich habe ich nur deuten können, ob das Modell gut oder schlecht ist aber nicht wie ich es in der Praxis nach dem Testen anwenden könnte.

Ein toller Kurs als Einstig in das Thema. Die statistischen Hintergründe der Methoden werden detailliert erklärt, aber auch so das Nicht-Statistiker sie sehr gut verstehen können. Durchweg gelungener Kurs den ich für Einsteiger nur empfehlen kann. Und bestimmt finden auch fortgeschichttene Programmierer noch den ein oder anderen nützlichen Tipp.