Weiter zum Inhalt

Startseite Python

Kurs

Statistik-Interviewfragen in Python üben

ExperteSchwierigkeitsgrad

Aktualisiert 06/2022

Wir bereiten dich für dein nächstes Statistik-Interview vor und wiederholen bedingte Wahrscheinlichkeiten, A/B-Tests und mehr.

Kurs kostenlos starten

PythonProbability & Statistics

4 Std.

15 Videos

46 Übungen

3,700 XP

16,519

Leistungsnachweis

Beliebt bei Lernenden in Tausenden Unternehmen

Ein Team schulen?

Für Unternehmen ausprobieren

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

Hypothesis Testing in Python Supervised Learning with scikit-learn

1

Probability and Sampling Distributions

This chapter kicks the course off by reviewing conditional probabilities, Bayes' theorem, and central limit theorem. Along the way, you will learn how to handle questions that work with commonly referenced probability distributions.

Conditional probabilities

Setting up problems

Bayes' theorem applied

Central limit theorem

Samples from a rolled die

Simulating central limit theorem

Probability distributions

Bernoulli distribution

Binomial distribution

Normal distribution

Kapitel starten

2

Exploratory Data Analysis

In this chapter, you will prepare for statistical concepts related to exploratory data analysis. The topics include descriptive statistics, dealing with categorical variables, and relationships between variables. The exercises will prepare you for an analytical assessment or stats-based coding question.

Descriptive statistics

Mean or median

Standard deviation by hand

Categorical data

Encoding techniques

Exploring laptop prices

Two or more variables

Types of relationships

Pearson correlation

Sensitivity to outliers

Kapitel starten

3

Statistical Experiments and Significance Testing

Prepare to dive deeper into crucial concepts regarding experiments and testing by reviewing confidence intervals, hypothesis testing, multiple tests, and the role that power and sample size play. We'll also discuss types of errors, and what they mean in practice.

Confidence intervals

Confidence interval by hand

Applying confidence intervals

Hypothesis testing

One tailed z-test

Two tailed t-test

Power and sample size

Effect on type II error

Calculating sample size

Visualizing the relationship

Multiple testing

Calculating error rates

Bonferroni correction

Kapitel starten

4

Regression and Classification

Wrapping up, we'll address concepts related closely to regression and classification models. The chapter begins by reviewing fundamental machine learning algorithms and quickly ramps up to model evaluation, dealing with special cases, and the bias-variance tradeoff.

Regression models

Linear regression

Logistic regression

Evaluating models

Regression evaluation

Classification evaluation

Missing data and outliers

Handling null values

Identifying outliers

Bias-variance tradeoff

Test and training error

Visualizing the tradeoff

Wrapping up

Kapitel starten

Statistik-Interviewfragen in Python üben

Kurs
abgeschlossen

Leistungsnachweis verdienen

Füge diesen Fähigkeitsnachweis zu deinem LinkedIn-Profil, Anschreiben oder Lebenslauf hinzu
Teile es auf Social Media und in deiner LeistungsbeurteilungJetzt anmelden

Schließe dich 19 Millionen Lernenden an und starte Statistik-Interviewfragen in Python üben heute!

DataCamp gibt es auch für Mobilgeräte

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