In diesem Modul werden wir die grundlegenden Werkzeuge der deskriptiven Statistik erforschen, einschließlich Mittelwert, Median, Modus und Streuungsmaße wie Bereich und Standardabweichung. Außerdem üben Sie die Interpretation von realen Datenverteilungen und verstehen die Bedeutung statistischer Momente. In diesem Abschnitt wird die Grundlage für die Auswertung von Rohdaten gelegt.

In diesem Modul tauchen wir in das Konzept der Verteilungen ein und konzentrieren uns dabei auf die Normalverteilung und Z-Scores. Durch Theorie und Praxis lernen Sie, wie Sie standardisierte Werte interpretieren und Verteilungsmuster in Datensätzen erkennen können. Diese Erkenntnisse sind der Schlüssel zu einem tieferen statistischen Verständnis.

In diesem Modul werden wir von der deskriptiven Statistik zur Wahrscheinlichkeitstheorie übergehen und grundlegende Regeln, Schlüsselsätze und Wahrscheinlichkeitsverteilungen behandeln. Sie werden durch praktische Übungen starke analytische Fähigkeiten aufbauen und Konzepte wie den Erwartungswert und den zentralen Grenzwertsatz erforschen. Die Beherrschung dieses Abschnitts ist für die Vorhersage von Modellen unerlässlich.

In diesem Modul führen wir Sie in die Inferenzstatistik durch Hypothesentests ein. Sie lernen, wie Sie mithilfe statistischer Methoden Schlussfolgerungen über Populationen ziehen, Stichprobengrößen berechnen und Annahmen testen können. Dieser Abschnitt versetzt Sie in die Lage, datengesteuerte Entscheidungsfindungen mit Zuversicht zu treffen.

In diesem Modul befassen wir uns mit der Regressionsanalyse als Instrument zur Vorhersage, beginnend mit der einfachen linearen Regression. Sie werden lernen, Beziehungen zwischen Variablen zu quantifizieren und die Qualität Ihrer Modelle zu bewerten. Praktische Übungen festigen die wichtigsten statistischen Techniken.

In diesem Modul werden wir tiefer in fortgeschrittene Regressionstechniken und Algorithmen des Maschinellen Lernens eintauchen. Von der multiplen linearen Regression bis hin zu Entscheidungsbäumen und Random Forests werden Sie Modelle zur Vorhersage in dynamischeren Umgebungen erforschen. Sie werden auch lernen, wie man mit allgemeinen Datenproblemen wie Überanpassung und fehlenden Daten umgeht.

In diesem Modul befassen wir uns mit der Analyse der Varianz (ANOVA), einem leistungsstarken statistischen Werkzeug zum Vergleich von Gruppenmittelwerten. Sie werden lernen, den Einfluss einzelner und mehrerer Faktoren zu analysieren, die F-Verteilung anzuwenden und gültige Schlussfolgerungen aus Ihren Daten zu ziehen. Dies ist ein wichtiger Schritt zur Beherrschung der Inferenzstatistik.

In diesem Modul werden wir den Kurs mit einer abschließenden Zusammenfassung abschließen, in der wir über das Erreichte und das erworbene Wissen reflektieren. Sie werden angeleitet, wie Sie das Gelernte weiterführen und diese Konzepte in realen Projekten der Datenanalyse und Datenwissenschaft anwenden können.