Statistik für Data Science und die Datenanalyse mit R und Zusatzqualifikation Datenvisualisierung mit Power BI sowie Qualifikationsprojekt

Nach Abschluss dieser Weiterbildung verfügen Sie über Kenntnisse in Statistik, Datenanalyse und Datenvisualisierung mit R und Power BI. Sie sind in der Lage, Datenanalysen durchzuführen und statistische Modelle anzuwenden. Darüber hinaus beherrschen Sie die Programmiersprachen R und Python, um Daten zu verarbeiten und auszuwerten. Mit Power BI sind Sie in der Lage, Daten visuell ansprechend darzustellen. Ihre erlernten Fähigkeiten qualifizieren Sie für Tätigkeiten in den Bereichen Data Science, statistische Analyse und Datenvisualisierung.

Grundlagen und fortschrittliche Methoden der Statistik

• Grundlagen der Statistik
• Korrelation und lineare Regression
• Stichproben und Konfidenzintervalle
• Hypothesen, Erwartungswerte und Signifikanzniveaus
• T-Test für unabhängige Stichproben
• Einfaktorielle Anova
• Regressionsanalysen
• Bestimmtheitsmaße
• Multiple Regression
• Polynom-Regression
• Logistische Regression

R als Werkzeug für Datenanalyse und Statistik

• Grundlagen der Arbeit mit R
• Datenmanagement und diskriptive Statistiken in R
• Umgang und Untersuchung von Datensätzen sowie Skalenbildung
• Diagramme in ggplot2
• Zusammenhänge zwischen Variablen und Diagrammen
• Grundlegende statistische Kenngrößen
• Datenreinigung

Erweiterte Datenanalysemethoden mit R

• Streudiagramme, Korrelationsdiagramme und analytische Tests
• T-Test
• K-fache Kreuzvalidierung
• Anwendung von R in der Forschung
• Qualifikationsprojekt Statistische Datenanalyse (PA für R)

Data Science und Machine Learning

• Einführung in Unsupervised Machine Learning
• K-Means Clustering
• Signalübertragung in Neuronalen Netzen
• Einführung in PyTorch

Datenvisualisierung und -manipulation

• Datenvisualisierung
• Datenvisualisierung geographischer Daten
• Transformieren und Kombinieren von Daten mit Power Query
• Gestaltungsregeln für Reports und Dashboards

Power BI - Erstellen und Präsentieren von Reports

• Einführung in Power BI
• Datenmodellierung in Power BI Desktop
• Fallbeispiele für das Erstellen von Power BI Reports
• Zielgruppenorientiertes Reporting

Datenstrukturen und Programmierung

• Datenstrukturen
• Standard-Datentypen
• Datenbanken

Werkzeuge und Methoden zur Datenaufbereitung

• XML und JSON
• Einführung in NumPy und Messdatenverarbeitung
• Testen und Tuning
• Qualifikationsprojekt Data Science