Menu
CoddyTech
JETZT LERNEN
flag De iconDeutschdown icon
machine Learning iconTeil der Machine Learning-JourneyNeuJourney

Statistik für Machine Learning und Data Science

Die Statistik, auf die jedes Modell baut, gelernt durch Simulieren und Plotten statt durch Formelpauken. Echtes Python mit NumPy, pandas, SciPy und scikit-learn, ein Diagramm pro Lektion.

MIT DEM LERNEN BEGINNEN(kostenlos)
Lehrplan ansehenStatistik für ML-Playground

1,000+ codders eingeschrieben

64 Lektionen63 Aufgaben265 Quizfragen

  • Anfängerfreundlich
  • sparkles iconKI-gestützte Coding-Hilfe
  • hint iconPraktische, interaktive Lektionen
  • quiz iconQuizfragen zum Wissenstest
  • certificate iconKostenloses Abschlusszertifikat

Lehrplan

1 Abschnitte64 Lektionen63 Aufgaben265 Quizfragen

Dieser Abschnitt ist Teil der Machine Learning-Journey. Der vollständige Lehrplan enthält weitere Abschnitte - klicke unten auf eine Vorschau, um sie auf der Journey-Seite anzusehen.

  1. Abschnitt 1Daten und Diagramme60 Lektionen
  2. Abschnitt 2

    Statistik für ML

    Abschnitt startenStartenAusklappenEinklappen    Die Statistik hinter jedem Modell: Lage und Streuung, Verteilungen, Wahrscheinlichkeit durch Simulation, Stichproben, Ausreißer, Korrelation, Trendlinien und Gruppenvergleiche – anschließend das Skalieren und Codieren von Features. Jedes Konzept wird anhand echter Daten berechnet und visualisiert.64 Lektionen63 Aufgaben265 Fragen

    Lage und Streuung

    6 Lektionen625

    Verteilungen

    6 Lektionen625

    Wahrscheinlichkeit durch Simulation

    6 Lektionen625

    Stichproben und Grundgesamtheiten

    5 Lektionen520

    Ausreißer

    5 Lektionen520

    Zusammenhänge

    6 Lektionen525

    Trendlinien

    6 Lektionen625

    Gruppen vergleichen

    6 Lektionen625

    Merkmalsskalierung

    5 Lektionen520

    Kategorien codieren

    4 Lektionen415

    Einen Datensatz erkunden

    5 Lektionen520

    Abschließende Herausforderungen

    4 Lektionen420
  3. Abschnitt 3Überwachtes Lernen58 Lektionen
  4. Abschnitt 4Unüberwachtes Lernen51 Lektionen
Den vollständigen Lehrplan der Machine Learning-Journey ansehen
Das bekommst du
Alles, was du zum Programmierenlernen nutzt

Lernen durch Tun

Schreibe echten Code, frage Datenbanken ab, erstelle Websites und meistere KI-Prompts. Unsere interaktiven Lektionen decken alle Fähigkeiten ab, die moderne Entwickler brauchen.

playground.js
Code-Editor
1const greeting = "Hello, Coddy!"
2function sayHi(name) {
3    return greeting + " " + name
4}
5
bottombar Collapse icon
Test #1test Case Success icon
Test #2test Case Success icon
Test #3test Case Failure icon
Eingabe
"Alex"
Ausgabe
"Hello, Coddy! Alex"

Baue deine Serie auf

Bleib konsequent und sieh zu, wie dein Fortschritt wächst! Verfolge deine tägliche Programmiergewohnheit, schütze deine Serie mit Einfrieroptionen und verdiene Belohnungen für jeden Tag.

12 Tage Serie

Komm morgen zurück, um deine Serie zu halten!

fire Filled icon
left icon

January 2026

right icon

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

21

22

23

24

25

26

27

28

29

30

product Double Or Nothing icon

Doppelt oder Nichts

Tag 5 von 7

fire Freeze icon

Serie Einfrieren

2 left

Überall coden

Nimm deine Programmierreise mit! Keine Einrichtung, keine Downloads: einfach öffnen und loslegen. Verfügbar auf iOS, Android und Web mit 4,9-Sterne-Bewertungen.

Python
7Streak
250Punkte
5Energie
Variablen
journey Hex Done Base iconjourney Hex Done Shadow iconjourney Hex Done Top iconjourney Lesson Done icon
journey Path Right Done icon
journey Hex Done Base iconjourney Hex Done Shadow iconjourney Hex Done Top iconjourney Lesson Done icon
journey Path Left Done icon
journey Hex Active Base iconjourney Hex Active Shadow iconjourney Hex Active Top iconjourney Lesson Theory Challenge icon
FORTSETZEN
journey Path Right icon
journey Hex Locked Base iconjourney Hex Locked Shadow iconjourney Hex Locked Top iconjourney Lesson Theory Challenge icon
journey Path Left icon
journey Hex Locked Base iconjourney Hex Locked Shadow iconjourney Hex Locked Top iconjourney Lesson All icon
Reise
Ziele
Bestenliste
Profil
4.9
SternSternSternSternStern
Bewertung

Du bist nicht allein

Tritt auf globalen Bestenlisten an, lade Freunde ein, um Belohnungen zu verdienen, und feiert gemeinsam eure Erfolge. Programmieren macht mit Freunden mehr Spaß!

Herausforderer-Liga
Herausforderer-LigaTop 7 steigen auf
leaderboard First icon1
avatar 1 icon
fire Filled icon
Alex7+ Days
2840
leaderboard Second icon2
avatar 2 icon
fire Filled icon
Jordan7+ Days
2650
leaderboard Third icon3
avatar 3 icon
fire Filled icon
Sam7+ Days
2420
4
avatar 4 icon
Casey
2180
5
avatar placeholder icon
fire Filled icon
Morgan7+ Days
1950
leaderboard Arrow Up iconAufstiegszoneleaderboard Arrow Up icon

Jeder Lernweg, alles dabei

Lies, höre, teste dich, frag die KI oder schlage nach, was du schon gelernt hast. Jede Lektion passt sich dir an.

Einführung in Variablen
Audio

Eine Variable ist ein benannter Container, der einen Wert speichert, auf den du später im Programm verweisen kannst.

In Python erstellst du eine, indem du den Namen, ein Gleichheitszeichen und dann den Wert schreibst.

Der Wert kann sich ändern - eine neue Zuweisung verweist den Namen einfach auf einen neuen Wert.

1xSarah

Werde zertifiziert

Verdiene Zertifikate für jeden abgeschlossenen Kurs. Füge sie deinem LinkedIn-Profil und Lebenslauf hinzu, um Arbeitgebern deine Programmierkenntnisse zu zeigen.

CoddyAbschlusszertifikat
Hiermit wird bestätigt, dassMax Mustermannerfolgreich abgeschlossen hat
python iconPython-Grundlagen
Verifiziert
DatumJan. 2026
LinkedInZu LinkedIn hinzufügen

Warum du Statistik für ML mit Coddy lernen solltest

  • Erst simulieren, dann sehen. Wirf tausende Würfel, zieh tausende Stichproben, misch Gruppen tausende Male und sieh zu, wie sich das Histogramm einpendelt. Eine Wahrscheinlichkeit ist ein Anteil, den du zählen kannst, bevor sie eine Formel ist.
  • Jede Lektion hat ein Diagramm: Dichte-Histogramme mit der Normalverteilungskurve darüber, Boxplots mit ihren Ausreißern, Korrelations-Heatmaps, angepasste Trendlinien. Dein eigenes Diagramm erscheint beim Ausführen im Tab Diagramme.
  • Die Statistik, die Machine Learning wirklich nutzt: Mittelwert und Median, Streuung und Perzentile, Verteilungen und z-Werte, Stichproben, Ausreißer, Korrelation, kleinste Quadrate und R², p-Werte und der t-Test.
  • Am Ende beginnen die Modelle: Feature-Skalierung mit StandardScaler, Kategorien kodieren mit pd.get_dummies und eine Checkliste, um einen neuen Datensatz zu erkunden, bevor du irgendetwas trainierst.

Häufige Fragen zu Statistik für Machine Learning

Wie viel Statistik braucht man für Machine Learning?

Weniger, als die meisten fürchten. Um Modelle gut zu trainieren und zu bewerten, musst du Lage und Streuung lesen können, wissen, was eine Verteilung und ein Ausreißer ist, einen Zusammenhang mit Korrelation messen, eine Gerade anpassen und einen echten Unterschied vom Zufall unterscheiden. Genau das ist dieser Abschnitt. Beweise und schwere Wahrscheinlichkeitstheorie zählen in der Forschung, nicht beim guten Einsatz von scikit-learn.

Ist das dieselbe Statistik wie für Data Science?

Ja. Deskriptive Statistik, Verteilungen, Stichproben, Korrelation, Regressionsgeraden und Hypothesentests sind der gemeinsame Kern der Statistik für Data Science und für Machine Learning. Die letzten Kapitel gehen in Richtung Modelle, mit Skalierung, Kodierung und dem Erkunden eines Datensatzes vor dem Training.

Brauche ich Analysis oder lineare Algebra?

Nein. Alles wird mit Grundrechnen, Simulationen und Diagrammen vermittelt. Wo es eine Formel gibt, begegnest du ihr als eine Zeile Code und ein Bild und prüfst sie dann mit einer Simulation. Analysis und lineare Algebra werden später nützlich, wenn du tief einsteigen willst, wie Algorithmen gebaut sind.

Was ist ein p-Wert, einfach erklärt?

Er sagt, wie oft reiner Zufall ein Ergebnis liefern würde, das mindestens so groß ist wie deins. Im Kurs berechnest du ihn durch Mischen: Wirf zwei Gruppen zusammen, teile sie tausende Male zufällig auf und zähle, wie oft der künstliche Unterschied den echten übertrifft. Dann lernst du stats.ttest_ind kennen, die Formel-Abkürzung für dieselbe Frage.

Welche Python-Bibliotheken werden genutzt?

NumPy für die Zahlen, pandas für Tabellen, matplotlib für jedes Diagramm, das Modul stats von SciPy für Verteilungen und Tests und scikit-learn für StandardScaler. Alle werden im Abschnitt Datenvisualisierung mit Python vermittelt, der vor diesem kommt.

Wie lange dauert der Statistik-Abschnitt?

64 Lektionen, etwa 11 Stunden in deinem Tempo: drei bis vier Wochen bei einer halben Stunde am Tag, inklusive vier Abschluss-Challenges mit realistischen Daten.

Ist der Statistik-Abschnitt kostenlos?

Ja. Die Lektionen, die Diagramme, die KI-Hinweise und das Abschnittszertifikat sind kostenlos. Mit einem kostenlosen Konto schaffst du ein paar Lektionen am Tag, und Pro hebt das Tageslimit auf.

Lernpfade, die diesen Kurs enthalten

Dieser Kurs ist ein Schritt eines längeren Pfads: mehrere Kurse in der Reihenfolge, in der ein Mentor sie unterrichten würde, jeder mit eigenem kostenlosem Zertifikat.

Illustration der Programmiersprachen bei Coddy

Lerne Statistik für ML mit Coddy

LOS GEHT'S