Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
In einer Welt, in der Vorhersagen unsere täglichen Entscheidungen beeinflussen, von der Wahl der Kleidung nach der Wettervorhersage bis zur Planung des Arbeitswegs mit Blick auf die Verkehrslage, ist es super wichtig, die Genauigkeit und die Feinheiten von Vorhersagen zu verstehen. Egal, ob du als Einzelperson persönliche Entscheidungen triffst oder die Strategie einer ganzen Organisation in die Zukunft lenkst – Fragen zur Zuverlässigkeit von Vorhersagen, zur Fähigkeit, Ereignisse vorherzusehen, und zu gelegentlichen Ungenauigkeiten in Prognosen sind dir vielleicht schon mal durch den Kopf gegangen. Wenn du dich schon mal gefragt hast, warum die Wettervorhersagen oft daneben liegen, dann ist unser aufschlussreicher Online-Kurs zum Thema „Fehler und Unsicherheit” genau das Richtige für dich.
Das Gewebe der Vorhersagen entwirren
Tauch ein in die spannende Welt der Prognosen in unserem Kurs „Fehler und Unsicherheit“, wo du nicht nur die Genauigkeit von Vorhersagen erkunden, sondern auch selbst aktiv Prognosen erstellen kannst. Lerne, echte Muster von zufälligen Störungen zu unterscheiden, und hol dir die Tools, um auch in unsicheren Zeiten fundierte Entscheidungen zu treffen. Dieser Kurs geht über das Offensichtliche hinaus und beschäftigt sich mit den psychologischen Krücken, die oft unsere rationalen Entscheidungsprozesse beeinträchtigen. Egal, ob du Muster in den Kriminalitätsdaten von Seattle untersuchst, die Abschlussnoten von Schülern vorhersagst, Verkehrsunfälle in Nashville verhinderst oder die Notwendigkeit von Änderungen im Angebot einer Bäckerei bewertest – nach diesem Kurs wirst du besser damit klarkommen, mit Fehlern und Unsicherheiten umzugehen.
Praktisches Lernen für praktische Einblicke
Komm mit auf eine spannende Lernreise, auf der wir dir die praktischen Anwendungen der Fehler- und Unsicherheitsanalyse zeigen. Durch spannende Übungen kannst du dein neues Wissen anwenden, um Ergebnisse vorherzusagen, mögliche Fallstricke zu erkennen und deine Entscheidungsfähigkeit zu verbessern. Von der Analyse von Kriminalitätstrends über die Prognose von schulischen Leistungen bis hin zur Minderung von Verkehrsrisiken – unser Kurs bietet eine dynamische Lernerfahrung, die nicht nur Einblicke, sondern auch praktische Fähigkeiten vermittelt, die in einer Vielzahl von Szenarien angewendet werden können. Stell dich der Herausforderung, Fehler und Unsicherheiten zu verstehen, und schließ dich einer Community von Lernenden an, die sicher Spaß daran haben, die Geheimnisse von Vorhersagen zu lüften.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Defining error, uncertainty, and risk
The first chapter presents common terminology, introduces methods for determining significant differences between groups, and outlines the kinds of error and uncertainty involved. We will specifically look at Seattle crime data and evaluate crime rate differences between precincts and neighborhoods. This chapter will equip learners to identify threats to the validity and accuracy of their conclusions.
- Defining error and uncertainty50 XP
- Measures of central tendency100 XP
- Crime time100 XP
- IF functions50 XP
- Extracting UNIQUE() values100 XP
- Book 'em and count 'em100 XP
- Averages and IF conditions100 XP
- Counts with multiple criteria100 XP
- Correlation50 XP
- Rap sheet100 XP
- Correlation preparation100 XP
- A (crimes) committed relationship100 XP
- Strong relationships50 XP
2
Making accurate predictions
The second chapter outlines both rudimentary (e.g., moving average, seasonal average, yearly average) and more complicated methods (e.g., linear regression) for making predictions and outlines the kinds of error and uncertainty involved. We will specifically look at anonymized student grades data and evaluate the accuracy of our predictions for given students. Throughout the chapter, we will identify threats to the validity and accuracy of our predictions.
3
Poking holes in predictions
Chapter 3 encourages learners to test the assumptions of their predictions using data on car crashes. Specifically, they will determine how to allocate resources to reduce injuries and fatalities from auto accidents. Learners will discuss the impact of outliers in prediction accuracy, evaluate the importance of normally distributed data in making predictions, employ consequence-likelihood matrices in risk management, and adapt psychological heuristics to discussions of numerical uncertainty and risk.
4
Case study: Should you change your bakery's menu?
The final chapter integrates all the previous lessons into a constructed-world scenario. Learners are tasked with updating the menu at their small business: the Risky Business Bakery. They need to figure out whether to add or drop menu items based on whether there are significant differences in sales by baked good; whether their predicted sales figures from their accountant are accurate.
S
Fehler und Unsicherheit in Google Sheets
Kurs
abgeschlossen
