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
4.8+
2.283 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?

Nimm an einem Assessment teil

Erkunde Probabilistik und Statistik Kurse und Lernpfade

Kurs

Versuchsplanung in R

MittelSchwierigkeitsgrad
4.7+
374 Wiederholungen
4 Std.
Dieser Kurs fokussiert sich auf die Grundlagen der Versuchsplanung – ein wichtiger Teil jeder Datenanalyse.

Kurs

Prognosen mit R

BasicSchwierigkeitsgrad
4.8+
56 Wiederholungen
5 Std.
Lerne, wie du mit Zeitreihenprognosen in R, einschließlich ARIMA-Modellen und exponentiellen Glättungsmethoden, Vorhersagen über die Zukunft treffen kannst.

Kurs

RNA-Seq mit Bioconductor in R

MittelSchwierigkeitsgrad
4.7+
160 Wiederholungen
4 Std.
Nutze die RNA-Seq-Differenzanalyse, um Gene zu finden, die wahrscheinlich wichtig für verschiedene Krankheiten oder Zustände sind.

Kurs

Survival-Analyse in R

MittelSchwierigkeitsgrad
4.7+
225 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

ARIMA-Modelle in R

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

Kurs

Generalisierte lineare Modelle in R

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

Kurs

Statistische Simulation in Python

MittelSchwierigkeitsgrad
4.9+
33 Wiederholungen
4 Std.
Lerne, immer komplexere Probleme zu lösen, indem du Simulationen nutzt, um Daten zu generieren und zu analysieren.

Kurs

Einführung in lineares Modellieren mit Python

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

Kurs

Grundlagen der Inferenz in Python

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

Kurs

Umfragen mit R analysieren

MittelSchwierigkeitsgrad
4.8+
235 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+
93 Wiederholungen
4 Std.
Wir bereiten dich für dein nächstes Statistik-Interview vor und wiederholen bedingte Wahrscheinlichkeiten, A/B-Tests und mehr.

Kurs

Grundlagen der Bayes'schen Datenanalyse in R

MittelSchwierigkeitsgrad
4.8+
240 Wiederholungen
4 Std.
Lerne, was Bayessche Datenanalyse ist, wie sie funktioniert und warum sie ein nützliches Werkzeug für dein Data Science-Toolkit ist.

Kurs

Generalisierte lineare Modelle in Python

ExperteSchwierigkeitsgrad
4.7+
154 Wiederholungen
5 Std.
Erweitere dein Regressions-Toolkit um logistische und Poisson-Modelle: Trainiere, verstehe und validiere sie und triff Vorhersagen.

Kurs

Fortgeschrittene Netzwerkanalyse in Python

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

Kurs

Netzwerkanalyse mit R

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

Kurs

A/B-Tests in R

MittelSchwierigkeitsgrad
4.8+
102 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

Diskrete-Ereignis-Simulation mit Python

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

Kurs

Überlebenszeitanalyse in Python

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

Kurs

Faktorenanalyse in R

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

Kurs

Fehler und Unsicherheit in Google Sheets

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

Kurs

Fallstudien zum statistischen Denken

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

Kurs

Umfragedaten in Python analysieren

MittelSchwierigkeitsgrad
4.7+
61 Wiederholungen
4 Std.
Hier erfährst du, wie du Umfragedaten mit Python analysierst und wann welches Statistik-Tool sinnvoll ist.

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

    Erweitere deine Datenkompetenzen mit DataCamp for Mobile

    Mach Fortschritte unterwegs – mit unseren mobilen Kursen und den täglichen 5-minütigen Coding-Challenges.

    Download on the App StoreGet it on Google Play