Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
frank-andrade.medium.com26. August 2021 · Q010388

4 Free Courses I Took to Learn Python for Data Science

frank-andrade.medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Frank Andrade empfiehlt vier kostenlose Kurse für Python und Data Science: zu Python-Grundlagen, Datenanalyse, NLP und maschinellem Lernen mit TensorFlow. Er beschreibt Inhalte und Übungen positiv, wobei die Bewertungen auf seinen eigenen Erfahrungen beruhen; den TensorFlow-Kurs absolvierte er zum Zeitpunkt des Schreibens noch.

Mittel

Frank Andrade stellt in seinem vollständigen Artikel vier kostenlose Kurse vor, die er nach eigener Aussage aus mehr als zehn Kursen ausgewählt hat, um Python für Data Science zu lernen. Er empfiehlt zunächst einen vierstündigen Python-Grundkurs mit Themen wie Datentypen, Funktionen, Schleifen, Dateien und Objektorientierung. Die Grundlagen solle man nicht überspringen.

Für Datenanalyse nennt er eine Playlist, deren erste acht Videos laut ihm einen etwa zehnstündigen Kurs bilden. Sie behandelt Web Scraping, Pandas, NumPy, Matplotlib und Scikit-learn, mit Projekten und Jupyter Notebooks. Eine zweistündige NLP-Einführung deckt Textvorverarbeitung, Lernverfahren und Bibliotheken wie spaCy ab; Übungen behandeln Spam-Erkennung und Tweet-Stimmungsanalyse. Dafür seien Grundkenntnisse in Pandas und Scikit-learn hilfreich. Der siebeneinhalbstündige TensorFlow-Kurs führt laut Artikel durch acht Module zu maschinellem Lernen und KI, darunter neuronale Netze und Reinforcement Learning.

Andrade bewertet die Kurse positiv, doch sind dies seine persönlichen Eindrücke. Zertifikate versprechen die Angebote laut ihm nicht; den TensorFlow-Kurs hatte er beim Schreiben noch nicht abgeschlossen.

Ausführlich lesen

Frank Andrade empfiehlt in seinem vollständigen Artikel vier kostenlose Onlinekurse, die er nach eigenen Angaben aus mehr als zehn besuchten Kursen ausgewählt hat, um Python für Data Science zu lernen. Seine Ausgangsidee: Vor dem Bezahlen lohnt es sich, kostenlose Lernangebote zu prüfen. Dafür habe er die Lehrpläne kostenpflichtiger Data-Science-Kurse verglichen und nach passenden Python-Inhalten gesucht. Die vier Vorschläge decken seiner Einschätzung nach vor allem Grundlagen, Datenanalyse und fortgeschrittene Themen ab. Er weist darauf hin, dass die Kurse kein attraktives Abschlusszertifikat bieten; ihr Wert liege für ihn im erworbenen Wissen.

Als Einstieg nennt Andrade einen vierstündigen Python-Kurs für Anfänger. Er behandelt Einrichtung und erste Programme sowie zentrale Sprachkonzepte wie Variablen, Datentypen, Listen, Funktionen, Bedingungen, Schleifen, Fehlerbehandlung, Dateien, Module und Objektorientierung. Übungen führen unter anderem zu einem einfachen Taschenrechner und kleinen Quiz- oder Übersetzungsprogrammen. Andrade mahnt, Python-Grundlagen nicht zu überspringen, weil sie auch außerhalb der Datenwissenschaft nützlich sein können.

Der zweite Vorschlag ist eine Videoplaylist zur Datenanalyse. Laut Andrade ergeben die ersten acht Videos einen etwa zehnstündigen Kurs. Behandelt werden Web Scraping sowie Pandas, NumPy, Matplotlib und Scikit-learn, ergänzt durch praktische Projekte in Jupyter Notebooks. Als Übungsdaten nennt er unter anderem Pokémon-, FIFA-20- und Amazon-Produktbewertungsdaten. Er berichtet, selbst diese ersten acht Videos angesehen und dadurch eine solide Grundlage für Python-Datenanalyse aufgebaut zu haben.

Der dritte Kurs ist eine zweistündige Einführung in Natural Language Processing (NLP). Sie umfasst Textvorverarbeitung, darunter Tokenisierung und Bereinigung, maschinelle Lernverfahren wie Themenmodellierung und Wort-Embeddings sowie Bibliotheken wie NLTK, TextBlob, spaCy und gensim. Andrade hebt Übungen zur Spam-Erkennung und zur Stimmungsanalyse von Tweets hervor. Als Voraussetzung nennt er Grundkenntnisse in Datenanalysebibliotheken, insbesondere Pandas und Scikit-learn.

Der vierte Vorschlag ist ein siebenstündiger TensorFlow-2.0-Kurs für maschinelles Lernen und künstliche Intelligenz. Die acht Module behandeln laut Artikel unter anderem Lernalgorithmen, neuronale Netze, Computer Vision mit Convolutional Neural Networks, NLP mit rekurrenten Netzen und Reinforcement Learning mit Q-Learning. Andrade lobt Verständlichkeit, Beispiele und die Vermittlung, berichtet aber, dass er den Kurs zum Zeitpunkt des Schreibens noch absolvierte. Seine Bewertungen und Lernerfahrungen sind persönliche Einschätzungen; der Text liefert keinen unabhängigen Vergleich oder Nachweis der Kursqualität.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: ok

Es lagen zwei Fassungen von Lunas Zusammenfassung vor; geprüft wurde die mittlere. Die kurze Fassung ist ebenfalls treu, sie enthält keine erfundenen Angaben. Es wurden keine Sammel- oder Teilfragen zur Einordnung angegeben, daher ist die Liste der Einordnungen leer.

Im Bericht, aber nicht in der Zusammenfassung

  • Die praktischen Übungen im Python-Grundkurs (Taschenrechner, Ratespiel, Übersetzer, Multiple-Choice-Quiz) werden nicht genannt.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Tempo und Grenzen
Vertrauen in Modelle

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →