• für für Einzelpersonen
  • für Unternehmen
  • für für Hochschulen
  • für Behörden
Coursera
Anmelden
Kostenlose Teilnahme
Coursera
University of Michigan
Verstehen und Visualisieren von Daten mit Python
  • Info
  • Ergebnisse
  • Module
  • Empfehlungen
  • Referenzen
  • Bewertungen
  1. Blättern
  2. Datenverarbeitung
  3. Datenanalyse
University of Michigan

Verstehen und Visualisieren von Daten mit Python

Dieser Kurs ist Teil von Spezialisierung Statistik mit Python

Brenda Gunderson
Brady T. West
Kerby Shedden

Dozenten: Brenda Gunderson

Die Dozenten

Lehrkraftbewertungen

Wir haben alle Lernenden um Feedback zu unseren Dozenten gebeten, ausgehend von der Qualität ihres Unterrichtsstils.

4.7 (580 Bewertungen)
Brenda Gunderson
Brenda Gunderson
University of Michigan
3 Kurse•163.286 Lernende
Brady T. West
Brady T. West
University of Michigan
6 Kurse•166.937 Lernende
Kerby Shedden
Kerby Shedden
University of Michigan
3 Kurse•163.286 Lernende

147.268 bereits angemeldet

Bei Coursera Plus enthalten

•Mehr erfahren
4 Module
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.7

(2,688 Bewertungen)

Stufe Anfänger

Empfohlene Erfahrung

Empfohlene Erfahrung

Stufe „Anfänger“

Highschool-Algebra

Flexibler Zeitplan
2 Wochen bei 10 Stunden eine Woche
In Ihrem eigenen Lerntempo lernen
95%
Den meisten Lernenden hat dieser Kurs gefallen

4 Module
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.7

(2,688 Bewertungen)

Stufe Anfänger

Empfohlene Erfahrung

Empfohlene Erfahrung

Stufe „Anfänger“

Highschool-Algebra

Flexibler Zeitplan
2 Wochen bei 10 Stunden eine Woche
In Ihrem eigenen Lerntempo lernen
95%
Den meisten Lernenden hat dieser Kurs gefallen
  • Info
  • Ergebnisse
  • Module
  • Empfehlungen
  • Referenzen
  • Bewertungen

Was Sie lernen werden

  • Verschiedene Datentypen richtig identifizieren und die verschiedenen Verwendungszwecke für jeden einzelnen verstehen

  • Erstellen Sie Datenvisualisierungen und numerische Zusammenfassungen mit Python

  • Kommunizieren Sie statistische Ideen klar und prägnant an ein breites Publikum

  • Geeignete Analysemethoden für Wahrscheinlichkeits- und Nicht-Wahrscheinlichkeitsstichproben identifizieren

Kompetenzen, die Sie erwerben

  • Kategorie: Statistische Methoden
    Statistische Methoden
  • Kategorie: Jupyter
    Jupyter
  • Kategorie: Seaborn
    Seaborn
  • Kategorie: Statistische Inferenz
    Statistische Inferenz
  • Kategorie: Wahrscheinlichkeit & Statistik
    Wahrscheinlichkeit & Statistik
  • Kategorie: Datenanalyse
    Datenanalyse
  • Kategorie: Deskriptive Statistik
    Deskriptive Statistik
  • Kategorie: Statistik
    Statistik
  • Kategorie: Python-Programmierung
    Python-Programmierung
  • Kategorie: Wissenschaftliche Visualisierung
    Wissenschaftliche Visualisierung
  • Kategorie: Datenkompetenz
    Datenkompetenz
  • Kategorie: Datenvisualisierung
    Datenvisualisierung
  • Kategorie: Datenverarbeitung
    Datenverarbeitung
  • Kategorie: Stichproben (Statistik)
    Stichproben (Statistik)
  • Kategorie: Datenvisualisierungssoftware
    Datenvisualisierungssoftware
  • Kategorie: Matplotlib
    Matplotlib
  • Kategorie: Erhebung von Daten
    Erhebung von Daten
  • Kategorie: Explorative Datenanalyse
    Explorative Datenanalyse
  • Kategorie: NumPy
    NumPy
  • Kategorie: Statistische Analyse
    Statistische Analyse

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

9 Zuweisungen¹

KI-bewertet siehe Haftungsausschluss
Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Weitere Informationen zu Coursera für Unternehmen
 Logos von Petrobras, TATA, Danone, Capgemini, P&G und L'Oreal

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung Statistik mit Python
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

In diesem Kurs erhalten die Teilnehmer eine Einführung in das Gebiet der Statistik, einschließlich der Herkunft der Daten, des Studiendesigns, der Datenverwaltung und der Erforschung und Visualisierung von Daten. Die Lernenden werden verschiedene Arten von Daten identifizieren und lernen, wie man Zusammenfassungen für univariate und multivariate Daten visualisiert, analysiert und interpretiert. Die Lernenden werden auch mit den Unterschieden zwischen Wahrscheinlichkeitsstichproben und Nicht-Wahrscheinlichkeitsstichproben aus größeren Populationen vertraut gemacht, mit der Idee, wie Stichprobenschätzungen variieren und wie auf der Grundlage von Wahrscheinlichkeitsstichproben Rückschlüsse auf größere Populationen gezogen werden können. Am Ende jeder Woche werden die Lernenden die erlernten statistischen Konzepte mit Python in der Kursumgebung anwenden. Während dieser praxisorientierten Sitzungen lernen die Teilnehmer die verschiedenen Einsatzmöglichkeiten von Python als Werkzeug kennen, darunter die Bibliotheken Numpy, Pandas, Statsmodels, Matplotlib und Seaborn. Mit Hilfe von Tutorial-Videos werden die Teilnehmer durch die Erstellung von Visualisierungen und die Datenverwaltung mit Python geführt. Dieser Kurs nutzt die Jupyter Notebook-Umgebung von Coursera.

In der ersten Woche des Kurses werden wir eine Kursübersicht durchgehen und die verschiedenen Konzepte und Ziele entdecken, die in den kommenden Wochen zu bewältigen sind. Sie erhalten eine Einführung in das Gebiet der Statistik und erkunden eine Vielzahl von Perspektiven, die das Gebiet zu bieten hat. Wir werden zahlreiche Datentypen identifizieren, die es gibt, und beobachten, wo sie im täglichen Leben zu finden sind. Sie werden sich mit den grundlegenden Funktionen von Python vertraut machen und eine Einführung in Jupyter Notebook erhalten. Alle Kursinformationen zu Einstufung, Voraussetzungen und Erwartungen finden Sie auf dem Kursplan und weitere Informationen finden Sie auf unserer Seite Kursressourcen.

Das ist alles enthalten

11 Videos7 Lektüren2 Aufgaben1 Diskussionsthema5 Unbewertete Labore

11 Videos•Insgesamt 113 Minuten
  • Willkommen auf dem Kurs!•2 Minuten•Modulvorschau
  • Verstehen und Visualisieren von Daten Richtlinien•3 Minuten
  • Was ist Statistik?•9 Minuten
  • Interview: Perspektiven der Statistik im echten Leben•28 Minuten
  • (Coole Sachen in) Daten•8 Minuten
  • Woher kommen die Daten?•12 Minuten
  • Variable Typen•5 Minuten
  • Studiendesign•6 Minuten
  • Optional: Einführung in Jupyter Notebooks•9 Minuten
  • Optional: Datentypen in Python•12 Minuten
  • Optional: Einführung in Bibliotheken und Datenmanagement•13 Minuten
7 Lektüren•Insgesamt 62 Minuten
  • Syllabus•10 Minuten
  • Treffen Sie das Kursteam!•10 Minuten
  • Über unsere Datensätze•2 Minuten
  • Helfen Sie uns, mehr über Sie zu erfahren!•10 Minuten
  • Ressource: Dies ist Statistik•10 Minuten
  • Lassen Sie uns mit Daten spielen!•10 Minuten
  • Datenverwaltung und -manipulation•10 Minuten
2 Aufgaben•Insgesamt 40 Minuten
  • Übungsquiz - Variablentypen•30 Minuten
  • Bewertung: Verschiedene Datentypen•10 Minuten
1 Diskussionsthema•Insgesamt 10 Minuten
  • Diskussion: Drei Leitfragen•10 Minuten
5 Unbewertete Labore•Insgesamt 60 Minuten
  • Einführung in Jupyter Notebooks•0 Minuten
  • Datentypen in Python•0 Minuten
  • Einführung in Bibliotheken und Datenmanagement•0 Minuten
  • Fortsetzung der Datengrundlagen•30 Minuten
  • Tieferes Eintauchen in Datenmanagement & Python-Ressourcen•30 Minuten

In der zweiten Woche dieses Kurses werden wir uns mit grafischen und numerischen Interpretationen für eine Variable (univariate Daten) beschäftigen. Insbesondere werden wir Histogramme, Boxplots und numerische Zusammenfassungen unserer Daten erstellen und analysieren, um eine Analysegrundlage für quantitative Daten und Balkendiagramme und Kreisdiagramme für kategoriale Daten zu schaffen. Zu unseren numerischen Zusammenfassungen, wie Mittelwert, IQR und Standardabweichung, werden einige wichtige Interpretationen vorgenommen. Am Ende der Woche gibt es eine Bewertung der numerischen Zusammenfassungen und der Interpretationen dieser Zusammenfassungen.

Das ist alles enthalten

6 Videos3 Lektüren3 Aufgaben1 Diskussionsthema6 Unbewertete Labore

6 Videos•Insgesamt 44 Minuten
  • Kategoriale Daten: Tabellen, Balkendiagramme und Kreisdiagramme•4 Minuten•Modulvorschau
  • Quantitative Daten: Histogramme•12 Minuten
  • Quantitative Daten: Numerische Zusammenfassungen•9 Minuten
  • Standard-Score (Empirische Regel)•7 Minuten
  • Quantitative Daten: Boxplots•6 Minuten
  • Demo: Interaktives Histogramm & Boxplot•4 Minuten
3 Lektüren•Insgesamt 30 Minuten
  • Was ist in dieser Grafik zu sehen?•10 Minuten
  • Moderne Infografiken•10 Minuten
  • Optional: Link zu einer Grafik-Galerie•10 Minuten
3 Aufgaben•Insgesamt 35 Minuten
  • Praxis-Quiz: Diagramme in Worten zusammenfassen•15 Minuten
  • Bewertung: Numerische Zusammenfassungen•10 Minuten
  • Python Bewertung: Univariate Analyse•10 Minuten
1 Diskussionsthema•Insgesamt 10 Minuten
  • Was ist da? Was ist nicht da?•10 Minuten
6 Unbewertete Labore•Insgesamt 180 Minuten
  • Python-Bibliotheken und eine Einführung in die grafische Darstellung•0 Minuten
  • Tabellen, Histogramme und Boxplots in Python•0 Minuten
  • Fallstudie zu univariaten Datenanalysen anhand von NHANES-Daten•30 Minuten
  • Mehr Praxis: Univariate Analyse mit NHANES•60 Minuten
  • Mehr Praxis: Univariate Analyse mit NHANES (Lösungen)•60 Minuten
  • Univariate Analyse: Bewertung Notebook•30 Minuten

In der dritten Woche dieses Kurses über die Betrachtung von Daten werden wir wichtige Ideen für die Untersuchung von Forschungsfragen vorstellen, die die Betrachtung von mehr als einer Variable erfordern. Insbesondere werden wir sowohl numerisch als auch visuell untersuchen, wie verschiedene Variablen interagieren, wie Zusammenfassungen irreführend wirken können, wenn Sie Interaktionen nicht richtig berücksichtigen, und welche Unterschiede zwischen quantitativen und kategorialen Variablen bestehen. Die Aufgabe in dieser Woche besteht aus einer schriftlichen Arbeit und der Überprüfung der Arbeiten Ihrer Kollegen.

Das ist alles enthalten

4 Videos2 Lektüren2 Aufgaben1 peer review1 Diskussionsthema6 Unbewertete Labore

4 Videos•Insgesamt 22 Minuten
  • Betrachtung von Assoziationen mit multivariaten kategorialen Daten•9 Minuten•Modulvorschau
  • Betrachtung von Assoziationen mit multivariaten quantitativen Daten•7 Minuten
  • Demo: Interaktives Streudiagramm•2 Minuten
  • Einführung in die Pizza Zuweisung•2 Minuten
2 Lektüren•Insgesamt 20 Minuten
  • Fallstrick: Das Simpsonsche Paradoxon•10 Minuten
  • Moderne Wege zur Visualisierung von Daten•10 Minuten
2 Aufgaben•Insgesamt 25 Minuten
  • Praxis-Quiz: Multivariate Daten•10 Minuten
  • Python Bewertung: Multivariate Analyse•15 Minuten
1 peer review•Insgesamt 60 Minuten
  • Pizza-Studie Design-Zuordnung•60 Minuten
1 Diskussionsthema•Insgesamt 15 Minuten
  • Diskussion: Finden Sie Ihr eigenes Beispiel•15 Minuten
6 Unbewertete Labore•Insgesamt 120 Minuten
  • Multivariate Datenauswahl•0 Minuten
  • Multivariate Verteilungen•0 Minuten
  • Einheitstest•0 Minuten
  • Fallstudie zu multivariaten Analysen in NHANES•30 Minuten
  • Mehr Praxis: Multivariate Analysen mit NHANES•60 Minuten
  • Multivariate Analyse: Bewertungsheft•30 Minuten

In dieser Woche werden Sie mehr Zeit damit verbringen, darüber nachzudenken, woher die Daten kommen. Die qualitativ hochwertigsten statistischen Analysen von Daten enthalten immer auch Informationen über den Prozess, mit dem die Daten erzeugt wurden, oder über die Merkmale der Datenerfassung. Sie werden wichtige Konzepte im Zusammenhang mit Stichproben aus größeren Populationen kennenlernen, einschließlich Wahrscheinlichkeits- und Nichtwahrscheinlichkeitsstichproben, und erfahren, wie wir auf der Grundlage gut konzipierter Stichproben Rückschlüsse auf größere Populationen ziehen können. Außerdem lernen Sie das Konzept der Stichprobenverteilung kennen und erfahren, wie die Schätzung der Varianz dieser Verteilung eine entscheidende Rolle bei der Erstellung von Aussagen über Populationen spielt. Schließlich lernen Sie, wie wichtig es ist, die Dokumentation eines bestimmten Datensatzes zu lesen. Ein wichtiger Schritt bei der Betrachtung von Daten ist auch die verfügbare Dokumentation zu diesem Datensatz, in der beschrieben wird, wie die Daten erzeugt wurden

Das ist alles enthalten

12 Videos10 Lektüren2 Aufgaben4 Unbewertete Labore

12 Videos•Insgesamt 174 Minuten
  • Stichproben aus gut definierten Populationen•16 Minuten•Modulvorschau
  • Wahrscheinlichkeitsstichproben: Teil I•10 Minuten
  • Wahrscheinlichkeitsstichproben: Teil II•15 Minuten
  • Nicht-Wahrscheinlichkeitsstichproben: Teil I•10 Minuten
  • Nicht-Wahrscheinlichkeitsstichproben: Teil II•9 Minuten
  • Stichprobenvarianz & Stichprobenverteilungen: Teil I•15 Minuten
  • Stichprobenvarianz & Stichprobenverteilungen: Teil II•7 Minuten
  • Demo: Interaktive Stichprobenverteilung•21 Minuten
  • Jenseits der Mittelwerte: Stichprobenverteilungen von anderen gängigen Statistiken•10 Minuten
  • Rückschlüsse auf die Bevölkerung auf der Grundlage nur einer Stichprobe ziehen•14 Minuten
  • Inferenz für Nicht-Wahrscheinlichkeitsstichproben•17 Minuten
  • Komplexe Stichproben•23 Minuten
10 Lektüren•Insgesamt 95 Minuten
  • Aufbauend auf Visualisierungskonzepten•5 Minuten
  • Mehr zu den SRS-Einschlusswahrscheinlichkeiten•10 Minuten
  • Potenzielle Fallstricke der Nicht-Wahrscheinlichkeitsstichprobe: Eine Fallstudie•10 Minuten
  • Cluster-Stichproben und Designeffekte•10 Minuten
  • Ressource: Theorie des Sehens•10 Minuten
  • Artikel: Jerzy Neyman über Populationsinferenz•10 Minuten
  • Vermeiden von schlechten/gefälschten Stichproben•10 Minuten
  • Optional: Tiefer gehende Referenz•10 Minuten
  • Kurs-Feedback•10 Minuten
  • Lernen Sie weiter mit Michigan Online•10 Minuten
2 Aufgaben•Insgesamt 30 Minuten
  • Bewertung: Unterscheidung zwischen wahrscheinlichen und nicht-wahrscheinlichen Stichproben•10 Minuten
  • Generierung von Zufallsdaten und Stichproben•20 Minuten
4 Unbewertete Labore•Insgesamt 30 Minuten
  • Stichproben aus einer verzerrten Population•0 Minuten
  • Zufälligkeit und Reproduzierbarkeit•0 Minuten
  • Die empirische Regel der Verteilung•0 Minuten
  • Veranschaulichung von Stichprobenverteilungen anhand von NHANES•30 Minuten

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

Lehrkraftbewertungen

Lehrkraftbewertungen

Wir haben alle Lernenden um Feedback zu unseren Dozenten gebeten, ausgehend von der Qualität ihres Unterrichtsstils.

4.7 (580 Bewertungen)
Brenda Gunderson
Brenda Gunderson
University of Michigan
3 Kurse•163.286 Lernende

Die Dozenten

Lehrkraftbewertungen

Wir haben alle Lernenden um Feedback zu unseren Dozenten gebeten, ausgehend von der Qualität ihres Unterrichtsstils.

4.7 (580 Bewertungen)
Brenda Gunderson
Brenda Gunderson
University of Michigan
3 Kurse•163.286 Lernende
Brady T. West
Brady T. West
University of Michigan
6 Kurse•166.937 Lernende
Kerby Shedden
Kerby Shedden
University of Michigan
3 Kurse•163.286 Lernende

von

University of Michigan

von

University of Michigan

Die Aufgabe der University of Michigan ist es, den Menschen in Michigan und der Welt zu dienen, indem sie bei der Schaffung, Vermittlung, Bewahrung und Anwendung von Wissen, Kunst und akademischen Werten sowie bei der Entwicklung von Führungskräften und Bürgern, die die Gegenwart herausfordern und die Zukunft bereichern, eine herausragende Stellung einnimmt.

Mehr von Datenanalyse entdecken

  • Status: Vorschau
    Vorschau
    C

    Codio

    Visualizing Data & Communicating Results in Python

    Kurs

  • Status: Kostenloser Testzeitraum
    Kostenloser Testzeitraum
    I

    IBM

    Data Visualization with Python

    Kurs

  • Status: Kostenloser Testzeitraum
    Kostenloser Testzeitraum
    M

    Microsoft

    Data Analysis and Visualization with Python

    Kurs

  • Status: Kostenloser Testzeitraum
    Kostenloser Testzeitraum
    R

    Rice University

    Python Data Visualization

    Kurs

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

2.688 Bewertungen

  • 5 stars

    75,89 %

  • 4 stars

    18,48 %

  • 3 stars

    3,53 %

  • 2 stars

    0,96 %

  • 1 star

    1,11 %

Zeigt 3 von 2688 an

M
MR
5

Geprüft am 3. Juni 2020

Never have I come across a course half as interactive as this and it was a much needed confidence booster for a beginner like me. I look forward to completing the specialization : )

L
LV
5

Geprüft am 29. Sep. 2021

I've learned so much about the Python programming as well as general statistical skills. This course also lead me to change my initial university's major from Finance to Data Science.

R
RK
4

Geprüft am 15. Mai 2022

Great course to start with Statistics. Methods of data collection and their implications are explained in good detail. Good start with coding in Python visualizing data as well.

Weitere Bewertungen anzeigen
Coursera Plus

Neue Karrieremöglichkeiten mit Coursera Plus

Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten

Mehr erfahren

Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.

Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online

Erkunden Sie die Abschlüsse

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.

Mehr erfahren

Häufig gestellte Fragen

Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Einschreibung ab. Wenn Sie einen Kurs im Prüfungsmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung während oder nach Ihrer Prüfung erwerben. Wenn Sie die Prüfungsoption nicht sehen:

  • Der Kurs bietet möglicherweise keine Prüfungsoption. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.

  • Der Kurs bietet möglicherweise stattdessen die Option 'Vollständiger Kurs, kein Zertifikat'. 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.

Wenn Sie sich für den Kurs einschreiben, erhalten Sie Zugang zu allen Kursen der Specializations, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird Ihrer Erfolgsseite hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder zu Ihrem LinkedIn-Profil hinzufügen. Wenn Sie die Kursinhalte nur lesen und ansehen möchten, können Sie den Kurs kostenlos besuchen.

Wenn Sie ein Abonnement abgeschlossen haben, erhalten Sie eine kostenlose 7-tägige Testphase, in der Sie kostenlos kündigen können. Danach gewähren wir keine Rückerstattung, aber Sie können Ihr Abonnement jederzeit kündigen. Siehe unsere vollständigen RückerstattungsbedingungenWird auf einer neuen Registerkarte geöffnet.

Ja. Für ausgewählte Lernprogramme können Sie eine 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.

Weitere Fragen

Besuchen Sie die das Hilfe-Center für Kursteilnehmer.

Finanzielle Unterstützung verfügbar,

¹ Einige Aufgaben in diesem Kurs werden mit AI bewertet. Für diese Aufgaben werden Ihre Daten in Übereinstimmung mit Datenschutzhinweis von Courseraverwendet.

Coursera-Fußzeile

Technische Fertigkeiten

  • ChatGPT
  • Programmieren
  • Informatik
  • Cybersicherheit
  • DevOps
  • Ethisches Hacking
  • Generative KI
  • Java Programmierung
  • Python
  • Webentwicklung

Analytische Fähigkeiten

  • Künstliche Intelligenz
  • Big Data
  • Unternehmensanalyse
  • Datenanalyse
  • Datenverarbeitung
  • Finanzplanung
  • Maschinelles Lernen
  • Microsoft Excel
  • Microsoft Power BI
  • SQL

Business-Fähigkeiten

  • Buchhaltung
  • Digitales Marketing
  • E-Commerce
  • Finanzen
  • Google
  • Grafikdesign
  • IBM
  • Marketing
  • Projektmanagement
  • Social Media-Marketing

Karriere-Ressourcen

  • Wichtige IT-Zertifizierungen
  • Einkommensstarke Fähigkeiten zu erlernen
  • So erwerben Sie eine PMP-Zertifizierung
  • Wie man künstliche Intelligenz lernt
  • Beliebte Zertifizierungen für Cybersicherheit
  • Beliebte Datenanalyse-Zertifizierungen
  • Was macht ein Datenanalyst?
  • Ressourcen für die berufliche Entwicklung
  • Berufseignungstest
  • Teilen Sie Ihre Coursera Lerngeschichte

Coursera

  • Info
  • Was wir anbieten
  • Leitung
  • Jobs
  • Katalog
  • Coursera Plus
  • Berufsbezogene Zertifikate
  • MasterTrack® Certificates
  • Abschlüsse
  • Für Unternehmen
  • Für Regierungen
  • Für Campus
  • Werden Sie Partner
  • Soziale Auswirkung
  • Kostenlose Kurse
  • ECTS-Credit-Empfehlungen

Community

  • Kursteilnehmer
  • Partner
  • Beta-Tester
  • Blog
  • Der Coursera-Podcast
  • Tech-Blog

Mehr

  • Presse
  • Anleger
  • Nutzungsbedingungen/AGB
  • Datenschutz
  • Hilfe
  • Barrierefreiheit
  • Kontakt
  • Artikel
  • Verzeichnis
  • Partnerunternehmen
  • Stellungnahme zu moderner Sklaverei
  • Cookie-Einstellungen verwalten
Überall lernen
Aus dem App Store herunterladen
Erhältlich bei Google Play
Logo von Certified B Corporation
© 2025 Coursera Inc. Alle Rechte vorbehalten.
  • Coursera Facebook
  • Coursera LinkedIn
  • Coursera Twitter
  • Coursera YouTube
  • Coursera Instagram
  • Coursera auf TikTok
Coursera

Willkommen zurück

​
Ihr Passwort ist ausgeblendet
​

oder

Neu bei Coursera?


Sie haben Schwierigkeiten bei der Anmeldung? Learner Help Center

Diese Seite ist durch reCAPTCHA Enterprise geschützt. Es gelten die Datenschutzerklärung und Nutzungsbedingungen von Google.