Dies ist der vierte von sieben Kursen des Google Advanced Data Analytics Certificate. In diesem Kurs erfahren Sie, wie Datenexperten Statistiken nutzen, um Daten zu analysieren und wichtige Erkenntnisse zu gewinnen. Sie werden Schlüsselkonzepte wie deskriptive und inferentielle Statistik, Wahrscheinlichkeit, Stichproben, Konfidenzintervalle und Hypothesentests kennenlernen. Außerdem lernen Sie, wie Sie Python für statistische Analysen verwenden und üben, Ihre Ergebnisse wie ein Datenexperte zu kommunizieren.
Schenken Sie Ihrer Karriere Coursera Plus mit einem Rabatt von $160 , der jährlich abgerechnet wird. Sparen Sie heute.
Die Macht der Statistik
Dieser Kurs ist Teil von Google Erweiterte Datenanalyse (berufsbezogenes Zertifikat)
Dozent: Google Career Certificates
TOP-LEHRKRAFT
55.078 bereits angemeldet
Bei enthalten
(657 Bewertungen)
Was Sie lernen werden
Erkunden und Zusammenfassen eines Datensatzes
Verwendung von Wahrscheinlichkeitsverteilungen zur Datenmodellierung
Führen Sie einen Hypothesentest durch, um Erkenntnisse über Daten zu gewinnen
Statistische Analysen mit Python durchführen
Kompetenzen, die Sie erwerben
- Kategorie: Wahrscheinlichkeitsverteilung
- Kategorie: Python-Programmierung
- Kategorie: Statistische Analyse
- Kategorie: Effektive Kommunikation
- Kategorie: Statistische Hypothesentests
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
27 Quizzes
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Erweitern Sie Ihr Fachwissen im Bereich Wahrscheinlichkeitsrechnung und Statistik
- Lernen Sie neue Konzepte von Branchenexperten
- Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
- Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
- Erwerben Sie ein Berufszertifikat von Google zur Vorlage
Erwerben Sie ein Karrierezertifikat.
Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.
Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.
In diesem Kurs gibt es 6 Module
Sie werden die Rolle der Statistik in der Datenwissenschaft erkunden und den Unterschied zwischen deskriptiver und inferentieller Statistik erkennen. Sie lernen, wie deskriptive Statistiken Ihnen helfen können, einen Datensatz schnell zusammenzufassen und die Mitte, die Streuung und die relative Position von Daten zu messen.
Das ist alles enthalten
12 Videos6 Lektüren4 Quizzes3 Unbewertete Labore1 Plug-in
Sie lernen die grundlegenden Regeln für die Berechnung der Wahrscheinlichkeit von Einzelereignissen kennen. Als nächstes werden Sie entdecken, wie Datenexperten Methoden wie das Bayes-Theorem verwenden, um komplexere Ereignisse zu beschreiben. Schließlich lernen Sie, wie Wahrscheinlichkeitsverteilungen wie die Binomial-, die Poisson- und die Normalverteilung Ihnen helfen können, die Struktur von Daten besser zu verstehen.
Das ist alles enthalten
14 Videos7 Lektüren6 Quizzes3 Unbewertete Labore2 Plug-ins
Datenexperten verwenden kleinere Stichproben von Daten, um Schlussfolgerungen über große Datensätze zu ziehen. Sie lernen die verschiedenen Methoden kennen, mit denen sie Stichprobendaten sammeln und analysieren, und wie sie Stichprobenverzerrungen vermeiden. Sie werden auch erfahren, wie Stichprobenverteilungen Ihnen helfen können, genaue Schätzungen vorzunehmen.
Das ist alles enthalten
11 Videos7 Lektüren4 Quizzes3 Unbewertete Labore1 Plug-in
Sie werden erfahren, wie Datenexperten Konfidenzintervalle verwenden, um die Unsicherheit ihrer Schätzungen zu beschreiben. Sie werden lernen, wie man Konfidenzintervalle konstruiert und interpretiert - und wie Sie einige häufige Fehlinterpretationen vermeiden können.
Das ist alles enthalten
7 Videos3 Lektüren4 Quizzes3 Unbewertete Labore
Mit Hilfe von Hypothesentests können Datenexperten feststellen, ob die Ergebnisse eines Tests oder Experiments statistisch signifikant sind oder auf Zufall beruhen. Sie lernen die grundlegenden Schritte für jeden Hypothesentest kennen und erfahren, wie Hypothesentests Ihnen helfen können, aussagekräftige Schlussfolgerungen über Daten zu ziehen.
Das ist alles enthalten
8 Videos8 Lektüren5 Quizzes3 Unbewertete Labore
In diesem Projekt am Ende des Kurses werden Sie statistische Methoden wie Hypothesentests anwenden, um einen Datensatz zu einem Arbeitsplatzszenario zu analysieren.
Das ist alles enthalten
5 Videos10 Lektüren4 Quizzes6 Unbewertete Labore
Dozent
von
Empfohlen, wenn Sie sich für Wahrscheinlichkeitsrechnung und Statistik interessieren
University of Pennsylvania
University of Colorado Boulder
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Bewertungen von Lernenden
Zeigt 3 von 657
657 Bewertungen
- 5 stars
88,12 %
- 4 stars
9,13 %
- 3 stars
1,82 %
- 2 stars
0,60 %
- 1 star
0,30 %
Geprüft am 20. Okt. 2023
Geprüft am 27. Juni 2023
Geprüft am 19. Sep. 2023
Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu über 7.000 erstklassigen Kursen, praktischen Projekten und Zertifikatsprogrammen, die Sie auf den Beruf vorbereiten – alles in Ihrem Abonnement enthalten
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.
Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.
Häufig gestellte Fragen
Unternehmen jeder Art und Größe haben Geschäftsprozesse, bei denen riesige Datenmengen anfallen. Jeden Moment werden alle Arten von Informationen von Computern, dem Internet, Telefonen, Texten, Streaming-Videos, Fotos, Sensoren und vielem mehr erzeugt. In der globalen digitalen Landschaft sind die Daten zunehmend unpräzise, chaotisch und unstrukturiert. Da die Geschwindigkeit und Vielfalt der Daten exponentiell zunimmt, haben Unternehmen Schwierigkeiten, damit Schritt zu halten.
Datenwissenschaft und fortgeschrittene Data Analytics sind Teil eines Fachgebiets, das Rohdaten nutzt, um neue Wege der Modellierung und des Verständnisses des Unbekannten zu schaffen. Um Erkenntnisse zu gewinnen, sind Unternehmen auf Datenexperten angewiesen, die Daten erfassen, organisieren und interpretieren, um sie für interne Projekte und Prozesse zu nutzen. Datenwissenschaftler und fortgeschrittene Fachkräfte für Datenanalyse stützen sich auf eine Kombination wichtiger Fähigkeiten, darunter Statistik, wissenschaftliche Methoden, Datenanalyse und künstliche Intelligenz.
Ein Datenexperte ist ein Begriff, der jede Person beschreibt, die mit Daten arbeitet und/oder über Datenkenntnisse verfügt. Ein Datenexperte ist zumindest in der Lage, Daten zu erkunden, zu bereinigen, auszuwählen, zu analysieren und zu visualisieren. Sie können auch gut mit dem Schreiben von Code umgehen und sind mit den Techniken vertraut, die von Statistikern und Ingenieuren für maschinelles Lernen verwendet werden, einschließlich der Erstellung von Modellen, der Entwicklung algorithmischen Denkens und der Erstellung von Modellen für maschinelles Lernen.
Datenexperten sind für das Sammeln, Analysieren und Interpretieren großer Datenmengen in einer Vielzahl unterschiedlicher Organisationen verantwortlich. Die Rolle eines Datenexperten wird von Unternehmen zu Unternehmen unterschiedlich definiert. Im Allgemeinen verfügen Datenexperten über technische und strategische Fähigkeiten, die fortgeschrittene analytische Fähigkeiten wie Datenmanipulation, Versuchsplanung, prädiktive Modellierung und maschinelles Lernen erfordern. Sie führen eine Vielzahl von Aufgaben im Zusammenhang mit dem Sammeln, Strukturieren, Interpretieren, Überwachen und Berichten von Daten in zugänglichen Formaten aus, damit die Beteiligten die Daten verstehen und effektiv nutzen können. Letztlich hilft die Arbeit von Datenexperten Organisationen, fundierte, ethische Entscheidungen zu treffen.
Große Datenmengen - und die zur Verwaltung und Analyse dieser Daten erforderliche Technologie - werden immer leichter zugänglich. Aus diesem Grund gibt es immer mehr Karrieremöglichkeiten für Menschen, die mithilfe von Daten Geschichten erzählen können, wie z. B. leitende Fachkräfte für Datenanalyse und Data Scientists. Diese Fachleute sammeln, analysieren und interpretieren große Datenmengen in einer Vielzahl unterschiedlicher Organisationen. Ihre Aufgaben erfordern fortgeschrittene analytische Fähigkeiten wie Datenmanipulation, Versuchsplanung, Prognosemodellierung und maschinelles Lernen.