In diesem Modul lernen Sie die wesentlichen Excel-Fähigkeiten kennen, um typische Geschäftssituationen zu bewältigen, denen Sie in Zukunft begegnen könnten. Das Excel-Vokabular und die Funktionen, die in diesem Modul vermittelt werden, ermöglichen es Ihnen, die zusätzlichen erklärenden Excel-Tabellen zu verstehen, die die späteren Videos in diesem Kurs begleiten.

Die Aufteilung von Sammlungen in zwei Kategorien, wie z.B. "kaufe diese Aktie, aber nicht jene" oder "spreche diesen Kunden mit einem Sonderangebot an, aber nicht jenen" ist das ultimative Ziel der meisten Projekte zur Analyse von Geschäftsdaten. Es gibt ein spezielles Vokabular von Maßnahmen zum Vergleich und zur Optimierung der Leistung der Algorithmen, die zur Klassifizierung von Sammlungen in zwei Gruppen verwendet werden. Sie werden lernen, wie und warum Sie diese verschiedenen Metriken anwenden, einschließlich der Berechnung des wichtigen AUC: der Fläche unter der Receiver Operating Characteristic (ROC) Curve.

In diesem Modul lernen Sie, wie Sie die äußerst nützliche Unsicherheitsmetrik "Entropie" berechnen und anwenden können Im Gegensatz zur bekannteren "Wahrscheinlichkeit", die die Unsicherheit des Eintretens eines einzelnen Ergebnisses angibt, quantifiziert die "Entropie" die Gesamtunsicherheit aller möglichen Ergebnisse. Das Entropiemaß bietet den Rahmen für die Rechenschaftspflicht bei der Datenanalyse. Die Entropie gibt Ihnen die Möglichkeit, die Unsicherheit zukünftiger Ergebnisse, die für Ihr Unternehmen relevant sind, zweimal zu quantifizieren: mit den besten verfügbaren Schätzungen, bevor Sie ein Projekt beginnen, und dann noch einmal, nachdem Sie ein Vorhersagemodell erstellt haben. Der Unterschied zwischen den beiden Maßen ist der Informationsgewinn, den Ihre Arbeit mit sich bringt.

Das Maß für die lineare Korrelation ist eine viel umfassendere Metrik zur Bewertung von Assoziationen, als gemeinhin angenommen wird. Sie können damit quantifizieren, wie stark ein lineares Modell die Unsicherheit reduziert. Bei der Vorhersage zukünftiger Ergebnisse kann sie in eine "Punktschätzung" plus ein "Konfidenzintervall" oder in ein Maß für den Informationsgewinn umgewandelt werden. Sie werden diese Konzepte und die vielen wertvollen Einsatzmöglichkeiten der linearen Regression bei der Analyse von Geschäftsdaten kennenlernen. In diesem Modul lernen Sie auch, wie Sie den zentralen Grenzwertsatz (Central Limit Theorem, CLT) anwenden, um praktische Probleme zu lösen. Die beiden Themen sind eng miteinander verbunden, da sowohl die Regression als auch der CLT eine spezielle Familie von Wahrscheinlichkeitsverteilungen, die sogenannten "Gaußschen Verteilungen", verwenden Sie werden alles lernen, was Sie wissen müssen, um mit Gaußverteilungen in diesen und anderen Zusammenhängen zu arbeiten.

Dieses Modul vermittelt Ihnen zusätzliche wertvolle Konzepte und Fähigkeiten im Zusammenhang mit der Erstellung hochwertiger Modelle. Wie Sie wissen, ist ein "Modell" eine Beschreibung eines Prozesses, der auf verfügbare Daten (Inputs) angewendet wird und eine Schätzung eines zukünftigen und noch unbekannten Ergebnisses als Output erzeugt. Sehr oft haben die Modelle für die Ergebnisse die Form einer Wahrscheinlichkeitsverteilung. In diesem Modul erfahren Sie, wie Sie Wahrscheinlichkeitsverteilungen aus Daten schätzen (ein "Wahrscheinlichkeitshistogramm") und wie Sie die nützlichsten Wahrscheinlichkeitsverteilungen, die von Datenwissenschaftlern verwendet werden, beschreiben und erzeugen können. Außerdem wird im Detail behandelt, wie Sie ein binäres Klassifizierungsmodell mit Parametern entwickeln, die so optimiert sind, dass die AUC maximiert wird, und wie Sie lineare Regressionsmodelle anwenden, wenn Ihre Eingabe aus mehreren Datentypen für jedes Ereignis besteht. Das Modul schließt mit einer Erklärung der "Überanpassung", die der Hauptgrund dafür ist, dass scheinbar gute Vorhersagemodelle in der Praxis oft versagen. Wir schließen mit einigen Tipps, wie Sie die Überanpassung in Ihrem eigenen Vorhersagemodell für das Abschlussprojekt - und im wirklichen Leben - vermeiden können

Das abschließende Kursprojekt ist eine umfassende Bewertung, die das gesamte Kursmaterial abdeckt und aus vier Quizfragen und einer Peer-Review-Aufgabe besteht. Für Quiz eins und Quiz zwei gibt es Lernpunkte, die Komponenten des Quiz erklären. Diese Lernpunkte werden erst freigeschaltet, wenn Sie das Quiz mit einer guten Note abgeschlossen haben. Bevor Sie beginnen, lesen Sie sich bitte die Anweisungen für das Abschlussprojekt durch. Die Erfahrung der Studenten zeigt, dass das Abschlussprojekt, das alle Quizfragen und die Beurteilung durch die Teilnehmer umfasst, zwischen 10 und 12 Stunden in Anspruch nimmt.