Angewandte Statistik und prädiktive Methoden
Übersicht
Microcredentials
Zertifikat
6
Universität Ulm
Ulm
bis
Deutsch
1.920,00 €
Berufsbegleitender Kurs
1 Semester
Wissensgruppen und Schwerpunkte
Wissensgruppen und Wissensbereiche
Schwerpunkte
Zu den Schwerpunkten des Weiterbildungsangebotes gehören: Business Analytics
Gesamtkosten
Die Gesamtkosten des Weiterbildungsangebots belaufen sich auf 1.920,00 Euro.Lehr- und Lernformate
Berufsbegleitender Kurs
Selbstlernphasen (Asynchron)Übungen (Asynchron)Tutorien (Synchron)Seminare (Präsenz)Prüfungen (Präsenz)
Information
- Asynchron: Bei einem asynchronen Konzept werden die Kursmaterialien (Texte, Präsentationen, Podcasts, Screencasts, Videos) zur Verfügung gestellt und die Teilnehmer können diese zu einem anderen Zeitpunkt abrufen bzw. bearbeiten.
- Synchron: Bei einer synchron stattfindenden Veranstaltung sind Sie und Ihre Studierenden gleichzeitig in einem virtuellen Raum oder auf einer Plattform anwesend.
- Präsenz: Bei einer Veranstaltung vom Typ 'Präsenz' ist die Teilnahme am Standort der weiterbildenden Hochschule erforderlich.
Der Zertifikatskurs findet im Blended-Learning-Format statt, das bis zu 80% Online- bzw. Selbstlernphasen mit wenigen Präsenzveranstaltungen kombiniert.
Der Zertifikatskurs richtet sich an Berufseinsteigende, an junge Führungskräfte sowie ProjektleiterInnen und BeraterInnen, die ihre Kompetenzen im Umgang mit den Herausforderungen „Industrie 4.0“ und „Big Data“ optimal ausbauen und vertiefen wollen.
Angebotsdauer: 1 Semester
Workload: 180 Stunden
Fristen und Termine
Angebotszeitraum
%3b%7d.cls-4%7bstroke:url(%23Unbenannter_Verlauf_32-2)%3b%7d.cls-5%7bstroke:url(%23Unbenannter_Verlauf_32-3)%3b%7d.cls-6%7bstroke:url(%23Unbenannter_Verlauf_32-4)%3b%7d.cls-7%7bstroke-linejoin:bevel%3b%7d.cls-8%7bstroke:url(%23Unbenannter_Verlauf_32-5)%3b%7d.cls-9%7bstroke:url(%23Unbenannter_Verlauf_32-6)%3b%7d%3c/style%3e%3clinearGradient id='Unbenannter_Verlauf_32' x1='469.9' y1='-3439.56' x2='526.28' y2='-3439.56' gradientTransform='translate(1077.25 -3235.87) rotate(180)' gradientUnits='userSpaceOnUse'%3e%3cstop offset='0' stop-color='white'/%3e%3cstop offset='1' stop-color='%23796363'/%3e%3c/linearGradient%3e%3clinearGradient id='Unbenannter_Verlauf_32-2' x1='703.59' y1='-3439.56' x2='759.97' y2='-3439.56' xlink:href='%23Unbenannter_Verlauf_32'/%3e%3clinearGradient id='Unbenannter_Verlauf_32-3' x1='-2439.85' y1='-3439.56' x2='-2383.47' y2='-3439.56' gradientTransform='matrix(1%2c 0%2c 0%2c -1%2c 2632.06%2c -3235.87)' xlink:href='%23Unbenannter_Verlauf_32'/%3e%3clinearGradient id='Unbenannter_Verlauf_32-4' x1='-2208.03' y1='-3439.56' x2='-2151.65' y2='-3439.56' gradientTransform='matrix(1%2c 0%2c 0%2c -1%2c 2632.06%2c -3235.87)' xlink:href='%23Unbenannter_Verlauf_32'/%3e%3clinearGradient id='Unbenannter_Verlauf_32-5' x1='-2039.28' y1='-3580.28' x2='-1982.9' y2='-3580.28' gradientTransform='matrix(1%2c 0%2c 0%2c -1%2c 2632.06%2c -3235.87)' xlink:href='%23Unbenannter_Verlauf_32'/%3e%3clinearGradient id='Unbenannter_Verlauf_32-6' x1='870.26' y1='-3580.53' x2='926.65' y2='-3580.53' xlink:href='%23Unbenannter_Verlauf_32'/%3e%3c/defs%3e%3cg class='cls-1'%3e%3cg id='Ebene_1' data-name='Ebene 1'%3e%3crect class='cls-2' x='115.62' y='203.74' width='568.75' height='446.88'/%3e%3cline class='cls-3' x1='607.36' y1='203.69' x2='550.97' y2='203.69'/%3e%3cline class='cls-4' x1='373.66' y1='203.69' x2='317.28' y2='203.69'/%3e%3cline class='cls-5' x1='192.2' y1='203.69' x2='248.59' y2='203.69'/%3e%3cline class='cls-6' x1='424.03' y1='203.69' x2='480.41' y2='203.69'/%3e%3cline class='cls-7' x1='283.13' y1='274.8' x2='283.13' y2='114.39'/%3e%3cline class='cls-7' x1='515.64' y1='274.8' x2='515.64' y2='114.39'/%3e%3cline class='cls-2' x1='105.65' y1='344.4' x2='684.38' y2='344.4'/%3e%3cline class='cls-8' x1='592.78' y1='344.4' x2='649.16' y2='344.4'/%3e%3cline class='cls-9' x1='206.99' y1='344.65' x2='150.61' y2='344.65'/%3e%3cline class='cls-7' x1='516.35' y1='582' x2='516.35' y2='512'/%3e%3cline class='cls-7' x1='281.39' y1='582' x2='281.39' y2='512'/%3e%3cline class='cls-7' x1='517.22' y1='475.65' x2='517.22' y2='405.65'/%3e%3cline class='cls-7' x1='282.26' y1='475.65' x2='282.26' y2='405.65'/%3e%3c/g%3e%3c/g%3e%3c/svg%3e)
bis
Das Modul findet üblicherweise im Sommersemester statt.
Anmeldefrist
bis
Zugang und Zulassung
Eine Zulassung ist ausschließlich mit einem ersten berufsqualifizierenden Hochschulabschluss möglich.
Bei mehreren ersten Hochschulabschlüssen reicht es in der Regel einen der genannten Hochschulabschlüsse vorweisen zu können.
Bachelor/BakkalaureusDiplomStaatsexamen
Gilt auch für die als gleichwertig anerkannten Abschlüsse
Zu erwerbende Kompetenzen
Das Modul vermittelt Grundlagen statistischer Data Science. Dazu führt das Modul kurz in Grundbegriffe der Statistik wie Konfidenzintervalle und Hypothesentests ein und diskutiert anschließend lineare Modelle und die logistische Regression. Im weiteren Teil lernen Sie Methoden der angewandten Statistik kennen, die notwendig sind, um Prädiktionsmodelle unter statistischer Unsicherheit zu entwickeln und diese zu bewerten.Programmkontext
Anerkennung hochschulisch erbrachter Leistungen
Bei Fragen zur Anerkennung wenden Sie sich bitte an folgende Ansprechperson(en) bzw. Kontaktstelle(n)
Qualitätssicherung
Systemakkreditiert
Förderungsmöglichkeiten
BildungskreditBildungsprämieKfW-Studienkredit
Standorte und kooperierende Hochschulen
Ulm
Ansprechpersonen und Kontaktstellen
' xlink:href='data:image/png%3bbase64%2ciVBORw0KGgoAAAANSUhEUgAAAFoAAACICAYAAABnXvwmAAAACXBIWXMAAAsSAAALEgHS3X78AAATjElEQVR4Xu1cT6g9SXX%2bzqm67/dbhIkughiDRHRgzEBkBAUNAUMGJETcTYRAVrox4EoEiYMLXQwxOjKSLIYoweAik80Qwc2EgIugBBcDWWTjQpAQFwOR7JzgvM6i61R/dar676373v2ZOVB0d9Wp09Xf%2bfrUqbr9njz9nvcMeFOa8s8//rGs6WwVXVOYE1WFiECk21gOyyXGonoYmqbEcwxqCACA4fZ2RbMUmbnnXjssvcfSW%2bKRG3nn7Hu0UVoO7mGnh41LyCKjt76Kewa6ZPOaxtJb4trNNjF%2bw%2bvaw04PG8BGO51lNnTsYQY/2p5%2bXuYg2mOz11h6Swwxrumsin%2bco4wJB/ux9BpLb4k9otS1PAxwXWNhacbovYPdk1It2W7Zua%2bx9JaoIWAY6sXh2iTJIimHPVfkisbSW%2bKRFZXpt0A5V65lLHvHsSar6d2csIO2PuTavbba8XKJsfSWWaB3xa9ecXHGzr2MpbMsLsE3e51sbO7TkmsaS2c5a1PJpNcD9bDTw8YlJOLAwFQVGAYMwHS8J7nUWHoQkOUwo5XSqNuNcXHtXlvteLnEWHrLLqD36M5JDxtAHzs9bGyVAuhL3fiI3SN9tsil7K5JjKcTbt94I1fogZXVkT4t0RCuZiy9JQL3PzgRyZPZNY2lpxxeGfIruHUC8lL9DNXBTg8bl5BdkyHQXk3ts1AK29tr55Jj6S2bf5xdcsgeDvWw08MGcHkWs%2bxi9B5dL%2bf0bck59s7pe1Qu/iv4VhtAHzs9bFxCmpPhXo%2bvTUBb7bXsbO1r0mssvaVg9NZ47cX36mGnhw3guJ3eUk2GRzxuHDrSl8Vz8Yi9XmPpLTF0WCAUb8UZcfCaxtJbzv%2boA9f1QNc0FpZ4zpLX2LM2AbEs5sA77HjpPZbespjeXWogR%2bwe6bNFLmXXy%2bqC5Qjjj/TZIkfsHulzCYnxdFrTOSRrDmzJkT5b5FJ290iXb%2b96fJzYS65pLCybN5VasvejlTnpYaeHDeByWcvu/ei9%2bsCxPlvkiN0jfXpIBfQhhm9IqTbZdXY29fHSayydpRk6dns92djdz8s1jaWzRO0woF4P1cNODxuXkENfKr0p%2b%2bXug9X/U3kT6DuSLrt3j7RQ6JR0fYlg%2bqsBtE9RZ9S2iE2m59hoyXUB3eEh85dGc%2b1LbSKV03pJlxidB9gosqdgA8hL91LNr35V0j2W%2bvrxPPfZz563niepGS3zj7rIhoW2JRERDMMAe2UHHLOV8%2beF8bO09MVd95Tdex2tgQjSZs5OW6bNq1PhTaGN9sSBNaz0y/c1RnPbxnvuFX32hRe2W06DEFfGpplXdq6YLdcP/Pqu2QCgpidTaFgLURAKM602vu4kY%2bhYMVi1tvSNiRsGJ0ghorW3UdXMi2dycW%2b/XUqOrSQ5q1XfSxRYZw2A8abm8ZaetW%2b050EyG2t9rWiDidkejRXUlu/p%2bk49qU0VMQQ8/4UvdJkQp8nQea%2b8cjLj6S3x1T9UrbB456QifNEcq2fubBjwYCe9EELlwHOkGTr8TdfEtFYnIZHxlW7dz%2bpav5BsANbXm5XWs%2bQdy3Qs7o8J5J5xuhk6ADRB9npZP3m%2baqPB2oBzeOB6B2RVctPMa2711Ke4jypUZCytSZBy6BgjVHWsS%2bVvvvzls8NHwehV38mKxky7SJkrt9o3iQe6pZJPSidmR6C8nxp7rd45Ycs9t4gCwF88/3z9qDZILjPCrCqKDRblwxVs8nYb9ylY63QzI93KLoSQ65ihSnX2GYI2bCw97xGhlcI2UFkyC3JF28YasEX7nH6yyYBlgJx%2biHHSYWCTvtWJ6uQQqhORnNWoKuLphG999atnhY/VTaUClgUHGCD8c38F6lg5HuqWSgdA%2bcq7dm6za/sySSRtLiXntfpoCAVZ8lG11EuOOEdyb7Hi2AEuput0ZKYtVYwPawULILOOSJUrM%2bOqcxFojDAWGluZ9TmESJr0rE4EGsJU6K053dwghIAQAv7%2bG984zOrZPHpOZE4vAWST3tLk5/v4e6vq2N%2b1eXt8zZOaOQwAkOwU3%2bCZHso3wB9DcpxlLavPsyCL70PFJr6Rb6M%2bfDTdrG%2bsosFzKXJYYqzSeRFnEyDa6JP1dPoEQUQQVKEhZCCZwXa0NE9DyPoaAv7hxRcPsVo4pv7l5z43b8QAnFVIQgDnM9/X65BzWqypHEznljl4B7dsmRN8u4hku3YebUIl59mbFmLEM5/85CoULLOTYeuBF8UG7jaX1sDla56EBNPWa9NhDZCzLvXJIHJbA1hujxYyCGS7h8XtvdL6NKgAYVZsIFQAVBNUS68qWqZrrby2SLtc6KiKjSPpFLGWwoM/1xBwOp2qidHK6eZmDCUh4HsvvbQrhBRA50F6LQ%2bYvYJUxzO4B3vtmrOBlt1W3G3diwGza4vfHjTT42vLvyvHyegsAHjw8GEG%2b5WXX94Mdhk6pIS4%2bco2dEVknN1d/6J9uijs%2bHBRHP142BFUr6rTGN24zCGQKRMS0mV7rbeE3waR0WExRoRUtkrJaC42gDQIu/Z1edCOdTxY0DmDKOIY647qbOZrYGKkX2qTLmcwa2yOp1PF7uDqTC/EOObWqvjXV17ZxOoi6wCAv/r85wfPZADVBGZ1opp1i34rk6L1NUfl/mRH/P20Zj/reVuZjTI5PLPa9GVKKa1fPJ2yw9iBtnix1NAWMiEEfPAjHykH66Tifh70eNFsq3RpkOB%2bpO/tqU4vUwW204UBxTpUV9yfQDYdBnbgOgJTgJHBXCflWxLTRGng2rmq4tUf/GB46sMfngX7LKABFCwDUIDAv4xL0h2GoQDZgyv5VLK%2bAbEGrrW3Yq3ZgwiG29tRL4SS%2bTqFJ9VpgraQIarTCtGNGwD%2b49VXh9956qkm2FXoAFD8TlaBKxM7%2bDoDSsCyZfHtbJcGbaHI2vNEl8a5BLC1c2y2Nl/MgQWALlQw8PF0yiy2%2bG9zRNAxpp8ePMDNzQ3e/d73VmA3p805EPJ1evAMSqpvnpNkJrv2ph0%2buvMWuHY0YNAAGVSynonTzSAnJ3B%2bHQjg04MH437JMOT6//zJT4bfete7isc/BDSAOmRYH9Jn5gxwdls26JwBk2QzrxTdPU0v%2bD6m60GU6YeBYgHUCB05I5kB2eL1AIxpX2p/7Wc/G37j7W/PD9wMHQDwwhe/yBvL4wHTQ8HOs8o84LyTN%2bugRl%2belAQonJUBJH2LuQwsn1vaNtze4nRzk%2beLJuB0fZNYq6oTyLRKtLZ4OuVySsfH3vIWAZY2/gkoBqVgpdOhlkL2pmUWl/l%2bImPOXex/mEMcoB7kImYDE0iquDWwZcq1DeCCzQxyAt5nH0ZaG5Oq4vVf/GJ48PChLG4qeaC5jS5qh3g9B0wB9EKbB5r1fV9jcwtgu7bCgEaRchJ0bM4lgWw5dlGfCjB%2bqhAohADAMAzD6u5dBUy6ZnDZDfZg%2bXwprnJ/A1DL1MwDa6xmOz6eq7MhIoVdDyBAy29zgtBeSaoLvCrkBUuM2Y7pZ%2bel%2btkYDQB//aUvjT%2b7qZZ7GfaQpNvKHICZ9MyOBDK3MVAGHl97WxxqOEx4kDk%2bZ1ansACgYjKDbOEGGCc9TQDHVEL65wW2D1IdsSAZWDgguZ1Bb52zDjlK3JHbPbAV0KRrIGeAF9gMTPHZ2MzMHm5vC0abTcsuLI3TBGDesST9FsgiMh%2bj%2bWEArLKXzwFiGZIdLX8HbAE9x2TAgZ/0hmH8p7EtgKvwoeWE1yowkDVtSAG4efiw0MmAJlD5OsaYv5KldgFWfjP882eflWqwqtWk48%2bzI1xbtbHvAIC3m8ZhdV6sD5KujauwYWMmEFuOMcA0BMQE3OnmJutaHs3/30REpv0PYnGM0SbNPOjVDVV%2byILB9ODi6%2bzBDSx66KEVq1HnwNZW6DlgtAWaObJRf0rbnhyHZ68DLbFDncbxZGi/L4YQgDQuw8lkcTI0efG55wYPcAvoDLBqpWcPnDMGkcpxXLKtBsBWF0Oa0Qlw/7Yw6PkH1wWQQ3r9TzFCCcwMeIwYhiGzNsfjlPaFifUF0quMBlCEglznwM2AuXYPmqhOKV/qp86%2bd4RIGXOzvZAyBtvhUy117drON4CsqhiAnDd7fQOT0zi7n7GcYMiyidEA8Ldf%2bcqY6jUAZqAL0Ahgr8e2WkxeAjgYMxOAdl%2b20wonnK5VINOvKUj3iKfT9A2ICyMDpsUJ/7SVMpUK6E2MBhosS0cATQCbQBOwFkI8m2cBpgKUOS%2b/cXPxOaZN/YKF5gD3kxWQHAeMsTfGGugUp7eADOxgNAB862tfG%2bYAZhArgJIeA2XinQKRPKnITDEdBiszm0GmthBjc%2bOo%2bl0wpC1PAi%2bDqJqzCoiUIMcIQR0yTDYzGkABml0XbYkFLYCzvtVPHXN9zolnwM3XQBU77ZgXHQR41pNyP%2bN0c1OEEDsH2w%2b0oZTAhkgBcAhhEWRgJ6MB4O%2b%2b/vWhAG48mSY2AsV0mkCn%2biFtmDcBXSg5TjuGVv11ChuLsTqBqKoTo43NM8wWjLE8nE6rQO9iNICJtWgD7UGeOrbHYQzKapicUxV1Exxdc1gAULC6AJlCBTuqyWhjM5%2bHcUFjuq1UriW7GQ1g%2bk6YAG4xuXWsGOcBXCqkF%2bhhC2bLtGCwc3tjfDxeApoZPHfUhcnPy25GA1MIAFDHbJnAr46uANP/jM51K6DzooNZ7cESneL1FpBVtcjLLZSwc0HPvVcW9zrm5M8%2b8xnxr3gG0uqp3dqYdXYtSt%2b8qeYUrChhSq0ANN%2bACoAU%2by0PFhApuK%2bB6e%2bnWnwXzandXjYDBxkNjA8LIOeakHkmG7jjZQ1%2bfmAH3lx9kabZeaNOCDQPoq9joAFM4KoWAB8BGTgHaALOjquhws6tH4HZzBjmACdA7a3I59SuOsXnOYDzW0bXAE2GjbIXZOBg6ACAP/30p6UAAqhYzA8h4lZt/IAOPH6dc/Ege9vUN9839TEAfbjzNquw5R28iMiyHGY0MIUPNQfzA4tk4PM5FaR6z0wV%2bhCRH5JK00EOYLsf58wVW/lI50A7dBxlM4Bj6R3LP37zm3mzyZcC3FGpas9pGoHWsmd9W39bUoBsjjOQGzEaaK/8uL2Vzh0FGTgjdJj8yac%2bJR4QK0W9gUDFLyg8YxlAY1URMpyO2SrabQx0nVneALlwivVdA2GDnBU6TPzrWjERqOsMVALZ7BhglT0D1DmIQWZw2TFKdgAUDvIFIlPoCGH8Q1Gch/fZocPk5W9/e2gBOVdnIHiA/XWxSSQy/XWsgRxCczINxM6K9akUH8MshA4x75wh3YAGgH/6zncy2EugW8nZwAzIIlLFdkvXlkC2%2bOxZ6wGPE5BT%2bqYKwfbNoq3SJXSY5IddAJjr10A2EAEKPdbGIFNbwXQD12yn%2bsKWUq7tHCbpJ7ce0pXRAPC9l14ajIlLgBtYDE4LZKsDpn2RYlJkENO1TXYFeASy2eYvlngiNBvoxGagQ9bh5Y8/8QlhtvCDNgsD6hwEIB8tV88MhzU755Etvq/FbNu/KP4giMehOU53Axm4ANAA8EfPPCMVAMxS74RU75nFC4b852mewXxOALMOT7yFU8mx%2bXzt4Q5K1xjNUsRCYD6EpAf3qZloGW/ZGQCqcMEM5vi9lN202Jyuu%2bPdPUaz/Mt3v1tkIR7sDMgCyD4eA%2blXGZmYywzmH2GXQLYvQhvxuTvIwIVCh8kffvzjUgCbCl%2b3WNUCihlt4YBDR27bAHJmvnPWpUAGLgw0APzBxz4mxWvJD%2bZBJPCLVR0DHKc/1LQ3wpxnuXPOtZ1j%2bTrw/dceooNcLEazcBwVmcmlGfBG%2bpZZqOmTLQIfQP4fGs3Uz%2bym89Yv6JdkM3AHjAaA3//oR4XZa6xqgqya2%2b0bPSvmJP9NXMp5R9CJod6p%2bR7OeZcGGbgjoAHg955%2bugghLZBzXCUAg4UHBpdCA4Ap9zYhp4grKgIkh%2bRyB3LRrKMl//b97%2bdMpNr2TEAUocGt2FifU0KbHCFStfvQU0ykd8Bm4I5iNIuGMC0SZkATIDM7M7cBmtkx4AYgh5XCprNFb8SdgAzcA6MB4NUf/nCwrzELgBM4AzDLRhEKI8RMVfqZqtFm/eyeuEOQgTuM0SxPfehDYsCYWNhgcCuQXZ1jZ9UmdA%2b7tlXqXcu9MNrk33/0o8GDqQkED66x3c5DmP5exBhbOcniNkqmA3eSOhdyL4w2%2bd0PfEA4G8is2wByjsFSxu%2bWZJaP7XcOMnDPQAPAk%2b9/fwbbh4BcWiCTI4JOE2MVPswR9xAuWO4daAB44n3vKxc0SnvOxHK/6iucE6ZfSXwsJ/17Q/sqgAaAx598stoTYcB4/wJAkS%2bLjrHXltZZSmfcG8jAFQENAO9%2b4gkpJjVarABorvTsD/DtWIWdkc33CjJwZUADwG8//rgI6FsR0OLGALZzYzQDD5r87h/fLPea3i3Jf/30p4NI/ckYnxvTM3sby3C5pyzDy9Ux2uQ33/lOqSbFhQJiL/W7CpCBKwYaAN72jneUE6SUq0ffxoBfU9gArjh0sPz3a68NRarGoQSNVaTcf5bh5ZEA2uR/fv7zvGTnCa/InUdWXxXIwJWHDi%2b//ta3So7LJXt5OX51IAOPGNAA8GuPPSYWMgBKA68T3yyPVOhg%2bd/XXx9kChX2Xd7Vov3IAm3yxi9/OaQwcrUgA8D/AYYlbiOS5g/lAAAAAElFTkSuQmCC'/%3e%3c/g%3e%3crect class='cls-3' x='75' y='75' width='365.63' height='203.13' rx='101.56'/%3e%3c/g%3e%3c/g%3e%3c/svg%3e)
School of Advanced Professional Studies (SAPS)
0731 50-32401saps@uni-ulm.deOberberghof 789081 UlmInternetseite
School of Advanced Professional Studies (SAPS)
0731 50-32401saps@uni-ulm.deOberberghof 789081 UlmInternetseite
Webseite des AngebotsEin fokussiertes Fächerspektrum, Forschungsstärke und zahlreiche interdisziplinäre Projekte zeichnen die Universität Ulm aus. Wir sind klein, jung, flott und flexibel!
Prof. Michael Weber
Präsident der Universität Ulm 