In dieser Specialization lernen die Teilnehmer die ersten und mittleren Konzepte der statistischen Analyse mit der Programmiersprache Python. Sie lernen, woher die Daten kommen, welche Arten von Daten gesammelt werden können, wie man Daten entwirft, wie man sie verwaltet und wie man Daten effektiv erforscht und visualisiert. Sie werden in der Lage sein, Daten zur Schätzung und Bewertung von Theorien zu nutzen, Konfidenzintervalle zu konstruieren, Inferenzergebnisse zu interpretieren und fortgeschrittene statistische Modellierungsverfahren anzuwenden. Schließlich lernen sie die Bedeutung von Forschungsfragen und können diese mit den unterrichteten statistischen und Datenanalysemethoden verknüpfen.
Spezialisierung für Statistik mit Python
Entdecken Sie neue Fähigkeiten mit 30% Rabatt auf Kurse von Branchenexperten. Jetzt sparen.
Spezialisierung für Statistik mit Python
Praktisches und modernes statistisches Denken für alle. Python für statistische Visualisierung, Inferenz und Modellierung verwenden
Dozenten: Brenda Gunderson
92.954 bereits angemeldet
Bei 
enthalten
Befassen Sie sich eingehend mit einem Thema
4.6
(2,883 Bewertungen)
Stufe Anfänger
Empfohlene Erfahrung
1 Monat bei 10 Stunden pro Woche
Flexibler Zeitplan
Verdienen Sie sich einen beruflichen Leistungsnachweis
Teilen Sie Ihr Fachwissen mit Arbeitgebern
Befassen Sie sich eingehend mit einem Thema
4.6
(2,883 Bewertungen)
Stufe Anfänger
Empfohlene Erfahrung
1 Monat bei 10 Stunden pro Woche
Flexibler Zeitplan
Verdienen Sie sich einen beruflichen Leistungsnachweis
Teilen Sie Ihr Fachwissen mit Arbeitgebern
Was Sie lernen werden
Erstellen und interpretieren Sie Datenvisualisierungen mit der Programmiersprache Python und den dazugehörigen Paketen und Bibliotheken
Anwendung und Interpretation von Schlussfolgerungen bei der Analyse von realen Daten
Anwendung statistischer Modellierungstechniken auf Daten (z.B. lineare und logistische Regression, lineare Modelle, Mehrebenenmodelle, Bayes'sche Inferenztechniken)
Verstehen, wie wichtig es ist, Forschungsfragen mit Methoden der Datenanalyse zu verbinden.
Überblick
Kompetenzen, die Sie erwerben
- Probability & Statistics
- Statistical Methods
- Statistical Programming
- Statistics
- Bayesian Statistics
- Descriptive Statistics
- Histogram
- Sampling (Statistics)
- Box Plots
- Statistical Inference
- Data Visualization
- Matplotlib
- Statistical Hypothesis Testing
- Statistical Modeling
- Statistical Analysis
- Data Analysis
- Data Visualization Software
Werkzeuge, die Sie lernen werden
Was ist inbegriffen?
Zertifikat zur Vorlage
Zu Ihrem LinkedIn-Profil hinzufügen
Unterrichtet in Englisch
23 Praxisübungen
Erweitern Sie Ihre Fachkenntnisse.
- Erlernen Sie gefragte Kompetenzen von Universitäten und Branchenexperten.
- Erlernen Sie ein Thema oder ein Tool mit echten Projekten.
- Entwickeln Sie ein fundiertes Verständnisse der Kernkonzepte.
- Erwerben Sie ein Karrierezertifikat von University of Michigan.
Spezialisierung - 3 Kursreihen
Was Sie lernen werden
Verschiedene Datentypen richtig identifizieren und die verschiedenen Verwendungszwecke für jeden einzelnen verstehen
Erstellen Sie Datenvisualisierungen und numerische Zusammenfassungen mit Python
Kommunizieren Sie statistische Ideen klar und prägnant an ein breites Publikum
Geeignete Analysemethoden für Wahrscheinlichkeits- und Nicht-Wahrscheinlichkeitsstichproben identifizieren
Kompetenzen, die Sie erwerben
Kategorie: Stichproben (Statistik)
Kategorie: Histogramm
Kategorie: Deskriptive Statistik
Kategorie: Box Plots
Kategorie: Statistische Inferenz
Kategorie: Explorative Datenanalyse
Kategorie: Datenanalyse
Kategorie: Statistische Methoden
Kategorie: Datenmanagement
Kategorie: Statistik
Kategorie: Jupyter
Kategorie: Wahrscheinlichkeit & Statistik
Kategorie: Matplotlib
Kategorie: Datenmanipulation
Kategorie: Python-Programmierung
Kategorie: Datenvisualisierungssoftware
Kategorie: Datenvisualisierung
Was Sie lernen werden
Bestimmen Sie die Annahmen, die zur Berechnung der Konfidenzintervalle für die jeweiligen Populationsparameter erforderlich sind.
Erstellen Sie Konfidenzintervalle in Python und interpretieren Sie die Ergebnisse.
Überprüfen Sie, wie Inferenzverfahren bei der Analyse von realen Daten Schritt für Schritt angewendet und interpretiert werden.
Führen Sie Hypothesentests in Python durch und interpretieren Sie die Ergebnisse.
Kompetenzen, die Sie erwerben
Kategorie: Statistische Inferenz
Kategorie: Statistische Hypothesentests
Kategorie: Statistische Analyse
Kategorie: NumPy
Kategorie: Python-Programmierung
Kategorie: Statistische Methoden
Kategorie: Matplotlib
Kategorie: Wahrscheinlichkeit & Statistik
Kategorie: Bayessche Statistik
Kategorie: Stichproben (Statistik)
Kategorie: Jupyter
Was Sie lernen werden
Vertiefen Sie Ihr Verständnis für statistische Inferenztechniken, indem Sie die Kunst der Anpassung statistischer Modelle an Daten beherrschen.
Verbinden Sie Forschungsfragen mit Methoden der Datenanalyse und betonen Sie dabei Ziele, Beziehungen zwischen Variablen und Vorhersagen.
Erkunden Sie verschiedene statistische Modellierungstechniken wie lineare Regression, logistische Regression und Bayes'sche Inferenz anhand realer Datensätze.
Arbeiten Sie an praktischen Fallstudien in Python mit Bibliotheken wie Statsmodels, Pandas und Seaborn in der Jupyter Notebook-Umgebung.
Kompetenzen, die Sie erwerben
Kategorie: Statistische Modellierung
Kategorie: Regressionsanalyse
Kategorie: Korrelationsanalyse
Kategorie: Bayessche Statistik
Kategorie: Statistische Inferenz
Kategorie: Statistische Software
Kategorie: Statistisches Programmieren
Kategorie: Prädiktive Modellierung
Kategorie: Wahrscheinlichkeitsverteilung
Kategorie: Datenvisualisierungssoftware
Kategorie: Python-Programmierung
Kategorie: Jupyter
Kategorie: Statistische Methoden
Kategorie: Explorative Datenanalyse
Erwerben Sie ein Karrierezertifikat.
Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.
Dozenten
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“
Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - 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
Diese Spezialisierung besteht aus drei Kursen mit jeweils vier Wochen/Modulen. Jede Woche eines Kurses erfordert ein Engagement von etwa 3-6 Stunden, das je nach Teilnehmer variiert.
Algebra auf Highschool-Niveau ist das einzige Hintergrundwissen, das für den ersten Kurs der Reihe erforderlich ist. Grundlegende Kenntnisse in Python und/oder Programmierung werden empfohlen.
Es ist auf jeden Fall empfehlenswert, diese Spezialisierung der Reihe nach zu belegen.
Weitere Fragen
Finanzielle Unterstützung verfügbar,