Pearson

Spezialisierung „Data Science Fundamentals, Part 2“

Holen Sie sich eines unserer besten Angebote und erweitern Sie Ihre Fähigkeiten mit 50% Rabatt auf Coursera Plus. Jetzt sparen.

spezialisierung ist nicht verfügbar in Deutsch (Deutschland)

Wir übersetzen es in weitere Sprachen.
Pearson

Spezialisierung „Data Science Fundamentals, Part 2“

Applied Data Science with Python.

Analyze realworld datasets, building applications, & applying machine learning with Python’s PyData

Pearson
Jonathan Dinu

Dozenten: Pearson

Bei Coursera Plus enthalten

Befassen Sie sich eingehend mit einem Thema
Stufe Anfänger

Empfohlene Erfahrung

4 Wochen zu vervollständigen
unter 5 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen
Befassen Sie sich eingehend mit einem Thema
Stufe Anfänger

Empfohlene Erfahrung

4 Wochen zu vervollständigen
unter 5 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

  • Acquire, clean, and manipulate real-world data using Python libraries, APIs, and databases, and perform exploratory data analysis and visualization.

  • Build, evaluate, and interpret statistical and machine learning models to make predictions and draw inferences from complex datasets.

  • Apply best practices in hypothesis testing, A/B testing, and model validation to solve practical problems and communicate results effectively.

Kompetenzen, die Sie erwerben

  • Kategorie: Statistical Inference
  • Kategorie: Sampling (Statistics)
  • Kategorie: Descriptive Statistics
  • Kategorie: Statistical Hypothesis Testing
  • Kategorie: Data Analysis
  • Kategorie: Statistical Modeling
  • Kategorie: A/B Testing
  • Kategorie: Data Science
  • Kategorie: Model Evaluation
  • Kategorie: Regression Analysis
  • Kategorie: Plot (Graphics)
  • Kategorie: Matplotlib
  • Kategorie: Machine Learning
  • Kategorie: Box Plots
  • Kategorie: Predictive Analytics
  • Kategorie: Predictive Modeling
  • Kategorie: Exploratory Data Analysis
  • Kategorie: Statistical Methods

Werkzeuge, die Sie lernen werden

  • Kategorie: NumPy
  • Kategorie: Python Programming

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

 Logos von Petrobras, TATA, Danone, Capgemini, P&G und L'Oreal

Erweitern Sie Ihre Fachkenntnisse.

  • Erlernen Sie gefragte Kompetenzen von Universitäten und Branchenexperten.
  • Erlernen Sie ein Thema oder ein Tool mit echten Projekten.
  • Entwickeln Sie ein fundiertes Verständnisse der Kernkonzepte.
  • Erwerben Sie ein Karrierezertifikat von Pearson.

Spezialisierung - 3 Kursreihen

Data Science Fundamentals Part 2: Unit 1

Data Science Fundamentals Part 2: Unit 1

KURS 1, 8 Stunden

Was Sie lernen werden

  • Gain a foundational understanding of Exploratory Data Analysis (EDA) and its historical context.

  • Develop practical skills in Python data visualization using matplotlib and seaborn.

  • Learn to identify and interpret relationships and correlations within datasets using advanced charting techniques.

  • Recognize and avoid common pitfalls in data analysis, including mixed effects and Simpson’s Paradox.

Kompetenzen, die Sie erwerben

Kategorie: Seaborn
Kategorie: Scatter Plots
Kategorie: Histogram
Kategorie: Data Visualization Software
Kategorie: Matplotlib
Kategorie: Exploratory Data Analysis
Kategorie: Box Plots
Kategorie: Descriptive Statistics
Kategorie: Statistical Analysis
Kategorie: Correlation Analysis
Kategorie: Data Analysis
Kategorie: Data Literacy
Kategorie: Plot (Graphics)
Kategorie: Statistical Visualization
Kategorie: Statistics
Kategorie: Analytical Skills
Kategorie: Descriptive Analytics
Data Science Fundamentals Part 2: Unit 2

Data Science Fundamentals Part 2: Unit 2

KURS 2, 6 Stunden

Was Sie lernen werden

  • Master foundational and modern techniques for statistical inference and data analysis.

  • Apply computational and sampling-based approaches to real-world data problems.

  • Conduct hypothesis tests and optimize processes using A/B testing methodologies.

  • Distinguish between correlation and causation to ensure robust, actionable insights.

Kompetenzen, die Sie erwerben

Kategorie: A/B Testing
Kategorie: Estimation
Kategorie: Statistical Methods
Kategorie: Statistical Hypothesis Testing
Kategorie: Probability & Statistics
Kategorie: Statistical Analysis
Kategorie: Sampling (Statistics)
Kategorie: Data Analysis
Kategorie: Correlation Analysis
Kategorie: Statistics
Kategorie: Analysis
Kategorie: Statistical Inference
Kategorie: Analytics
Data Science Fundamentals Part 2: Unit 3

Data Science Fundamentals Part 2: Unit 3

KURS 3, 9 Stunden

Was Sie lernen werden

  • Build and evaluate statistical models to predict outcomes using Python libraries such as SciPy, NumPy, and Scikit-learn.

  • Understand and apply the fundamentals of probability, statistical distributions, and regression analysis.

  • Identify and overcome common challenges in model fitting and performance evaluation.

  • Distinguish between statistical inference and prediction, and leverage machine learning algorithms for real-world applications.

Kompetenzen, die Sie erwerben

Kategorie: Statistical Modeling
Kategorie: Regression Analysis
Kategorie: Scikit Learn (Machine Learning Library)
Kategorie: Machine Learning
Kategorie: Probability & Statistics
Kategorie: Model Evaluation
Kategorie: Probability Distribution
Kategorie: Business Analytics
Kategorie: Statistical Methods
Kategorie: Data Science
Kategorie: Predictive Modeling
Kategorie: Machine Learning Algorithms
Kategorie: Performance Metric
Kategorie: Estimation
Kategorie: Statistical Analysis
Kategorie: Statistical Inference
Kategorie: Data Analysis
Kategorie: Predictive Analytics

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.

Dozenten

Pearson
Pearson
268 Kurse67.638 Lernende

von

Pearson

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.“

Häufig gestellte Fragen