Am Ende dieses Kurses werden die Teilnehmer in der Lage sein, die Grundlagen der Vorhersage zu definieren, Vorhersagemethoden zu klassifizieren, Regressions- und Dekompositionstechniken anzuwenden und fortgeschrittene Modelle wie ARIMA und SARIMA zu implementieren, um zeitabhängige Daten genau vorherzusagen. Dieser umfassende Kurs gibt den Teilnehmern die Werkzeuge an die Hand, um reale Herausforderungen der Vorhersage mit Hilfe von R anzugehen. Beginnend mit den Grundlagen der Vorhersage in der Analytik werden die Teilnehmer Methoden, Schritte und häufige Fallstricke erkunden, bevor sie zu praktischen Anwendungen einfacher Vorhersagemodelle übergehen. Der Kurs geht dann zur regressionsbasierten Vorhersage über, wobei einfache, multiple und nicht-lineare Regression behandelt werden, während auch Prädiktoren und verzögerte Variablen für eine zuverlässigere Analyse von Zeitreihen integriert werden. Schließlich werden die Lernenden praktische Erfahrungen mit exponentieller Glättung, ARIMA und saisonaler ARIMA-Modellierung sammeln, unterstützt durch ACF- und PACF-Diagnosen. Was diesen Kurs einzigartig macht, ist sein schrittweiser Übergang von den Grundlagen zu fortgeschrittenen Prognosen, seine praktische Verwendung von R für die Implementierung und sein Fokus auf Interpretierbarkeit und Genauigkeit. Nach Abschluss dieses Programms sind die Teilnehmer in der Lage, robuste Prognoselösungen zu entwickeln, die die Entscheidungsfindung in den Bereichen Wirtschaft, Finanzen, Betrieb und darüber hinaus verbessern.


Was Sie lernen werden
Definieren Sie die Grundlagen der Prognose und klassifizieren Sie die Methoden für zeitabhängige Daten.
Regression, Dekomposition und exponentielle Glättung in R anwenden.
Implementierung von ARIMA- und SARIMA-Modellen mit ACF/PACF-Diagnose für die Genauigkeit.
Kompetenzen, die Sie erwerben
- Kategorie: Trendanalyse
- Kategorie: Explorative Datenanalyse
- Kategorie: Regressionsanalyse
- Kategorie: Prädiktive Modellierung
- Kategorie: Vorhersage
- Kategorie: Statistische Modellierung
- Kategorie: Prädiktive Analytik
- Kategorie: Zeitreihenanalyse und Vorhersage
- Kategorie: Analyse
- Kategorie: Statistische Analyse
- Kategorie: Statistische Methoden
- Kategorie: Erweiterte Analytik
- Kategorie: R-Programmierung
- Kategorie: Unternehmensanalytik
Wichtige Details

Zu Ihrem LinkedIn-Profil hinzufügen
September 2025
11 Aufgaben
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

In diesem Kurs gibt es 3 Module
Dieses Modul führt die Lernenden in die grundlegenden Prinzipien der Vorhersage im Bereich der Analytik für Unternehmen ein. Es erklärt den Zweck und den Umfang von Prognosen, untersucht verschiedene Prognosemethoden und hebt allgemeine Herausforderungen hervor, mit denen Unternehmen bei der Vorhersage zukünftiger Trends konfrontiert sind. Die Lernenden erhalten außerdem praktische Einblicke in einfache Prognoseansätze, Transformationen und Techniken zur Bewertung der Genauigkeit, um eine solide Grundlage für fortgeschrittene Prognosemodelle zu schaffen.
Das ist alles enthalten
12 Videos4 Aufgaben
In diesem Modul wird untersucht, wie Regressionstechniken und Zerlegungsmethoden auf die Prognose von Zeitreihen angewendet werden können. Die Lernenden erhalten ein vertieftes Verständnis der einfachen, multiplen und nicht-linearen Regression, der Verwendung von Prädiktoren und verzögerten Variablen sowie der besonderen Erwägungen der Regression von Zeitreihen. Das Modul stellt auch Zerlegungsansätze vor, um Zeitreihen in Trend-, saisonale, zyklische und unregelmäßige Komponenten zu zerlegen und hilft den Lernenden, genaue und interpretierbare Prognosemodelle in R zu erstellen.
Das ist alles enthalten
12 Videos4 Aufgaben
Dieses Modul konzentriert sich auf fortgeschrittene Verfahren zur Prognose von Zeitreihen, einschließlich exponentieller Glättung, ARIMA und saisonaler ARIMA-Modelle. Die Lernenden werden die theoretischen Grundlagen und praktischen Anwendungen von autoregressiven und gleitenden Durchschnittsmodellen erforschen, die Rolle von ACF und PACF bei der Modellauswahl verstehen und lernen, wie man mit saisonalen und nicht saisonalen Zeitreihendaten umgeht. Durch die Beherrschung dieser fortgeschrittenen Methoden werden die Lernenden in der Lage sein, robuste und genaue Prognosemodelle in R zu erstellen, die sowohl kurzfristige Schwankungen als auch langfristige saisonale Trends berücksichtigen.
Das ist alles enthalten
8 Videos3 Aufgaben
Mehr von Datenanalyse entdecken
Status: Kostenloser Testzeitraum
Status: Vorschau
Status: Vorschau
Warum entscheiden sich Menschen für Coursera für ihre Karriere?





Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.
Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.
Häufig gestellte Fragen
Um Zugang zu den Kursmaterialien und Aufgaben zu erhalten und um ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung erwerben, wenn Sie sich für einen Kurs anmelden. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen. Der Kurs kann stattdessen die Option "Vollständiger Kurs, kein Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Wenn Sie ein Zertifikat erwerben, erhalten Sie Zugang zu allen Kursmaterialien, einschließlich der benoteten Aufgaben. Nach Abschluss des Kurses wird Ihr elektronisches Zertifikat zu Ihrer Erfolgsseite hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder zu Ihrem LinkedIn-Profil hinzufügen.
Ja. Für ausgewählte Lernprogramme können Sie eine finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie die Anmeldungsgebühr nicht aufbringen können. Wenn für das von Ihnen gewählte Lernprogramm eine finanzielle Unterstützung oder ein Stipendium verfügbar ist, finden Sie auf der Beschreibungsseite einen Link zur Beantragung.
Weitere Fragen
Finanzielle Unterstützung verfügbar,



