Weiter zum Inhalt
Startseite

Probabilistik- und Statistikkurse

In den Kursen zur Probabilistik und Statistik werden mathematische Konzepte zur Analyse von Zufallsereignissen und zur Interpretation von Daten durch Modelle und Schlussfolgerungen untersucht. Nutze Tools wie Python, R, Excel und Google Sheets, um dein theoretisches Wissen in der Statistik anzuwenden.

Kostenloses Konto erstellen

Mit Google fortfahrenWeitere Optionen anzeigen

oder

Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.
Group

Training für 2 oder mehr Personen?

Probiere es mit DataCamp for Business

Empfohlen für Anfänger in Probabilistik und Statistik

Baue deine Fähigkeiten in den Bereichen Probabilistik und Statistik mit interaktiven Kursen aus, die von Experten aus der Praxis kuratiert werden.

Kurs

Einführung in die Statistik in R

MittelSchwierigkeitsgrad
4.7+
2.034 Wiederholungen
4 Std.
In diesem Statistik-Einführungskurs lernst du, wie du Daten mit R erfasst, analysierst und in präzise Schlussfolgerungen transformierst.

Lernpfad

Statistiker in R

4.5+
7 Wiederholungen
52 Std.
Ein Statistiker oder eine Statistikerin sammelt und analysiert Daten und hilft Unternehmen, quantitative Daten sinnvoll zu nutzen, indem er oder sie Trends erkennt und Vorhersagen trifft.

Nicht sicher, wo du anfangen sollst?

Assessment durchführen

Erkunde Probabilistik und Statistik Kurse und Lernpfade

Kurs

Faktorenanalyse in R

ExperteSchwierigkeitsgrad
4.7+
150 Wiederholungen
4 Std.
Hier untersuchst du latente Variablen wie Persönlichkeit mithilfe von explorativer und konfirmatorischer Faktorenanalyse.

Kurs

Bayesianische Datenanalyse in Python

MittelSchwierigkeitsgrad
4.7+
253 Wiederholungen
4 Std.
Lerne alles über die Vorteile der Bayesschen Datenanalyse und probier sie in verschiedenen echten Anwendungsfällen aus!

Kurs

Anomalieerkennung mit Python

MittelSchwierigkeitsgrad
4.8+
175 Wiederholungen
4 Std.
Entdecke in diesem vierstündigen Kurs Anomalien in deiner Datenanalyse und erweitere dein Python-Statistik-Toolkit.

Kurs

Fundamentals of Bayesian Data Analysis in R

MittelSchwierigkeitsgrad
4.8+
208 Wiederholungen
4 Std.
Learn what Bayesian data analysis is, how it works, and why it is a useful tool to have in your data science toolbox.

Kurs

Monte-Carlo-Simulationen in Python

MittelSchwierigkeitsgrad
4.7+
156 Wiederholungen
4 Std.
Lerne, wie du mit Python deine eigenen Monte-Carlo-Simulationen entwirfst und durchführst!

Kurs

Einstieg in die Netzwerkanalyse mit Python

MittelSchwierigkeitsgrad
4.7+
211 Wiederholungen
4 Std.
In diesem Kurs lernst du, wie du Netzwerke mit der NetworkX-Bibliothek analysieren, visualisieren und verstehen kannst.

Kurs

Umfragen mit R analysieren

MittelSchwierigkeitsgrad
4.8+
212 Wiederholungen
4 Std.
Lerne, wie man Umfragen mit gängigen Designstrukturen gestaltet und dann die Ergebnisse visualisiert und analysiert.

Kurs

Statistik-Interviewfragen in Python üben

ExperteSchwierigkeitsgrad
4.7+
86 Wiederholungen
4 Std.
Wir bereiten dich für dein nächstes Statistik-Interview vor und wiederholen bedingte Wahrscheinlichkeiten, A/B-Tests und mehr.

Kurs

Einführung in lineares Modellieren mit Python

MittelSchwierigkeitsgrad
4.7+
214 Wiederholungen
4 Std.
Explore the concepts and applications of linear models with python and build models to describe, predict, and extract insight from data patterns.

Kurs

Statistical Thinking in Python (Teil 2)

MittelSchwierigkeitsgrad
4.7+
247 Wiederholungen
4 Std.
Lerne die beiden wichtigsten Aufgaben der statistischen Inferenz: Parameterschätzung und Hypothesentests.

Kurs

A/B-Tests in R

MittelSchwierigkeitsgrad
4.8+
90 Wiederholungen
4 Std.
Du lernst die Grundlagen von A/B-Tests in R und erfährst, wie du Experimente planst, Daten analysierst und Ergebnisse visualisierst.

Kurs

Customer Analytics und A/B-Testing mit Python

MittelSchwierigkeitsgrad
4.7+
104 Wiederholungen
4 Std.
Hier lernst du, wie du in Python A/B-Tests erstellst, ausführst und analysierst – und damit proaktive Geschäftsentscheidungen triffst.

Kurs

Survival-Analyse in R

MittelSchwierigkeitsgrad
4.7+
188 Wiederholungen
4 Std.
Learn to work with time-to-event data. The event may be death or finding a job after unemployment. Learn to estimate, visualize, and interpret survival models!

Kurs

Netzwerkanalyse mit R

MittelSchwierigkeitsgrad
4.7+
120 Wiederholungen
4 Std.
Lerne, wie du mit dem igraph-Paket Netzwerkdaten analysieren und visualisieren kannst, und erstelle mit threejs interaktive Netzwerkdiagramme.

Kurs

Generalisierte lineare Modelle in Python

ExperteSchwierigkeitsgrad
4.7+
143 Wiederholungen
5 Std.
Extend your regression toolbox with the logistic and Poisson models and learn to train, understand, and validate them, as well as to make predictions.

Kurs

Fehler und Unsicherheit in Google Sheets

MittelSchwierigkeitsgrad
4.7+
138 Wiederholungen
4 Std.
Hier lernst du, wie du echte Effekte von Zufall unterscheidest und Denkfehler erkennst, die Entscheidungen verzerren.

Kurs

Grundlagen der Inferenz in Python

ExperteSchwierigkeitsgrad
4.8+
218 Wiederholungen
4 Std.
Dieser vierstündige Kurs über statistische Inferenz in Python vermittelt praxisnah, wie du datenbasierte Schlussfolgerungen ziehst.

Kurs

Statistische Simulation in Python

MittelSchwierigkeitsgrad
4.8+
28 Wiederholungen
4 Std.
Lerne, immer komplexere Probleme zu lösen, indem du Simulationen nutzt, um Daten zu generieren und zu analysieren.

Kurs

Überlebenszeitanalyse in Python

ExperteSchwierigkeitsgrad
4.7+
71 Wiederholungen
4 Std.
In diesem Kurs ermittelst du anhand von Überlebensanalysen die geschätzte Zeit bis zum Eintritt eines Ereignisses und die Überlebenszeit.

Kurs

Diskrete-Ereignis-Simulation mit Python

ExperteSchwierigkeitsgrad
4.7+
68 Wiederholungen
4 Std.
Hier lernst du, Geschäftsprozesse mit ereignisdiskreter Simulation zu optimieren und digitale Zwillinge mit Python und SimPy zu entwickeln.

Kurs

Fallstudien zum statistischen Denken

MittelSchwierigkeitsgrad
4.9+
79 Wiederholungen
4 Std.
Take vital steps towards mastery as you apply your statistical thinking skills to real-world data sets and extract actionable insights from them.

Kurs

Statistik-Interviewfragen in R üben

ExperteSchwierigkeitsgrad
4.7+
21 Wiederholungen
4 Std.
In diesem Kurs tauchen wir in das Thema Statistik ein: von Verteilungen über Hypothesentests bis hin zu Regressionsmodellen und vielem mehr.

Ähnliche Ressourcen für Probabilistik und Statistik

Tutorial

T-Tests in R Tutorial: Lernen, wie man T-Tests durchführt

Bestimme mit t.test() in R, ob es einen signifikanten Unterschied zwischen den Mittelwerten der beiden Gruppen gibt.
Abid Ali Awan's photo

Abid Ali Awan

10 Min.

Bist du bereit, deine Fähigkeiten einzusetzen?

Projekte ermöglichen es dir, dein Wissen auf eine breite Palette von Datensätzen anzuwenden, um reale Probleme in deinem Browser zu lösen

    Häufig gestellte Fragen

    Was haben Wahrscheinlichkeitsrechnung und Statistik mit Datenwissenschaft zu tun?

    Wahrscheinlichkeitsrechnung und Statistik sind die Grundlagen der Datenwissenschaft. Sie bieten die notwendigen Werkzeuge und Rahmenbedingungen, um Daten zu analysieren, Vorhersagen zu treffen und sinnvolle Erkenntnisse zu gewinnen. Sie ermöglichen es Datenwissenschaftlern, Muster zu verstehen, Unsicherheiten einzuschätzen und fundierte Entscheidungen auf der Grundlage von Datenanalysen zu treffen.

    Warum ist es wichtig, Kenntnisse in Wahrscheinlichkeitsrechnung und Statistik zu erwerben?

    Die Entwicklung von Kenntnissen in Wahrscheinlichkeitsrechnung und Statistik ist entscheidend für die effektive Interpretation von Daten und zuverlässige Vorhersagen. Dieses Verständnis bildet die Grundlage für die Planung von Experimenten, die Analyse von Ergebnissen und die Validierung von Schlussfolgerungen in verschiedenen Bereichen und stellt sicher, dass Entscheidungen datengestützt und evidenzbasiert sind.

    Welche Berufe kann ich mit Kenntnissen in Wahrscheinlichkeitsrechnung und Statistik ausüben?

    Mit deinen Kenntnissen in Wahrscheinlichkeitsrechnung und Statistik kannst du eine Vielzahl von Berufen ausüben, z. B. Datenwissenschaftler/in, Marktforscher/in, Ingenieur/in für maschinelles Lernen, Statistikanalyst/in und Risikomanager/in. Diese Aufgaben erstrecken sich über verschiedene Branchen, darunter Finanzen, Gesundheitswesen, Technologie und Behörden, in denen die Interpretation von Daten und das Treffen von evidenzbasierten Entscheidungen entscheidend sind.

    Weitere Technologien und Themen

    Technologien

    Themen

    DataCamp gibt es auch für Mobilgeräte

    Mit unseren Kursen für Mobilgeräte und täglichen Programmier-Challenges erweiterst du deine Datenkompetenz von unterwegs.

    Download on the App StoreGet it on Google Play