Przejdź do głównej treści
Strona główna

Probability & Statistics courses

Probability and statistics courses explore mathematical concepts for analyzing random events and interpreting data through models and inference. Use tools such as Python, R, Excel and Google Sheets to apply your theoretical knowledge in statistics.

Utwórz bezpłatne konto

Kontynuuj z GooglePokaż więcej opcji

lub


Kontynuując, akceptujesz nasze Warunki korzystania, naszą Politykę prywatności i fakt, że twoje dane są przechowywane w USA.
Group

Szkolisz 2 lub więcej osób?

Wypróbuj DataCamp for Business

Recommended for Probability & Statistics beginners

Build your Probability & Statistics skills with interactive courses, curated by real-world experts

Kurs

Wprowadzenie do statystyki w R

ŚredniozaawansowanyPoziom umiejętności
4.7+
2166 recenzji
4 godz.
Rozwijaj umiejętności statystyczne i ucz się zbierać, analizować oraz wyciągać trafne wnioski z danych.

Ścieżka

Statystyk w R

4.5+
7 recenzji
52 godz.
Statystyk zbiera i analizuje dane oraz pomaga firmom zrozumieć dane ilościowe, w tym dostrzegać trendy i tworzyć prognozy.

Nie wiesz, od czego zacząć?

Wykonaj ocenę

Przeglądaj kursy i ścieżki Probability & Statistics

Kurs

Wykrywanie anomalii w Pythonie

ŚredniozaawansowanyPoziom umiejętności
4.8+
182 recenzje
4 godz.
Wykrywaj anomalie w analizie danych i rozbuduj swój zestaw narzędzi statystycznych w Pythonie na tym czterogodzinnym kursie.

Kurs

Wprowadzenie do modelowania liniowego w Pythonie

ŚredniozaawansowanyPoziom umiejętności
4.7+
228 recenzji
4 godz.
Poznaj koncepcje i zastosowania modeli liniowych z python i twórz modele do opisu, prognozowania i wyciągania wniosków ze wzorców danych.

Kurs

Modelowanie danych w Tidyverse

ŚredniozaawansowanyPoziom umiejętności
4.8+
242 recenzje
4 godz.
Poznaj różne typy w modelowaniu danych, także do predykcji, i naucz się prowadzić regresję liniową oraz oceniać modele w Tidyverse.

Kurs

Analiza przeżycia w R

ŚredniozaawansowanyPoziom umiejętności
4.7+
207 recenzji
4 godz.
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

Podstawy rachunku prawdopodobieństwa w Pythonie

ŚredniozaawansowanyPoziom umiejętności
4.8+
209 recenzji
5 godz.
Poznaj podstawy rachunku prawdopodobieństwa: zmienne losowe, średnia, wariancja, rozkłady prawdopodobieństwa i prawdopodobieństwa warunkowe.

Kurs

Modele ARIMA w R

PodstawowyPoziom umiejętności
4.8+
321 recenzji
4 godz.
Zostań ekspertem w dopasowywaniu modeli ARIMA (autoregresyjnych zintegrowanych średnich ruchomych) do danych szeregów czasowych w R.

Kurs

Analiza danych ankietowych w R

ŚredniozaawansowanyPoziom umiejętności
4.8+
225 recenzji
4 godz.
Poznaj projektowanie ankiet z użyciem popularnych struktur projektowych, a następnie wizualizuj i analizuj wyniki ankiet.

Kurs

Błąd i niepewność w Google Sheets

ŚredniozaawansowanyPoziom umiejętności
4.7+
157 recenzji
4 godz.
Naucz się odróżniać rzeczywiste różnice od losowego szumu i poznaj psychologiczne podpórki, których używamy, a które zakłócają racjonalne podejmowanie decyzji.

Kurs

Analiza czynnikowa w R

ZaawansowanyPoziom umiejętności
4.7+
164 recenzje
4 godz.
Poznaj zmienne ukryte, np. osobowość, dzięki eksploracyjnej i konfirmacyjnej analizie czynnikowej.

Kurs

Symulacja zdarzeń dyskretnych w Pythonie

ZaawansowanyPoziom umiejętności
4.7+
80 recenzji
4 godz.
Odkryj moc symulacji zdarzeń dyskretnych w optymalizacji procesów biznesowych. Twórz cyfrowe bliźniaki z użyciem pakietu SimPy w Pythonie.

Kurs

Podstawy wnioskowania statystycznego w Pythonie

ZaawansowanyPoziom umiejętności
4.8+
230 recenzji
4 godz.
Zdobądź praktyczne doświadczenie w wyciąganiu trafnych wniosków na podstawie danych na tym czterogodzinnym kursie o wnioskowaniu statystycznym w Pythonie.

Kurs

Uogólnione modele liniowe w R

ŚredniozaawansowanyPoziom umiejętności
4.8+
201 recenzji
4 godz.
Kurs Generalized Linear Model rozszerza zestaw narzędzi regresji o regresję logistyczną i Poissona.

Kurs

Analiza sieci w R

ŚredniozaawansowanyPoziom umiejętności
4.8+
135 recenzji
4 godz.
Analizuj i wizualizuj dane sieciowe z pakietem igraph oraz twórz interaktywne wykresy sieciowe z threejs.

Kurs

Symulacje statystyczne w Pythonie

ŚredniozaawansowanyPoziom umiejętności
4.9+
30 recenzji
4 godz.
Naucz się rozwiązywać coraz bardziej złożone problemy, używając symulacji do generowania i analizy danych.

Kurs

Testy A/B w R

ŚredniozaawansowanyPoziom umiejętności
4.8+
95 recenzji
4 godz.
Poznaj podstawy testów A/B w R: projektowanie eksperymentów, analiza danych, prognozowanie wyników i prezentacja rezultatów w wizualizacjach.

Kurs

Studia przypadków w myśleniu statystycznym

ŚredniozaawansowanyPoziom umiejętności
4.8+
87 recenzji
4 godz.
Opanuj kluczowe kroki, stosując myślenie statystyczne do rzeczywistych zbiorów danych i wyciągając z nich praktyczne wnioski.

Kurs

Uogólnione modele liniowe w Pythonie

ZaawansowanyPoziom umiejętności
4.7+
147 recenzji
5 godz.
Rozszerz swój zestaw narzędzi regresji o modele logistyczne i Poissona oraz naucz się je trenować, rozumieć, walidować i prognozować.

Kurs

Analiza przeżycia w Pythonie

ZaawansowanyPoziom umiejętności
4.7+
73 recenzje
4 godz.
Analiza przeżycia do pracy z danymi czasu do zdarzenia i przewidywania czasu przeżycia.

Kurs

Analiza sieci w Pythonie – poziom średniozaawansowany

ZaawansowanyPoziom umiejętności
4.8+
84 recenzje
4 godz.
Analizuj wykresy szeregów czasowych, używaj grafów dwudzielnych i zdobądź umiejętności potrzebne do rozwiązywania zaawansowanych problemów w analizie sieci.

Kurs

Analiza danych ankietowych w Pythonie

ŚredniozaawansowanyPoziom umiejętności
4.6+
55 recenzji
4 godz.
Naucz się analizować dane z ankiet w Pythonie i odkryj, kiedy stosować narzędzia statystyczne opisowe i wnioskujące.

Powiązane zasoby dotyczące Probability & Statistics

blog

How to Become a Statistician in 2026

Curious about how to become a statistician? Find out what a statistician does, what you need to get started, and what you can expect from this career.
Joleen Bothma's photo

Joleen Bothma

10 min

Samouczek

An Introduction to Statistical Machine Learning

Discover the powerful fusion of statistics and machine learning. Explore how statistical techniques underpin machine learning models, enabling data-driven decision-making.
Joanne Xiong's photo

Joanne Xiong

11 min

Samouczek

T-tests in R Tutorial: Learn How to Conduct T-Tests

Determine if there is a significant difference between the means of the two groups using t.test() in R.
Abid Ali Awan's photo

Abid Ali Awan

10 min


Ready to apply your skills?

Projects allow you to apply your knowledge to a wide range of datasets to solve real-world problems in your browser

Frequently asked questions

How does probability and statistics related to data science?

Probability and statistics are foundational to data science, offering the tools and frameworks necessary for analyzing data, making predictions, and deriving meaningful insights. They enable data scientists to understand patterns, assess uncertainties, and make informed decisions based on data analysis.

Why is it important to develop knowledge in probability and statistics?

Developing knowledge in probability and statistics is crucial for effectively interpreting data and making reliable predictions. This understanding forms the basis for designing experiments, analyzing results, and validating conclusions in various fields, ensuring decisions are data-driven and evidence-based.

What careers can I pursue with knowledge in probability and statistics?

With knowledge in probability and statistics, you can pursue a wide array of careers such as data scientist, market researcher, machine learning engineer, statistical analyst, and risk manager. These roles span various industries including finance, healthcare, technology, and government, where interpreting data and making evidence-based decisions are key.

Inne technologie i tematy

technologie

Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych

Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.