Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung 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 zur Vorlage
In diesem Kurs gibt es 4 Module
Willkommen bei Introduction to Predictive Modeling, dem ersten Kurs der University of Minnesota's Analytics for Decision Making Specialization. Dieser Kurs führt Sie in die Konzepte, Prozesse und Anwendungen der prädiktiven Modellierung ein, wobei der Schwerpunkt auf linearen Regressions- und Zeitreihenprognosemodellen und deren praktischer Anwendung in Microsoft Excel liegt. Am Ende des Kurses werden Sie in der Lage sein: - die Konzepte, Prozesse und Anwendungen der prädiktiven Modellierung zu verstehen - die Struktur und Intuition von linearen Regressionsmodellen zu verstehen - einfache und multiple lineare Regressionsmodelle an Daten anzupassen, die Ergebnisse zu interpretieren, die Anpassungsgüte zu bewerten und angepasste Modelle für Vorhersagen zu verwenden.
- Das Problem der Über- und Unteranpassung verstehen und eine einfache Modellauswahl durchführen können - die Konzepte, Prozesse und Anwendungen der Zeitreihenprognose als spezielle Form der Vorhersagemodellierung verstehen - verschiedene Zeitreihenprognosemodelle anwenden können (z.B., verschiedene Zeitreihenmodelle (z.B. exponentielle Glättung und Holt-Winter-Methode) in Excel anpassen, die Anpassungsgüte bewerten und die angepassten Modelle zur Erstellung von Prognosen verwenden - verschiedene Datentypen verstehen und wissen, wie sie in Prognosemodellen verwendet werden können - Excel zur Vorbereitung von Daten für die Prognosemodellierung verwenden, einschließlich der Untersuchung von Datenmustern, der Transformation von Daten und des Umgangs mit fehlenden Werten. Dies ist ein Einführungskurs in die Prognosemodellierung. Der Kurs bietet eine Kombination aus konzeptionellem und praktischem Lernen. Während des Kurses bieten wir Ihnen die Möglichkeit, prädiktive Modellierungstechniken an realen Datensätzen mit Excel zu üben. Um diesen Kurs erfolgreich zu absolvieren, sollten Sie grundlegende mathematische Kenntnisse (das Konzept von Funktionen, Variablen und grundlegenden mathematischen Notationen wie Summation und Indizes) und grundlegende statistische Kenntnisse (Korrelation, Stichprobenmittelwert, Standardabweichung und Varianz) besitzen. Für diesen Kurs sind keine Programmierkenntnisse erforderlich, aber Sie sollten mit den grundlegenden Excel-Operationen vertraut sein (z.B. grundlegende Formeln und Diagramme). Für eine optimale Erfahrung sollten Sie eine aktuelle Version von Microsoft Excel auf Ihrem Computer installiert haben (z.B. Excel 2013, 2016, 2019 oder Office 365).
Dieses Modul bietet einen kurzen Überblick über prädiktive Modellierungsprobleme und zeigt deren breite Anwendungsmöglichkeiten auf. Anschließend konzentriert es sich auf die einfachste Form von Vorhersagemodellen: die einfache lineare Regression. Das Modul folgt einem grafischen Ansatz, um die Struktur eines einfachen linearen Regressionsmodells, die Intuition für Ordinary Least Squares und verwandte Konzepte zu veranschaulichen. Schließlich zeigen wir Ihnen, wie Sie verschiedene Excel-Tools wie Trendlinien, das Tool Regression und die Funktion Trend() verwenden, um ein einfaches lineares Regressionsmodell anzupassen und daraus Vorhersagen zu erstellen.
Das ist alles enthalten
9 Videos1 Lektüre4 Aufgaben1 Diskussionsthema
Infos zu Modulinhalt anzeigen
9 Videos•Insgesamt 69 Minuten
Spezialisierung: Analyse für die Entscheidungsfindung•8 Minuten
Persönliche Einführung•4 Minuten
Überblick über den Kurs•6 Minuten
Woche/Modul 1 Überblick: Was Sie diese Woche lernen werden•1 Minute
Einführung in prädiktive Modellierung•9 Minuten
Einführung in die lineare Regression•9 Minuten
Verstehen der Mechanik eines Regressionsmodells•10 Minuten
Verwenden von Excel zur Durchführung einer linearen Regression•11 Minuten
Lineare Regression für Vorhersagen verwenden•11 Minuten
1 Lektüre•Insgesamt 10 Minuten
Lesen Sie diesen Artikel über Anwendungen von Predictive Analytics•10 Minuten
Praxis-Quiz: Einführung in die lineare Regression•14 Minuten
Praxis-Quiz: Verstehen der Mechanik eines Regressionsmodells•6 Minuten
Übungsquiz zu Lineare Regression mit Excel•20 Minuten
1 Diskussionsthema•Insgesamt 10 Minuten
Anwendungen von Predictive Analytics•10 Minuten
Woche/Modul 2: Multiple lineare Regression
Modul 2•2 Stunden abzuschließen
Moduldetails
Aufbauend auf Woche 1 stellen wir in dieser Woche die multiple lineare Regression und ihre vielfältigen Anwendungsmöglichkeiten vor. Anschließend behandeln wir die Anpassung eines multiplen linearen Regressionsmodells mit dem Excel-Tool Regression und der Funktion Trend() und verwenden das resultierende Modell für Vorhersagen. In dem Modul werden außerdem die Probleme der Über- und Unteranpassung sowie die Grundprinzipien eines guten Regressionsmodells erörtert. Das Modul stellt auch einen Ansatz zur Auswahl eines guten Modells vor: die Rückwärtselimination, die in Excel implementiert werden kann.
Das ist alles enthalten
8 Videos1 Lektüre4 Aufgaben
Infos zu Modulinhalt anzeigen
8 Videos•Insgesamt 54 Minuten
Woche 2 Überblick über die multiple lineare Regression•1 Minute
Was ist multiple lineare Regression?•9 Minuten
Verstehen Sie Modellanpassung und Vorhersage mit multipler Regression•6 Minuten
Anpassen und Interpretieren von Mehrfachregressionsmodellen mit dem Regression Tool•9 Minuten
Vorhersagen mit dem Regressionstool treffen•7 Minuten
Vorhersagen mit der Funktion Trend machen•2 Minuten
Aufbau guter Regressionsmodelle•11 Minuten
Eine Demonstration der Rückwärtselimination•8 Minuten
1 Lektüre•Insgesamt 10 Minuten
Lesen Sie mehr über Modellspezifikation und Overfitting•10 Minuten
4 Aufgaben•Insgesamt 59 Minuten
Modul 2 Bewertetes Quiz zur multiplen linearen Regression•25 Minuten
Übungsquiz zu einer "Einführung in die multiple lineare Regression"•8 Minuten
Übungsquiz zu "Modellanpassung und Interpretation"•10 Minuten
Übungsquiz zu "Modellauswahl"•16 Minuten
Woche/Modul 3: Datenvorbereitung
Modul 3•3 Stunden abzuschließen
Moduldetails
In dieser Woche lernen wir, wie man einen Datensatz für die prädiktive Modellierung vorbereitet und stellen Excel-Tools vor, die für dieses Ziel genutzt werden können. Wir werden verschiedene Arten von Variablen besprechen und wie kategorische, String- und Datumswerte in der prädiktiven Modellierung genutzt werden können. Außerdem werden wir die Intuition für die Einbeziehung von Variablen höherer Ordnung und Interaktionsvariablen in Regressionsmodelle, das Problem der Multikollinearität und den Umgang mit fehlenden Werten diskutieren. Außerdem stellen wir Ihnen einige praktische Excel-Tools für die Datenverarbeitung und -untersuchung vor, darunter die Pivot-Tabelle, die IF()-Funktion, die VLOOKUP-Funktion und die relative Referenz.
Das ist alles enthalten
13 Videos6 Aufgaben1 Diskussionsthema
Infos zu Modulinhalt anzeigen
13 Videos•Insgesamt 91 Minuten
Woche 3 Überblick: Aufbereitung Ihrer Daten•1 Minute
Warum ist Datenaufbereitung wichtig?•5 Minuten
Arbeiten mit verschiedenen Variablentypen•7 Minuten
Umgang mit verschiedenen Variablentypen•9 Minuten
Excel Pivot-Tabelle zum Erkunden von Spaltenwerten verwenden•8 Minuten
Excel VLOOKUP zum Codieren von Ordinalvariablen verwenden•7 Minuten
Verwendung der Excel-Funktion IF zur Kodierung von Nominalvariablen•8 Minuten
Andere Verwendungen der Funktionen VLOOKUP und IF•5 Minuten
Umgang mit Daten/Zeitvariablen•5 Minuten
Excel-Demonstration zur Handhabung von Daten/Zeitvariablen•9 Minuten
Handhabung von Interaktionsvariablen hoher Ordnung•6 Minuten
Interaktionsvariablen•6 Minuten
Umgang mit fehlenden Werten & Modulzusammenfassung•15 Minuten
6 Aufgaben•Insgesamt 57 Minuten
Modul 3 Bewertetes Quiz zum Thema "Aufbereitung Ihrer Daten""•25 Minuten
Übungsquiz zu "Einführung in die Datenaufbereitung"•8 Minuten
Übungsquiz zu "String-Variablen"•14 Minuten
Übungsquiz zu "Datum/Zeit-Variablen"•4 Minuten
Übungsquiz zu "Variablen hoher Ordnung und Interaktionsvariablen"•4 Minuten
Übungsquiz zu "Umgang mit fehlenden Werten"•2 Minuten
1 Diskussionsthema•Insgesamt 10 Minuten
Ihre Erfahrungen mit der Datenaufbereitung•10 Minuten
Woche/Modul 4: Zeitreihenprognose
Modul 4•5 Stunden abzuschließen
Moduldetails
Dieses Modul konzentriert sich auf eine spezielle Untergruppe der prädiktiven Modellierung: die Zeitreihenprognose. Wir erörtern die Natur von Zeitreihendaten und die Struktur von Zeitreihenprognoseproblemen. Anschließend stellen wir eine Reihe von Zeitreihenmodellen für stationäre Daten und Daten mit Trends und Saisonalität vor. Der Schwerpunkt liegt dabei auf Techniken, die sich leicht in Excel implementieren lassen, darunter gleitender Durchschnitt, exponentielle Glättung, doppelter gleitender Durchschnitt, Holt-Methode und Holt-Winters-Methode. Das Modul behandelt auch die auf linearer Regression basierende Prognose und eine zusammengesetzte Prognosetechnik zur Erhöhung der Genauigkeit.
Das ist alles enthalten
19 Videos2 Lektüren6 Aufgaben1 Diskussionsthema
Infos zu Modulinhalt anzeigen
19 Videos•Insgesamt 158 Minuten
Woche 4 Überblick: Zeitreihenvorhersage•1 Minute
Zeitreihendaten und Zeitreihenprognosen•7 Minuten
Komponenten von Zeitreihen•10 Minuten
Metriken zur Modellgenauigkeit•11 Minuten
Gleitende Durchschnitte•13 Minuten
Wie man mit dem Modell der gleitenden Durchschnitte Prognosen erstellt•4 Minuten
Das Modell der exponentiellen Glättung•9 Minuten
Demonstration der Exponentialglättung•14 Minuten
Doppelte gleitende Durchschnitte•6 Minuten
Demonstration von doppelten gleitenden Durchschnitten•11 Minuten
Die University of Minnesota gehört zu den größten öffentlichen Forschungsuniversitäten des Landes und bietet Studenten, Absolventen und Berufstätigen eine Vielzahl von Möglichkeiten für Studium und Forschung. Mitten in einer der lebendigsten und vielfältigsten Metropolen des Landes gelegen, profitieren die Studenten auf dem Campus in Minneapolis und St. Paul von umfangreichen Partnerschaften mit weltbekannten Gesundheitszentren, internationalen Unternehmen, Regierungsbehörden sowie Kunst-, Non-Profit- und öffentlichen Dienstleistungsorganisationen.
OK
Mehr von Wahrscheinlichkeitsrechnung und Statistik entdecken
Wann werde ich Zugang zu den Vorlesungen und Aufgaben haben?
Um Zugang zu den Kursmaterialien und Aufgaben zu erhalten und um ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung erwerben, wenn Sie sich für einen Kurs anmelden. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen. Der Kurs kann stattdessen die Option "Vollständiger Kurs, kein Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was bekomme ich, wenn ich mich für diese Specialization einschreibe?
Wenn Sie sich für den Kurs einschreiben, erhalten Sie Zugang zu allen Kursen der Spezialisierung, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird Ihrer Seite "Leistungen" hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder Ihrem LinkedIn-Profil hinzufügen.
Ist finanzielle Hilfe verfügbar?
Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie die Einschreibegebühr nicht aufbringen können. Wenn für das von Ihnen gewählte Lernprogramm eine finanzielle Unterstützung oder ein Stipendium verfügbar ist, finden Sie auf der Beschreibungsseite einen Link zur Beantragung.