Dies ist der fünfte von sieben Kursen im Rahmen des Google Advanced Data Analytics Certificate. Datenexperten nutzen die Regressionsanalyse, um die Beziehungen zwischen verschiedenen Variablen in einem Datensatz zu entdecken und Schlüsselfaktoren zu identifizieren, die die Unternehmensleistung beeinflussen. In diesem Kurs üben Sie die Modellierung von Variablenbeziehungen. Sie lernen verschiedene Methoden der Datenmodellierung kennen und erfahren, wie Sie diese zur Lösung von Geschäftsproblemen einsetzen können. Sie werden auch Methoden wie die lineare Regression, die Varianzanalyse (ANOVA) und die logistische Regression kennenlernen.
Regressionsanalyse: Komplexe Datenzusammenhänge vereinfachen
Frühbucherrabatt! Schalten Sie 10.000+ Kurse von Google, Microsoft und mehr für £160/Jahr frei. Jetzt sparen.
Regressionsanalyse: Komplexe Datenzusammenhänge vereinfachen
Dieser Kurs ist Teil von Google Erweiterte Datenanalyse (berufsbezogenes Zertifikat)
Unterrichtet in Deutsch (KI-Synchronisation)
Dozent: Google Career Certificates
TOP-LEHRKRAFT
55.101 bereits angemeldet
Bei 
enthalten
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.7
(532 Bewertungen)
Stufe Fortgeschritten
Für Personen mit Branchenerfahrung konzipiert
Flexibler Zeitplan
Ca. 28 Stunden
In Ihrem eigenen Lerntempo lernen
96%
Den meisten Lernenden hat dieser Kurs gefallen
Was Sie lernen werden
Untersuchen Sie Beziehungen in Datensätzen
Annahmen des Regressionsmodells ermitteln
Lineare und logistische Regression mit Python durchführen
Bewertung und Interpretation von Praxismodellen
Kompetenzen, die Sie erwerben
- Kategorie: Regressionsanalyse
- Kategorie: Prädiktive Modellierung
- Kategorie: Statistische Modellierung
- Kategorie: Datenanalyse
- Kategorie: Überwachtes Lernen
- Kategorie: Statistische Hypothesentests
- Kategorie: Korrelationsanalyse
- Kategorie: Python-Programmierung
- Kategorie: Statistische Analyse
- Kategorie: Methoden des Maschinellen Lernens
- Kategorie: Erweiterte Analytik
- Kategorie: Analyse der Varianz
Wichtige Details
Zertifikat zur Vorlage
Zu Ihrem LinkedIn-Profil hinzufügen
Bewertungen
27 Aufgaben
Unterrichtet in Deutsch (KI-Synchronisation)
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Erweitern Sie Ihr Fachwissen im Bereich Datenanalyse
Dieser Kurs ist Teil der Spezialisierung Google Erweiterte Datenanalyse (berufsbezogenes Zertifikat)
Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für dieses berufsbezogene Zertifikat angemeldet.
- Lernen Sie neue Konzepte von Branchenexperten
- Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
- Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
- Erwerben Sie ein Berufszertifikat von Google zur Vorlage
In diesem Kurs gibt es 6 Module
Zunächst lernen Sie die wichtigsten Schritte zur Erstellung von Regressionsmodellen kennen, von der Festlegung Ihrer Annahmen bis zur Interpretation Ihrer Ergebnisse. Als Nächstes werden Sie die beiden Haupttypen der Regression kennenlernen: die lineare und die logistische Regression. Sie erfahren, wie Datenexperten die lineare und logistische Regression einsetzen, um verschiedene Arten von Geschäftsproblemen zu lösen.
Das ist alles enthalten
8 Videos3 Lektüren4 Aufgaben2 Plug-ins
Sie werden erkunden, wie Sie Modelle verwenden können, um komplexe Datenbeziehungen zu beschreiben. Sie werden sich auf Korrelationsbeziehungen konzentrieren. Anschließend erstellen Sie ein einfaches lineares Regressionsmodell in Python und interpretieren Ihre Ergebnisse.
Das ist alles enthalten
9 Videos8 Lektüren5 Aufgaben5 Unbewertete Labore
Nach der einfachen Regression werden Sie zu einem komplexeren Regressionsmodell übergehen: der multiplen linearen Regression. Sie werden sehen, wie die multiple Regression bei jedem Schritt des Modellierungsprozesses auf der einfachen linearen Regression aufbaut. Außerdem erhalten Sie eine Vorschau auf einige Schlüsselthemen des maschinellen Lernens: Auswahl, Überanpassung und der Kompromiss zwischen Verzerrung und Varianz.
Das ist alles enthalten
10 Videos4 Lektüren5 Aufgaben3 Unbewertete Labore2 Plug-ins
Sie werden auf Ihrem Vorwissen über Hypothesentests aufbauen, um zwei weitere statistische Tests zu untersuchen: Chi-Quadrat und Varianzanalyse (ANOVA). Sie werden lernen, wie Datenexperten diese Tests zur Analyse verschiedener Datentypen verwenden. Schließlich werden Sie zwei Arten von Chi-Quadrat-Tests sowie einseitige und zweiseitige ANOVA-Tests durchführen.
Das ist alles enthalten
9 Videos3 Lektüren4 Aufgaben3 Unbewertete Labore
Sie werden die binomiale logistische Regression untersuchen, eine Art der Regressionsanalyse, die Daten in zwei Kategorien klassifiziert. Sie werden lernen, wie Sie ein binomiales logistisches Regressionsmodell erstellen und wie Datenexperten diese Art von Modell verwenden, um Erkenntnisse aus ihren Daten zu gewinnen.
Das ist alles enthalten
8 Videos4 Lektüren5 Aufgaben3 Unbewertete Labore
Zum Abschluss des Kurses erstellen Sie ein Regressionsmodell zur Analyse eines Datensatzes für ein Arbeitsplatzszenario.
Das ist alles enthalten
5 Videos10 Lektüren4 Aufgaben6 Unbewertete Labore
Erwerben Sie ein Karrierezertifikat.
Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.
Dozent
Lehrkraftbewertungen
4.4 (130 Bewertungen)von
Mehr von Datenanalyse entdecken
Status: Kostenloser Testzeitraum
Status: Kostenloser TestzeitraumUniversity of Maryland, College Park
Status: Kostenloser TestzeitraumGoogle
Status: Kostenloser Testzeitraum
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“
Bewertungen von Lernenden
4.7
532 Bewertungen
- 5 stars
82,33 %
- 4 stars
10,33 %
- 3 stars
4,32 %
- 2 stars
1,50 %
- 1 star
1,50 %
Zeigt 3 von 532 an
SA
4
Geprüft am 28. Apr. 2023
Extremely challenging incredibly for beginners yet rewarding.
BT
5
Geprüft am 14. Apr. 2023
very good course, but this course is the most difficult for me
JG
5
Geprüft am 24. Apr. 2023
This course is beneficial and includes concepts that could help improve and develop new skills, very structured and robust information.
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
Unternehmen jeder Art und Größe haben Geschäftsprozesse, bei denen riesige Datenmengen anfallen. Jeden Moment werden alle Arten von Informationen von Computern, dem Internet, Telefonen, Texten, Streaming-Videos, Fotos, Sensoren und vielem mehr erzeugt. In der globalen digitalen Landschaft sind die Daten zunehmend unpräzise, chaotisch und unstrukturiert. Da die Geschwindigkeit und Vielfalt der Daten exponentiell zunimmt, haben Unternehmen Schwierigkeiten, damit Schritt zu halten.
Datenwissenschaft und fortgeschrittene Data Analytics sind Teil eines Fachgebiets, das Rohdaten nutzt, um neue Wege der Modellierung und des Verständnisses des Unbekannten zu schaffen. Um Erkenntnisse zu gewinnen, sind Unternehmen auf Datenexperten angewiesen, die Daten erfassen, organisieren und interpretieren, um sie für interne Projekte und Prozesse zu nutzen. Datenwissenschaftler und fortgeschrittene Fachkräfte für Datenanalyse stützen sich auf eine Kombination wichtiger Fähigkeiten, darunter Statistik, wissenschaftliche Methoden, Datenanalyse und künstliche Intelligenz.
Ein Datenexperte ist ein Begriff, der jede Person beschreibt, die mit Daten arbeitet und/oder über Datenkenntnisse verfügt. Ein Datenexperte ist zumindest in der Lage, Daten zu erkunden, zu bereinigen, auszuwählen, zu analysieren und zu visualisieren. Sie können auch gut mit dem Schreiben von Code umgehen und sind mit den Techniken vertraut, die von Statistikern und Ingenieuren für maschinelles Lernen verwendet werden, einschließlich der Erstellung von Modellen, der Entwicklung algorithmischen Denkens und der Erstellung von Modellen für maschinelles Lernen.
Datenexperten sind für das Sammeln, Analysieren und Interpretieren großer Datenmengen in einer Vielzahl unterschiedlicher Organisationen verantwortlich. Die Rolle eines Datenexperten wird von Unternehmen zu Unternehmen unterschiedlich definiert. Im Allgemeinen verfügen Datenexperten über technische und strategische Fähigkeiten, die fortgeschrittene analytische Fähigkeiten wie Datenmanipulation, Versuchsplanung, prädiktive Modellierung und maschinelles Lernen erfordern. Sie führen eine Vielzahl von Aufgaben im Zusammenhang mit dem Sammeln, Strukturieren, Interpretieren, Überwachen und Berichten von Daten in zugänglichen Formaten aus, damit die Beteiligten die Daten verstehen und effektiv nutzen können. Letztlich hilft die Arbeit von Datenexperten Organisationen, fundierte, ethische Entscheidungen zu treffen.
Große Datenmengen - und die für ihre Verwaltung und Analyse erforderliche Technologie - werden immer leichter zugänglich. Aus diesem Grund gibt es immer mehr Karrieremöglichkeiten für Menschen, die mithilfe von Daten Geschichten erzählen können, wie z. B. leitende Fachkräfte für Datenanalyse und Data Scientists. Diese Fachleute sammeln, analysieren und interpretieren große Datenmengen in einer Vielzahl unterschiedlicher Organisationen. Ihre Aufgaben erfordern fortgeschrittene analytische Fähigkeiten wie Datenmanipulation, Versuchsplanung, Prognosemodellierung und maschinelles Lernen.
Weitere Fragen
Finanzielle Unterstützung verfügbar,