22 Beste kostenlose Online-Kurse zur Datenanalyse
Unser bevorzugter kostenloser Online-Kurs zur Datenanalyse
Explorative Datenanalyse
Dieser Kurs ist auf Englisch und hat Untertitel in 10 verschiedenen Sprachen. Dieser Kurs ist Teil mehrerer Programme und kann in mehreren Spezialisierungen angewendet werden. Sie lernen die explorativen Techniken zur Zusammenfassung von Daten kennen, die normalerweise vor der Modellierung angewendet werden. Sie können bei der Entwicklung von komplexeren statistischen Modellen helfen und sind auch wichtig, um wahrscheinliche Hypothesen über die Welt, die mit den Daten verbunden ist, zu verwerfen oder zu verfeinern. Die Plottersysteme in R und einige grundlegende Prinzipien, die bei der Erstellung von Datengrafiken verwendet werden, sowie einige der gängigen multivariaten statistischen Techniken, die zur Visualisierung hochdimensionaler Daten verwendet werden. Sie werden lernen, analytische Grafiken und das Basisplottersystem in R zu verstehen und fortgeschrittene Diagrammsysteme wie das Latter-System zu verwenden. Schließlich werden Sie lernen, grafische Darstellungen von sehr hochdimensionalen Daten zu erstellen und Techniken der Clusteranalyse anzuwenden, um Muster in den Daten zu finden. Erworbene Fertigkeiten: Clusteranalyse, Ggplot2, R-Programmierung und Explorative Datenanalyse. Dauer: Etwa 55 Stunden über 4 Wochen
Bewertung: 4.7/94%
Welche sind die besten kostenlosen Online-Kurse für Datenanalyse?
Nach umfangreichen Recherchen über alle angebotenen Online-Kurse zur Datenanalyse haben wir die 22 besten Kurse zur Datenanalyse gefunden, um Ihnen die Auswahl zu erleichtern
22 Fortgeschrittene Datenstrukturen
Der Kurs ist in englischer Sprache und ist ein Kurs für Fortgeschrittene, der die Anwendung von C++-Kenntnissen und die Verwendung von fortgeschrittenen Befehlszeilenprogrammen fortsetzt, die Dateiverarbeitung, verknüpfte Listen, Stapel, Warteschlangen, Bäume, binäre Suchbäume und Baumausgleichsalgorithmen zur Lösung von Problemen verwenden. Sie werden viele Implementierungen bei der Entwicklung der einzelnen Datenstrukturen kennenlernen, darunter Hash Maps, AVL sowie rote und schwarze Bäume. Sie werden praktische Erfahrungen beim Schreiben in C++ sammeln. Der Schwerpunkt dieses Kurses liegt auf der Effizienz verschiedener Datenstrukturen zur Lösung vieler Arten von Problemen. Eine Datenstruktur ist eine Sammlung von Datenwerten, deren Beziehungen und die Funktion oder Operation, die darauf angewendet werden kann. Dauer: Ca. 7 - 9 Stunden pro Woche für 9 Wochen
21 Datenwrangling
Der Kurs ist auf Englisch. Sie erfahren, wie Sie Daten aus verschiedenen Quellen gewinnen und sie am besten für datengesteuerte Anwendungen nutzen können. Sie lernen, wie Sie Daten aus verschiedenen Datenformaten sammeln und filtern und wie Sie die Qualität Ihrer Daten bewerten und die besten Methoden zur Datenbereinigung untersuchen können. Sie erhalten eine Einführung in Mongo DB. Sie lernen die Datenspeicherung und die Abfragesprache von Mongo DB kennen und erforschen die Analyse mit dem Mongo DB Aggregations-Framework. Dieser Kurs eignet sich sehr gut für Datenanalysten, die ihre Fähigkeiten um Big Data erweitern möchten. Dauer: Ca. 2 Monate, die 6 Lektionen in Ihrem eigenen Tempo umfassen.
20 Grundlagen der Datenkompetenz
Dieser Kurs ist in englischer Sprache und vermittelt Ihnen die Fähigkeit zum kritischen Denken, die in der heutigen datengesteuerten Umgebung unerlässlich ist. Sie werden lernen, wie Sie Daten täglich nutzen. Sie betrachten den Wert der Daten und untersuchen die Umwandlung von Daten von analog zu digital. Die Ethik der Datennutzung wird anhand von Fallstudien untersucht und die Rolle des kritischen Denkens bei der Datenanalyse, die für die strategische Planung und die Aufdeckung von Wettbewerbsvorteilen für Unternehmen unerlässlich ist. Schließlich werden Sie sich mit Daten, Analysetools und Methoden beschäftigen. Dauer: 6 - 8 Stunden pro Woche über 4 Wochen, aber in Eigenregie
19 Datenanalyse Entscheidungsfindung
Datenanalyse und Entscheidungsfindung
Der Kurs ist auf Englisch. In diesem Kurs lernen Sie, kritisches Denken bei der Arbeit mit Daten anzuwenden. Sie lernen, Daten zu organisieren und zu bereinigen, indem Sie mit Microsoft Excel einen Datenanalyseplan erstellen und mit Tableau Tabellen und grafische Darstellungen erstellen, um die Daten sinnvoll zu organisieren und zu präsentieren. Sie werden auch lernen, kritische Datenanalysen zu identifizieren und diese mit anderen Informationen zu integrieren. Und schließlich werden Sie Ihre Darstellungen auf ihre Genauigkeit überprüfen. Dauer: Ca. 6-8 Stunden pro Woche für 3 Monate und in Eigenregie, aber um die volle Erfahrung zu machen, müssen Sie für den Kurs bezahlen
18 Geschäfts- und Datenanalysefähigkeiten
Kenntnisse in Geschäfts- und Datenanalyse
Der Kurs findet auf Englisch statt. In der heutigen Zeit ist es von entscheidender Bedeutung, zu wissen, wie man Daten analysiert, destilliert und Geschichten daraus macht. Der Kurs zeigt Ihnen, wie Sie Microsoft Excel als leistungsstarkes Analyse- und Präsentationstool nutzen können. In diesem Kurs werden Sie reale Markt- und Finanzanalysen analysieren und Ihre Ergebnisse wirkungsvoll präsentieren. Schließlich lernen Sie, wie Sie auf der Grundlage Ihrer Erkenntnisse datenbasierte Entscheidungen treffen können, die Ihrem Unternehmen helfen, zu wachsen. Sie lernen, wie Sie die am besten geeigneten Excel-Funktionen für die jeweiligen Aufgaben auswählen, Marktgröße und -anteile berechnen und bewerten, Daten kritisch lesen und verschiedene Arten von Einnahmen, Kosten und Rentabilitätskriterien kommunizieren. Dauer: Ca. 3 - 4 Stunden pro Woche über 3 Wochen und in Eigenregie. Bewertung: 21 350 eingeschrieben
17 Datenanalyse und statistische Modellierung und Berechnung in Anwendungen
Datenanalyse und statistische Modellierung
Der Kurs findet auf Englisch statt. Für die Datenanalyse sind multidisziplinäre Fähigkeiten wie Mathematik, Statistik, Virtualisierung, Problemlösung, maschinelles Lernen und Kommunikationsfähigkeiten erforderlich. Sie werden diese grundlegenden Fähigkeiten zusammen mit Fachwissen kombinieren, um Fragen zur Datennutzung zu stellen und zu beantworten. Der Kurs behandelt die folgenden Werkzeuge wie Hypothesentests, Gradientenabstieg und Regressionsmethoden. Danach lernen Sie Modelle und Methoden zur Analyse spezifischer Daten in 4 Bereichen kennen: Epigenetische Codes und Datenvisualisierung; Kriminelle Netzwerke, Netzwerkanalyse; Preise, Wirtschaft und Zeitreihen; und Umweltdaten und räumliche Statistik. Sie werden angeleitet, Daten aus jedem dieser Schwerpunktbereiche zu analysieren und Ihre Ergebnisse zu präsentieren. Voraussetzungen: Python-Programmierung (Grundstudium), Kalkül und Lineare Algebra (Grundstudium), Wahrscheinlichkeitstheorie und Statistik (Grundstudium) und Maschinelles Lernen (Grundstudium).Dauer: Ca. 10-15 Stunden pro Woche für 16 Wochen und wird unter Anleitung durchgeführt. Bewertung: 23 000+ eingeschrieben
16 Analytik für die Entscheidungsfindung
Analytik für die Entscheidungsfindung
Dieser Kurs ist auf Englisch. In diesem Kurs geht es darum, schlechte Entscheidungen mit Hilfe von Daten zu vermeiden, denn gute Entscheidungen verschaffen Ihnen einen unverwechselbaren Vorteil im Geschäftsleben. Dieser Kurs basiert auf Statistik und Datenanalyse und wird Ihnen die Konzepte eines soliden statistischen Denkens vermitteln, das in vielen Bereichen angewendet werden kann. Säulen wie das Verstehen von Variationen, das Aufzeigen von Risiken im Zusammenhang mit alternativen Entscheidungen und das Auffinden der Quellen von Variationen. Die oben genannten Ideen führten zur Entwicklung quantitativer Modelle, die normalerweise verloren gehen. Dieser Kurs konzentriert sich auf diese Ideen. Sie werden Fragen sehen und beantworten wie: Die Relevanz traditioneller statistischer Methoden in der modernen Analytik?, Wie man bei der Herangehensweise an quantitative Probleme Irrtümer und Missverständnisse vermeidet. Bei prädiktiven Anwendungen, wie wir statistische Methoden anwenden und wie man mit Hilfe der Analytik ein Verständnis für das Engagement der Kunden erhält. Es wird empfohlen für Studenten mit einem Bachelor-Abschluss oder jemanden, der sich für ein Studium in einem Wirtschaftsbereich entscheidet. Dauer: 4 - 6 Stunden pro Woche für 4 Wochen, nach eigenem Ermessen. Bewertung: 36 694 eingeschrieben
15 Einführung in die Analytik-Modellierung
Einführung in die analytische Modellierung
Der Kurs ist ein Einführungskurs in englischer Sprache. Sie lernen die wesentlichen Analysemodelle und Methoden kennen, um sie mit Hilfe von Tools wie R angemessen anzuwenden und spezifische Erkenntnisse zu gewinnen. Um Ihre Daten bestmöglich zu verstehen, Vorhersagen zu erstellen und fundierte Geschäftsentscheidungen zu treffen, müssen Sie analytische Modelle erstellen. Ohne diese Modelle wäre es sehr schwierig, die richtigen Erkenntnisse aus Ihren Daten zu gewinnen. Bei der Modellierung ist die Auswahl von Datensätzen, Algorithmen, Techniken und Formaten zur Problemlösung von entscheidender Bedeutung. In diesem Kurs lernen Sie die grundlegenden Modelle und deren Analyse kennen und üben, wie man sie mit Tools wie R implementiert. Mit Hilfe von statistischen Modellen, maschinellem Lernen und Modellen werden Sie Modelle für Klassifizierung, Clustering, Erkennung von Veränderungen, Datenglättung, Validierungsvorhersage, Optimierung und Experimente erstellen. Voraussetzung: Wahrscheinlichkeitsrechnung und Statistik, Grundlagen der Programmierung, Lineare Algebra und Grundrechenarten. Dauer: Etwa 8 - 10 Stunden pro Woche für 16 Wochen.Bewertung: 74 465 eingeschrieben
14 Datenanalyse-Grundlagen für jedermann
Dieser Kurs ist in englischer Sprache und Sie lernen die Grundlagen der Datenanalyse kennen und erwerben Kenntnisse über Datenökosysteme, den Prozess und den Lebenszyklus der Datenanalyse. Sie lernen etwas über Datenstrukturen, Dateiformate, Datenquellen und Daten-Repositories. Sie lernen etwas über Big Data und den Einsatz und die Funktionen einiger Big Data-Verarbeitungstools. Sie lernen die täglichen Aufgaben eines Datenanalysten kennen und erfahren, wie er Daten identifiziert, sammelt, aufbereitet, verarbeitet und analysiert sowie seine Ergebnisse den Beteiligten mitteilt. Sie werden einige der für diese Aufgaben verwendeten Tools kennen lernen. Der Kurs behandelt die Verwendung von relationalen und nicht-relationalen Datenbanken, Data Warehouses, Data Marts und Data Lakes. Der Kurs enthält einen Abschnitt darüber, wie ETL (Extract-Transform-Load) verwendet wird, um Rohdaten in analysereife Daten umzuwandeln. Schließlich werden Sie in die spezifischen Sprachen eingeführt, die von Datenanalysten zur Extraktion, Aufbereitung und Analyse von Daten verwendet werden. Dauer: Ca. 2 - 3 Stunden pro Woche für 5 Wochen in Ihrem eigenen Tempo
Bewertung: 98 466 eingeschrieben
13 Analysieren und Visualisieren von Daten
Der Kurs ist auf Englisch. Wenn Sie ein Datenexperte, Student, Forscher oder Akademiker, ein Marketinganalytiker, ein Unternehmens- und Datenanalytiker oder ein Finanzanalytiker sind, dann ist dies der richtige Kurs für Sie. Power BI ist ein von Microsoft zur Verfügung gestelltes Tool für die Unternehmensanalyse und -visualisierung, mit dem Datenexperten großartige Präsentationen über ihre Daten erstellen können. Der Kurs ist ein Leitfaden für Einsteiger in die Arbeit mit Daten und für Profis gleichermaßen geeignet. Schließlich werden Sie effektiv mit Daten arbeiten, Datenvisualisierungen erstellen und Dashboards und Berichte vorbereiten. Sie lernen, wie man geschäftsorientierte Daten identifiziert und mit ihnen arbeitet, wie man Daten importiert und aufbereitet, um sie in ein Modell zu laden, wie man die Arten von Datenvisualisierungen und ihre Zwecke identifiziert und wie man Power BI-Berichte und -Dashboards erstellt und weitergibt. Dauer: Ca. 10 - 12 Stunden pro Woche für 4 Wochen in Ihrem eigenen Tempo. Bewertung: 100 556+ eingeschrieben
12 Wahrscheinlichkeitsrechnung und Statistik in der Datenwissenschaft
Wahrscheinlichkeitsrechnung und Statistik
Dieser Kurs findet auf Englisch statt und ist ein Kurs für Fortgeschrittene. Bei der Analyse umfangreicher Daten geht es immer auch um die Frage der Unsicherheit. Wahrscheinlichkeit und Statistik bilden die Grundlage für diese Überlegungen. In diesem Kurs lernen Sie etwas über Wahrscheinlichkeit und Statistik und die mathematische Theorie und sammeln Erfahrungen bei der Anwendung dieser Theorie auf konkrete Daten. Sie werden Informationen über Zufallsvariablen, Abhängigkeit, Korrelation, Regression, PCA, Entropie und MDL erhalten. Dauer: Ca. 10-12 Stunden pro Woche für 10 Wochen in Ihrem eigenen Tempo. Bewertung: 125 243+ eingeschrieben
11 Einführung in die Wahrscheinlichkeitsrechnung
Einführung in die Wahrscheinlichkeitsrechnung
Der Kurs findet auf Englisch statt und ist ein Mittelstufenkurs. Dieser Kurs vermittelt Ihnen das notwendige Rüstzeug, um Daten, Wissenschaft, Philosophie, Technik, Wirtschaft und Finanzen zu verstehen. Sie werden lernen, wie man anspruchsvolle technische Probleme löst und wie man diese Lösungen im Alltag anwendet. Die Beispiele, mit denen Sie arbeiten werden, reichen von medizinischen Tests bis hin zu Sportvorhersagen und bilden eine gute Grundlage für das Studium von statistischen Schlussfolgerungen, stochastischen Prozessoren, randomisierten Algorithmen und anderen Themen, bei denen die Wahrscheinlichkeitsrechnung eine Rolle spielt. Sie werden lernen, wie man gute Vorhersagen macht, den Story-Ansatz zum Verständnis von Zufallsvariablen, gängige Wahrscheinlichkeitsverteilungen, die in der Datenwissenschaft verwendet werden, und die Verwendung der bedingten Wahrscheinlichkeit, um komplizierte Probleme anzugehen. Dauer: Ca. 5 - 10 Stunden pro Woche für 10 Wochen in Ihrem eigenen Tempo. Bewertung: 142 304+ eingeschrieben
10 Inferentielle Statistik
Dieser Kurs ist auf Englisch und hat Untertitel in 8 verschiedenen Sprachen. Inferenzstatistiken ziehen Schlüsse aus den in einer Datenstichprobe gefundenen Beziehungen auf die Verhältnisse in der Grundgesamtheit. Sie helfen uns zum Beispiel zu entscheiden, ob Unterschiede zwischen Gruppen, die in Daten beobachtet werden, auf die Hypothese übertragen werden können, dass die Unterschiede generell in der gesamten Population existieren. Der Kurs beginnt mit der Vermittlung von Kenntnissen über Signifikanztests, die die Verteilung von Stichproben und Teststatistiken, den p-Wert, die Signifikanz, die Aussagekraft sowie Fehler vom Typ I und Typ II umfassen. Anschließend werden Sie eine Reihe von statistischen Tests und Techniken kennenlernen, die uns dabei helfen, Schlussfolgerungen für verschiedene Datentypen und unterschiedliche Forschungsdesigns zu ziehen. Sie werden auch lernen, Tests durchzuführen, um zu prüfen, wie jeder einzelne statistische Test funktioniert, für welche Daten er geeignet ist und wie die Ergebnisse interpretiert werden sollten. Diese Tests können mit frei verfügbarer Software durchgeführt werden. Erworbene Fertigkeiten: Statistik, statistische Inferenz, Regressionsanalyse und Varianzanalyse (ANOVA). Dauer: Etwa 23 Stunden über 7 Wochen. Bewertung: 4.3/94%
09 Wesentliche Gestaltungsprinzipien für Tableau
Der Kurs ist auf Englisch und hat Untertitel in 8 verschiedenen Sprachen. Dieser Kurs hilft Ihnen dabei, Designprinzipien zu analysieren und auf Ihre Tableau-Visualisierungen anzuwenden. Es wird vorausgesetzt, dass Sie über einige Tableau-Erfahrung im Umgang mit den Tools verfügen und einige Kenntnisse über die Konzepte der Datenvisualisierung haben. Die Unterschiede und Gemeinsamkeiten von explorativen und erklärenden Analysen werden definiert und es wird Ihnen gezeigt, wie Sie die richtigen Fragen zu den Anforderungen an eine Visualisierung stellen. Sie werden sehen, wie Design und Daten zusammenarbeiten, einschließlich der Auswahl der richtigen Darstellung für Ihre Daten, und Sie werden sich ansehen, was eine effektive Visualisierung von einer ineffektiven Visualisierung unterscheidet. Sie werden lernen, die besten Methoden zur Visualisierung anzuwenden und Visualisierungen zu erstellen und zu gestalten, die Ihre Zielgruppe ansprechen. Erworbene Fertigkeiten: Datenanalyse, Tableau-Software, Datenvirtualisierung und Datenvisualisierung (DataViz). Dauer: Etwa 13 Stunden über 4 Wochen. Bewertung: 4.4/88%
08 Daten abrufen und bereinigen
Abrufen und Bereinigen von Daten
Dieser Kurs ist auf Englisch und hat Untertitel in 10 verschiedenen Sprachen. Sie lernen die grundlegenden Möglichkeiten der Datenbeschaffung kennen. Es wird Ihnen gezeigt, wie Sie Daten aus dem Internet, von APIs, Datenbanken und von Kollegen in verschiedenen Formaten erhalten. Sie werden lernen, wie Sie Daten bereinigen und aufräumen, was die nachgelagerte Datenanalyse erheblich beschleunigt. Schließlich werden Sie sich mit den Komponenten eines vollständigen Datensatzes befassen, einschließlich Rohdaten, Verarbeitungsanweisungen, Codebüchern und verarbeiteten Daten, sowie mit den Grundlagen, die für das Sammeln, Bereinigen und Teilen von Daten erforderlich sind. Sie werden R auch für Text- und Datumsmanipulationen verwenden. Erworbene Fertigkeiten: Datenmanipulation, reguläre Ausdrücke (REGEX), R-Programmierung und Datenbereinigung. Dauer: Etwa 20 Stunden über 4 Wochen. Bewertung: 4.5/90%
07 R Programmierung
Dieser Kurs ist auf Englisch. Er hat Untertitel in 12 verschiedenen Sprachen. Sie lernen, wie man in R programmiert und wie man R für die Datenanalyse verwendet. Sie werden lernen, wie man Software in einer statistischen Programmierumgebung installiert und konfiguriert und wie man Konzepte der Programmiersprache in einer statistischen Hochsprache umsetzt. Sie lernen, wie man in R programmiert, Daten in R einliest, auf R-Pakete zugreift, R-Funktionen schreibt, R-Code debuggt und profiliert sowie R-Code organisiert und kommentiert. Sie werden auch lernen, wie Sie R-Schleifenfunktionen und Debugging-Tools nutzen und wie Sie mithilfe des R-Profils detaillierte Informationen sammeln können. Erworbene Fertigkeiten: Datenanalyse, Fehlersuche, R-Programmierung und Rstudio. Dauer: Etwa 57 Stunden über 4 Wochen.Bewertung: 4.5/94%
06 Mathematische Kenntnisse in Datenwissenschaft
Mathematische Fähigkeiten in der Datenwissenschaft
Der Kurs ist auf Englisch und hat Untertitel in 9 verschiedenen Sprachen. Dieser Kurs wurde für Lernende konzipiert, die ein grundlegendes Verständnis für Mathematik haben, aber nicht Algebra oder Vorkalkül belegt haben, aber die Mathematik benötigen, um in der Datenwissenschaft erfolgreich zu sein. Er führt in den Kern der Mathematik ein, der für die Datenwissenschaft von zentraler Bedeutung ist, und zwar so, dass er leicht verständlich ist und unbekannte Ideen und mathematische Symbole langsam und vorsichtig eingeführt werden. Zu den Themen gehören Mengenlehre und Venn-Diagramme, Intervallnotation, Verwendung von Summen und Sigma-Notation, grafische Darstellung und Beschreibung von Funktionen. Exponenten, Logarithmen und Wahrscheinlichkeit einschließlich des Satzes von Bayes. Dieser Kurs ist eine Voraussetzung für diejenigen, die an dem Kurs "Mastering Data Analysis in Excel" interessiert sind. Wenn Sie diese Fähigkeit beherrschen, sind Sie bestens auf den Erfolg mit der fortgeschrittenen Mathematik in diesem Kurs vorbereitet. Erworbene Fertigkeiten: Bayes' Theorem, Bayes'sche Wahrscheinlichkeit, Wahrscheinlichkeit und Wahrscheinlichkeitsrechnung. Dauer: Etwa 13 Stunden über 4 Wochen. Bewertung: 4.5/96%
05 Erstellen von Dashboards und Storytelling mit Tableau
Der Kurs ist auf Englisch und hat Untertitel in 8 verschiedenen Sprachen. Dieser Kurs knüpft an Visual Analytics mit Tableau an und verwendet die Visualisierungen, die Sie in diesem Kurs erstellt haben, um Dashboards zu erstellen, die Ihnen helfen, die Geschichte in Ihren Daten zu erkennen. Und Sie lernen, wie Sie Story-Points verwenden, um Ihre Story zu erstellen. Sie werden in der Lage sein, Ihre Story so zu strukturieren und zu organisieren, dass sie sowohl für Stakeholder als auch für Endbenutzer ihr volles Potenzial entfaltet. Sie werden lernen, ein Dashboard zu erstellen, Konzepte und Techniken zu analysieren, um mit Daten überzeugende Geschichten zu erzählen. Erworbene Fertigkeiten: Storyboarding, Tableau Software, Datenvirtualisierung und Datenvisualisierung.Dauer: Etwa 15 Stunden über 4 Wochen. Bewertung: 4.6/88%
04 Datenbanken und SQL für Data Science mit Python
Der Kurs ist auf Englisch und hat Untertitel in 2 weiteren Sprachen. Um ein guter Datenanalyst und Datenwissenschaftler zu werden, sind Kenntnisse über Datenbanken und SQL (oder strukturierte Abfragesprache) erforderlich. Der Kurs führt in relationale Datenbankkonzepte ein und hilft bei der Anwendung der SQL-Sprache in einer datenwissenschaftlichen Umgebung. Der Schwerpunkt liegt auf dem praktischen Lernen und so werden Sie mit echten Datenbanken und Data Science Tools arbeiten. Sie werden eine Datenbankinstanz in der Cloud erstellen und üben, SQL-Abfragen zu erstellen und auszuführen. Schließlich lernen Sie, wie Sie von Jupyter-Notebooks aus mit SQL und Python auf Datenbanken zugreifen können. Es sind keine Vorkenntnisse über Datenbanken, SQL, Python oder Programmierung erforderlich. Erworbene Fertigkeiten: Cloud-Datenbanken, Python-Programmierung, Ipython, Relationale Datenbankmanagementsysteme (RDBMS) und SQL. Dauer: Etwa 37 Stunden über 6 Wochen
Bewertung: 4.6/93%
03 Datenanalyse verwalten
Dieser Kurs ist auf Englisch und hat Untertitel in 9 verschiedenen Sprachen. Sie lernen den Prozess der Datenanalyse und das Management dieses Prozesses kennen. Der iterative Charakter der Datenanalyse wird beschrieben, ebenso wie die Rolle, eine aussagekräftige Frage zu stellen, die explorative Datenanalyse, die Inferenz, die formale statistische Modellierung, die Interpretation und die Kommunikation. Sie werden auch lernen, wie Sie die Daten verarbeiten, um verständliche und verwertbare Ergebnisse zu erhalten. Am Ende des Kurses werden Sie gelernt haben, zwischen verschiedenen Datenpools zu unterscheiden, die Iteration der Datenanalyse zu beschreiben, die Datensätze auf ihre Angemessenheit hin zu untersuchen und statistische Ergebnisse zu nutzen, um überzeugende Präsentationen zur Datenanalyse zu erstellen. Erworbene Fertigkeiten: Datenanalyse, Kommunikation, Interpretation, explorative Datenanalyse. Dauer: Ungefähr 9 Stunden, 1 Woche Zeitaufwand. Bewertung: 4.6/95%
02 Lineare Regression und Modellierung
Lineare Regression und Modellierung
Der Kurs ist auf Englisch und hat Untertitel in 9 verschiedenen Sprachen. Dieser Kurs führt Sie durch einfache und multiple lineare Regressionsmodelle, die es Ihnen ermöglichen, Beziehungen zwischen Variablen innerhalb eines Datensatzes und einer kontinuierlichen Antwortvariablen zu ermitteln. Es werden Beziehungen zwischen scheinbar unverbundenen Variablen ermittelt und Sie lernen die grundlegende Theorie hinter der linearen Regression kennen. Schließlich werden Sie lernen, Regressionsmodelle anzupassen, zu untersuchen und zu nutzen, um Beziehungen zwischen vielen Variablen mit Hilfe der kostenlosen Statistiksoftware R und RStudio zu bestimmen. Erworbene Fertigkeiten: Statistik, Lineare Regression, R-Programmierung und Regressionsanalyse. Dauer: Etwa 10 Stunden über 4 Wochen
Bewertung: 4.7/94%
01 Explorative Datenanalyse
Dieser Kurs ist auf Englisch und hat Untertitel in 10 verschiedenen Sprachen. Dieser Kurs ist Teil mehrerer Programme und kann in mehreren Spezialisierungen angewendet werden. Sie werden die explorativen Techniken zur Zusammenfassung von Daten kennenlernen, die in der Regel vor der Modellierung angewendet werden. Sie können bei der Entwicklung von komplexeren statistischen Modellen helfen und sind auch wichtig, um wahrscheinliche Hypothesen über die Welt, die mit den Daten verbunden ist, zu verwerfen oder zu verfeinern. Die Plottersysteme in R und einige grundlegende Prinzipien, die bei der Erstellung von Datengrafiken verwendet werden, sowie einige der gängigen multivariaten statistischen Techniken, die zur Visualisierung hochdimensionaler Daten verwendet werden. Sie werden lernen, analytische Grafiken und das Basisplottersystem in R zu verstehen und fortgeschrittene Grafiksysteme wie das Latter-System zu verwenden. Schließlich werden Sie lernen, grafische Darstellungen von sehr hochdimensionalen Daten zu erstellen und Techniken der Clusteranalyse anzuwenden, um Muster in den Daten zu finden. Erworbene Fertigkeiten: Clusteranalyse, Ggplot2, R-Programmierung und Explorative Datenanalyse. Dauer: Etwa 55 Stunden über 4 WochenBewertung: 4.7/94%