Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Du willst dir den nächsten Job sichern oder deine Statistik-Interviewskills schärfen? Mach dich bereit, klassische Interviewthemen zu meistern – von bedingten Wahrscheinlichkeiten über A/B-Tests bis hin zum Bias-Variance-Trade-off und vieles mehr! Du arbeitest mit vielfältigen Datensätzen, darunter Ergebnisse webbasierter Experimente und australische Wetterdaten. Nach diesem Kurs gehst du selbstbewusst ins nächste Interview und meisterst jede Statistikfrage mit Hilfe von Python!
Voraussetzungen
Lernprogramm
Kursübersicht
1
Wahrscheinlichkeit und Stichprobenverteilungen
In diesem Kapitel startest du mit einer Wiederholung zu bedingten Wahrscheinlichkeiten, dem Satz von Bayes und dem zentralen Grenzwertsatz. Dabei lernst du, wie du Aufgaben mit häufig verwendeten Wahrscheinlichkeitsverteilungen angehst.
- Bedingte Wahrscheinlichkeiten50 XP
- Aufgaben vorbereiten50 XP
- Bayes’ Theorem angewendet100 XP
- Zentraler Grenzwertsatz50 XP
- Stichproben eines gewürfelten Würfels100 XP
- Zentrales Grenzwerttheorem simulieren100 XP
- Wahrscheinlichkeitsverteilungen50 XP
- Bernoulli-Verteilung100 XP
- Binomialverteilung100 XP
- Normalverteilung100 XP
2
Explorative Datenanalyse
In diesem Kapitel bereitest du dich auf statistische Konzepte rund um die explorative Datenanalyse vor. Dazu gehören deskriptive Statistik, der Umgang mit kategorialen Variablen und Beziehungen zwischen Variablen. Die Übungen machen dich fit für analytische Assessments oder codingbasierte Statistikfragen.
3
Statistische Experimente und Signifikanztests
Tauche tiefer in wichtige Konzepte zu Experimenten und Tests ein: Wir wiederholen Konfidenzintervalle, Hypothesentests, multiple Tests sowie die Rolle von Teststärke (Power) und Stichprobengröße. Außerdem besprechen wir Fehlertypen und was sie in der Praxis bedeuten.
4
Regression und Klassifikation
Zum Abschluss behandeln wir Konzepte rund um Regressions- und Klassifikationsmodelle. Das Kapitel startet mit einer Wiederholung grundlegender Machine-Learning-Algorithmen und führt schnell zu Modellevaluierung, dem Umgang mit Sonderfällen und dem Bias-Variance-Trade-off.
Statistik-Interviewfragen in Python üben
Kurs
abgeschlossen
