Dieser Kurs Statistik für Datenwissenschaft soll Sie in die grundlegenden Prinzipien der statistischen Methoden und Verfahren zur Datenanalyse einführen. Nach Abschluss dieses Kurses verfügen Sie über praktische Kenntnisse zu wichtigen Themen der Statistik, wie z.B. Datenerfassung, Zusammenfassung von Daten mit Hilfe der deskriptiven Statistik, Anzeige und Visualisierung von Daten, Untersuchung von Beziehungen zwischen Variablen, Wahrscheinlichkeitsverteilungen, Erwartungswerte, Hypothesentests, Einführung in ANOVA (Varianzanalyse), Regressions- und Korrelationsanalyse. Sie werden die statistische Analyse mit Hilfe von Python und Jupyter Notebooks - den bevorzugten Tools für Data Scientists und Datenanalysten - praktisch anwenden.

Am Ende des Kurses werden Sie ein Projekt abschließen, in dem Sie verschiedene Konzepte aus dem Kurs auf ein Data Science-Problem anwenden, das ein von der Realität inspiriertes Szenario beinhaltet, und ein Verständnis der grundlegenden statistischen Denkweise und Argumentation demonstrieren. Der Schwerpunkt liegt auf der Entwicklung eines klaren Verständnisses der verschiedenen Ansätze für unterschiedliche Datentypen, der Entwicklung eines intuitiven Verständnisses, der angemessenen Bewertung der vorgeschlagenen Methoden, der Verwendung von Python zur Analyse unserer Daten und der genauen Interpretation der Ergebnisse. Dieser Kurs ist für eine Vielzahl von Fachleuten und Studenten geeignet, die eine Tätigkeit im Bereich Daten und Statistik anstreben, wie z.B. Data Scientists, Datenanalysten, Business Analysten, Statistiker und Forscher. Sie benötigen keine Vorkenntnisse in Informatik oder Statistik. Wir empfehlen dringend, vor Beginn dieses Kurses den Kurs Python für Datenwissenschaft zu besuchen, um sich mit der Programmiersprache Python, Jupyter-Notebooks und Bibliotheken vertraut zu machen. Nach Abschluss dieses Kurses sind Sie in der Lage: ✔Zentrale Tendenzmaße und Streuungsmaße für gruppierte und nicht gruppierte Daten zu berechnen und anzuwenden. ✔Daten klar und prägnant zusammenzufassen, zu präsentieren und zu visualisieren, so dass auch Nicht-Statistiker, die die Ergebnisse benötigen, einen praktischen Einblick erhalten. ✔ Identifizieren Sie geeignete Hypothesentests für gängige Datensätze. ✔ Führen Sie Hypothesentests, Korrelationstests und Regressionsanalysen durch. ✔ Zeigen Sie, dass Sie die statistische Analyse mit Python und Jupyter Notebooks beherrschen.