Die Cafés geschlossen, Freizeitaktivitäten auf ein Minimum reduziert – was liegt da näher, als sich weiterzubilden?

Und was liegt näher, als das über e-Learning-Plattformen zu machen? Lknptemiulanptiyndmiaknareecdcdgaa – Hast du auch den Überblick über die ganzen Lernplattformen verloren?

Hinter diesem vermutlich unaussprechlichen Wort verbergen sich die Lernplattformen, mit denen ich in den letzten rund 18 Monaten selbst Erfahrungen machen konnte und an diesen möchte ich dich in diesem Blogbeitrag teilhaben lassen.

Angefangen habe ich mit LinkedIn Learning, damals noch lynda. Im Rahmen meines Fernstudiums stand mir diese Lernplattform kostenlos zur Verfügung – also Tipp 1 an Studenten: informiert euch über kostenlose Zugänge im Rahmen eures Studiums.

Was mir hier gefallen hat: es gibt eine immens große Themenbreite. Wollt ihr euch wirklich, wie in meinem Fall beim Thema „Data Science“, in ein Thema neu einarbeiten und auch in die Materie etwas tiefer einsteigen, ist LinkedIn ein guter Einstieg. Es kann ein gutes Fundament geschaffen werden, was immer die Basis für alles Weitere sein sollte.

In vielen Kursen, was im Bereich Data Science vor allem die Bereiche R und Python betrifft, wird der Code gut und ausführlich vorgestellt, lässt sich bei entsprechendem Abo auch downloaden. Nutz diese Chance und schau auch den Code an. Was mir hier als eher praxisorientiertem Lerner fehlte, war das „supervised Learning“.

Hier habe ich bei DataCamp eine gute Plattform gefunden. Es wird in einem relativ kurzen Video ein Codebeispiel erarbeitet, das du dann auf ein anderes Dataset anwenden kannst. Kommst du mal nicht weiter, kannst du dir einen Tipp geben lassen oder dir auch die Lösung zeigen lassen. DataCamp zeigt bei den Kursen aber nicht die Breite wie LinkedIn, sondern konzentriert sich hauptsächlich auf Data Science und Data Analytics. Beide Plattformen bieten die Möglichkeit, sich anhand von Lernpfaden/Skill Tracks (bei DataCamp sogar Career Tracks mit bis zu 115 Stunden Material) geführt durch Kurse leiten zu lassen. Ich habe den Career Track aber schon häufiger verlassen, weil ein interessanter Kurs in einem Skill Track fortgeführt wird.

Oft werden bei DataCamp die Kurse sogar von den Autoren der R-Pakete gehalten (so z.B. Hyndman mit seinem Forecast-Paket) oder der Dozent hat ein Buch verfasst, wo in dem Kurs die Basics vorgestellt werden und man sich im Buch vertieft mit der Thematik befassen kann.

Relativ neu in meinem Repositorium ist Udemy. Bei Udemy kann man Kurse einzeln erwerben, es wird kein Abo benötigt. Regelmäßig gibt es Aktionen, so dass Kurse, die regulär teils 120€ kosten, für rund 10€ zu erhalten sind. Ein Blick auf die Empfehlungen anderer Kursteilnehmer ist hierbei hilfreich. Ich habe hier zwar erst einen Einblick in ein paar Kurse gewinnen können, finde die Qualität aber sehr gut. Bisher konnte ich immer ausreichend Material zu den Kursen herunterladen, so dass ich alles auch nachstellen konnte. Schön finde ich die 30-Tage-Geld-Zurück-Garantie. Es kann immer vorkommen, dass die Beschreibung des Kurses interessant ist und auch die Bewertungen gut sind, du aber mit dem Stil des Dozenten nicht zu Recht kommt. Die Erstattung kannst du dann einfach in einem anderen Kurs investieren, da du nur ein Guthaben auf deinem Konto erhältst.

Ebenfalls ohne Abo kommt man bei Packt an günstige eBooks oder Videokurse, du kannst dich aber auch über ein Abo relativ günstig regelmäßig mit Nachschub versorgen. Suchst du mal ein Buch, ist das hier eine gute Anlaufstelle. Gegenüber einer Printvariante sind die Preise hier oft human, regelmäßige Aktionen sorgen hier auch dafür, dass dein Geldbeutel doch insgesamt geschont wird. Ein wichtiger Tipp also: schau immer mal wieder auf die Seiten, ob gerade Aktionen laufen oder trag dich in einen Newsletter ein.

Alle Anbieter bietet auf jeden Fall eine gute Basis, um dich in die Thematik einzufinden. Wie bei vielen anderen Themen auch, kann ich aber nur die Empfehlung geben, es nicht beim Stumpfen zuhören zu belassen, sondern die Codes in R oder Python nachzustellen und einfach mal was auszuprobieren, in einem Video habe ich dazu einen guten Spruch gefunden: You have to know your data. Es gibt zudem sehr viele öffentliche Datenquelle, wo du dir Nachschub holen kannst. Hast du mal einen Datensatz mit einer linearen Regression modelliert, warum nicht auch mal ein ANN anwenden? Die Basics kannst du auf all diesen Plattformen erlernen.