Der Weg zu deiner Traumkarriere
87 Kurs entspricht deinen Filterkriterien.
87 Ergebnisse
1 Filter angewendet
Propensity-Score-Modelle
Propensity-Score-Modelle sind statistische Verfahren zur Schätzung der Wahrscheinlichkeit, mit der ein bestimmtes Ereignis eintritt – etwa ein Kauf, eine Kündigung oder e...
- Analysieren Sie die typischen Anwendungsfälle von Propensity...
- Definieren Sie eine geeignete Zielvariable und bereiten Sie...
- +6 weitere Lernziele
Bandit-Algorithmen für A/B-Tests
Bandit-Algorithmen für A/B-Tests sind eine Klasse von Optimierungsverfahren, die das klassische Testen von Varianten mit adaptiver Entscheidungsfindung verbinden.
- Analysieren Sie die Grenzen klassischer A/B-Tests und identi...
- Erklären Sie das Multi-Armed-Bandit-Problem und seine direkt...
- +6 weitere Lernziele
Differenz-in-Differenzen-Analyse
Die Differenz-in-Differenzen-Analyse (DiD) ist ein quantitatives Verfahren zur Schätzung kausaler Effekte von Behandlungen oder Interventionen, wenn randomisierte Experim...
- Bewerten Sie die Rolle des kontrafaktischen Zustands bei der...
- Implementieren Sie das klassische Zwei-Gruppen-Zwei-Perioden...
- +6 weitere Lernziele
Synthetische Kontrollmethode
Die Synthetische Kontrollmethode ist ein statistisches Verfahren zur Schätzung kausaler Effekte von Interventionen, wenn keine randomisierte Kontrollgruppe existiert.
- Analysieren Sie die Konzepte der potenziellen Ergebnisse und...
- Bewerten Sie die Notwendigkeit von Vergleichsgruppen angesic...
- +6 weitere Lernziele
Propensity Score Matching
Propensity Score Matching ist ein statistisches Verfahren zur Reduktion von Selektionsbias in Beobachtungsdaten, wenn keine Randomisierung möglich ist.
- Sie analysieren den Selektionsbias in Beobachtungsstudien mi...
- Sie schätzen den Propensity Score mithilfe logistischer Regr...
- +6 weitere Lernziele
Sequentielles Testen und frühes Stoppen
Sequentielles Testen ist ein statistisches Verfahren, bei dem Daten nicht in einem festen Umfang gesammelt werden, sondern schrittweise – mit der Möglichkeit, nach jeder...
- Bewerten Sie die Vor- und Nachteile klassischer Hypothesente...
- Entwerfen Sie einen sequentiellen Wahrscheinlichkeitsquotien...
- +6 weitere Lernziele
Multi-Armed-Bandit-Experimente
Multi-Armed-Bandit-Experimente sind ein Teilgebiet des maschinellen Lernens und der Entscheidungstheorie, das sich mit der optimalen Ressourcenallokation unter Unsicherhe...
- Analysieren Sie die mathematischen Grundlagen des Multi-Arme...
- Implementieren Sie den Epsilon-Greedy-Algorithmus und bewert...
- +6 weitere Lernziele
Datenqualität: Dimensionen und Metriken
Datenqualität beschreibt den Grad, in dem Daten für ihren vorgesehenen Zweck geeignet sind, und wird anhand verschiedener Dimensionen beurteilt.
- Bewerten Sie die Bedeutung der Datenqualität für geschäftlic...
- Vergleichen Sie die zentralen Dimensionen der Datenqualität...
- +6 weitere Lernziele
Semantische Schicht und Metrik-Store
Eine semantische Schicht ist eine Abstraktionsebene zwischen den physischen Datenquellen und den Konsumenten von Daten, die fachliche Geschäftslogik, Definitionen und Bez...
- Unterscheiden Sie Metriken von Kennzahlen und wenden Sie die...
- Entwerfen Sie die Architektur einer semantischen Schicht, ei...
- +6 weitere Lernziele
Fehlende Daten und multiple Imputation
Fehlende Daten sind ein allgegenwärtiges Phänomen in nahezu jeder empirischen Studie – sei es durch Antwortverweigerung, technische Ausfälle oder Studienabbrüche.
- Analysieren Sie die Mechanismen fehlender Daten (MCAR, MAR,...
- Bewerten Sie einfache Verfahren wie Listenweises Löschen und...
- +6 weitere Lernziele
Überlebenszeitanalyse und Ereigniszeitmodelle
Die Überlebenszeitanalyse ist ein Zweig der Statistik, der sich mit der Modellierung der Zeit bis zum Eintreten eines Ereignisses befasst – sei es Tod, Krankheitsrückfall...
- Schätzen Sie die Überlebensfunktion mit der Kaplan-Meier-Met...
- Passen Sie parametrische Verteilungen wie Exponential oder W...
- +6 weitere Lernziele
Bayesianische Media-Mix-Modellierung
Die Bayesianische Media-Mix-Modellierung ist ein statistischer Ansatz zur Quantifizierung des Beitrags einzelner Marketingkanäle zu Verkaufs- oder Geschäftsergebnissen.
- Analysieren Sie die Grundlagen der Media-Mix-Modellierung un...
- Wenden Sie Bayes'sche Prinzipien an, um Unsicherheiten in de...
- +6 weitere Lernziele
Inkrementalitätstest-Design
Inkrementalitätstest-Design ist die Disziplin, Experimente so zu konzipieren, dass sie den kausalen Effekt einer Maßnahme isolieren – also den Unterschied zwischen dem, w...
- Analysieren Sie das Konzept der Inkrementalität und seine Ro...
- Entwerfen Sie ein kontrolliertes Experiment zur Isolierung d...
- +6 weitere Lernziele
Statistische Teststärke für Inkrementalitätstests
Die statistische Teststärke (Power) beschreibt die Wahrscheinlichkeit, einen tatsächlich vorhandenen Effekt in einem Experiment auch als signifikant zu erkennen.
- Erklären Sie die Beziehung zwischen Fehlerarten (Typ I und I...
- Entwerfen Sie einen Inkrementalitätstest, der den kausalen E...
- +6 weitere Lernziele
Machine Learning Nachfrageprognose
Machine Learning Nachfrageprognose ist ein Teilgebiet des Predictive Analytics, das sich mit der Vorhersage zukünftiger Nachfrage auf Basis historischer Zeitreihendaten b...
- Bereiten Sie Zeitreihendaten für die Analyse auf, indem Sie...
- Visualisieren Sie Zeitreihen mit Linien- und Saisonplots, um...
- +6 weitere Lernziele