Basis wiskunde en statistiek - eLearning
450,00 EUR
- 3 hours
Bouw een sterke analytische mindset op met de Maths & Statistics Foundation Training, ontwikkeld om kernbegrippen uit de wiskunde en statistiek te vereenvoudigen voor toepassingen in de praktijk. Deze cursus helpt je om met meer zelfvertrouwen met data te werken door essentiële onderwerpen onder de knie te krijgen, zoals beschrijvende statistiek, kansrekening, verdelingen en fundamentele wiskundige technieken die worden gebruikt in analytics en datagedreven besluitvorming.
Belangrijkste functies
Taal
Cursus en lesmateriaal in het Engels
Niveau
Niveau: beginner - gemiddeld
Toegang
1 jaar toegang tot het leerplatform
3 uur aan video's op aanvraag
met meer dan 10 uur aanbevolen studietijd
18 begeleide praktische oefeningen
4 automatisch beoordeelde toetsen
33 Herhalingsquizzen
1 Uitgebreide Opdrachten
Certificaat
Inclusief certificaat van afronding van het programma
Leerdoelen
Aan het einde van deze cursus ben je in staat om het volgende te begrijpen:
Fundamenteel
Begin met fundamentele begrippen zoals het gemiddelde, de mediaan en de modus, en onderzoek hoe schalen en verschuiven de gegevens beïnvloeden.
Regressie
Krijg inzicht in regressieanalyse en het concept van de Root Mean Square Error (RMSE).
Datawetenschap
Ontdek hoe wiskunde en statistiek worden toegepast in data science, machine learning en business intelligence.
ANOVA
Maak kennis met variantieanalyse (ANOVA) en de praktische toepassingen ervan.
Hypothese
Leer de principes van hypothesetoetsing, inclusief de t-toets en de t-verdeling.
Cursustijdlijn
Beschrijvende statistiek
Les 01
- Gemiddelde, Mediaan, Modus
- Gemiddelde vs Mediaan
- Scheefheid
- Oefening met scheefheid
- Oplossing voor scheefheid
- Bereik en IQR
- Steekproef vs populatie
- Variantie en standaarddeviatie
- Effect van schalen en verschuiven
- Statistische momenten
Distributie
Les 02
- Wat is een distributie?
- Normale verdeling
- Z-scores
- Oefening - Normale verdeling
- Oplossing - Normale verdeling
Kansrekening
Les 03
- Kansrekening: basis en fundamentele concepten
- Regels voor optellen en vermenigvuldigen met oefeningen en oplossingen
- De stelling van Bayes en toegepaste voorbeelden
- Verwachte waarde met oefenopgaven
- Wet van de grote aantallen
- Centrale limietstelling (theorie, intuïtie, uitdagingen en oefeningen)
- Binomiale en Poisson-verdelingen
- Toepassingen van kansrekening in het echte leven
Toetsen van hypothesen
Les 04
- Inleiding tot hypothesetoetsing en de rol ervan in data science
- Inzicht in hypothesen, significantieniveau en p-waarden
- Type I- en Type II-fouten
- Betrouwbaarheidsintervallen en foutmarge
- Steekproefgroottebepaling en statistische power
- Stappen voor het uitvoeren van een hypothesetoets
- Oefening en uitwerking
- T-toets en T-verdeling
- Toetsen van proporties
- Belangrijke P–Z-waarderelaties
Regressie
Les 05
- Inleiding tot regressieanalyse
- Lineaire regressie en correlatiecoëfficiënt
- Oefeningen en oplossingen over correlatie en regressie
- Residualen, MSE en MAE met oefenopgaven
- Determinatiecoëfficiënt (R²)
- Root Mean Square Error (RMSE) met oefeningen en oplossingen
- Concepten van multiple lineaire regressie
Geavanceerde regressie- en ML-algoritmen
Les 06
- Meervoudige lineaire regressie
- Polynomiale en logistische regressie
- Beslissingsbomen en regressiebomen
- Random forests
- Overfitting en problemen met modelprestaties
- Strategieën voor het omgaan met ontbrekende gegevens om de overkoepelende aspecten in je applicatie of programma te implementeren.
- implementeer aspectgeoriënteerd programmeren om dwarsdoorsnijdende zorgen te vermijden
ANOVA
Les 07
- Basisprincipes van ANOVA en belangrijke aannames
- Eenweg-ANOVA
- F-verdeling
- Tweeweg-ANOVA (kwadratensom)
- F-ratio en interpretatie van de resultaten
Voor wie is dit programma bedoeld?
Beginnende datawetenschappers en data-analisten
Software-ingenieurs die overstappen naar data-/AI-functies
Business- en financiële professionals die met data werken
Iedereen die zijn vaardigheden in data-interpretatie en kwantitatief denken wil verbeteren
Vereisten
Er is geen gevorderde wiskundige achtergrond vereist. Wel zullen cursisten profiteren van:
- Basiswiskunde op middelbareschoolniveau (algebra en rekenkunde)
- Vertrouwdheid met alledaagse dataconcepten (grafieken, gemiddelden, percentages)
- Basis computervaardigheden
- Er is geen eerdere ervaring met statistiek, programmeren of datawetenschap nodig.
Verklaringen
Licenties en accreditatie
Deze cursus wordt aangeboden in overeenstemming met de Partnerprogramma-overeenkomst en voldoet aan de vereisten van de Licentieovereenkomst.
Gelijkheidsbeleid
Kandidaten worden aangemoedigd om contact op te nemen met AVC voor begeleiding en ondersteuning tijdens het gehele accommodatieproces.
Veelgestelde vragen
Heeft u bedrijfsoplossingen of LMS-integratie nodig
Heb je niet de cursus of het programma gevonden dat geschikt zou zijn voor jouw bedrijf? Heb je een LMS-integratie nodig? Neem contact met ons op! Wij zullen met een passende oplossing komen!