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 mit R

MittelSchwierigkeitsgrad
4.7+
2.101 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

Monte-Carlo-Simulationen in Python

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

Kurs

Faktorenanalyse in R

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

Kurs

Anomalieerkennung mit Python

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

Kurs

Prognosen mit R

BasicSchwierigkeitsgrad
4.9+
52 Wiederholungen
5 Std.
Lerne, wie du mit Zeitreihenprognosen in R, einschließlich ARIMA-Modellen und exponentiellen Glättungsmethoden, Vorhersagen über die Zukunft treffen kannst.

Kurs

Modellieren mit Daten im Tidyverse

MittelSchwierigkeitsgrad
4.8+
235 Wiederholungen
4 Std.
Discover different types in data modeling, including for prediction, and learn how to conduct linear regression and model assessment measures in the Tidyverse.

Kurs

Umfragen mit R analysieren

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

Kurs

Statistical Thinking in Python (Teil 2)

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

Kurs

Einführung in lineares Modellieren mit Python

MittelSchwierigkeitsgrad
4.7+
223 Wiederholungen
4 Std.
Lineare Modelle mit Python erkunden und Modelle bauen, um Datenmuster zu beschreiben, vorherzusagen und Erkenntnisse zu gewinnen.

Kurs

Survival-Analyse in R

MittelSchwierigkeitsgrad
4.7+
198 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

Generalisierte lineare Modelle in R

MittelSchwierigkeitsgrad
4.8+
196 Wiederholungen
4 Std.
In diesem Kurs erweitern wir deinen Data-Science-Werkzeugkasten um logistische und Poisson-Regression.

Kurs

ARIMA-Modelle in R

BasicSchwierigkeitsgrad
4.8+
315 Wiederholungen
4 Std.
Werde zum Profi im Anpassen von ARIMA-Modellen (autoregressive integrierte gleitende Durchschnitte) an Zeitreihendaten mit R.

Kurs

Fehler und Unsicherheit in Google Sheets

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

Kurs

Statistik-Interviewfragen in Python üben

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

Kurs

Netzwerkanalyse mit R

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

Kurs

Grundlagen der Inferenz in Python

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

Kurs

Fallstudien zum statistischen Denken

MittelSchwierigkeitsgrad
4.9+
85 Wiederholungen
4 Std.
Werde statistisch fit und wende deine Fähigkeiten auf reale Datensätze an, um umsetzbare Erkenntnisse zu gewinnen.

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+
72 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+
72 Wiederholungen
4 Std.
Hier lernst du, Geschäftsprozesse mit ereignisdiskreter Simulation zu optimieren und digitale Zwillinge mit Python und SimPy zu entwickeln.

Kurs

A/B-Tests in R

MittelSchwierigkeitsgrad
4.8+
93 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

Generalisierte lineare Modelle in Python

ExperteSchwierigkeitsgrad
4.7+
145 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

Fortgeschrittene Netzwerkanalyse in Python

ExperteSchwierigkeitsgrad
4.8+
79 Wiederholungen
4 Std.
Analysiere Zeitreihendiagramme, nutze bipartite Graphen und lerne, wie du schwierige Probleme in der Netzwerkanalyse löst.

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