053614 VU Statistics for Data Science (2023W)

6.00 ECTS (4.00 SWS), SPL 5 - Informatik und Wirtschaftsinformatik

Prüfungsimmanente Lehrveranstaltung

Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Anmeldung von Mi 13.09.2023 09:00 bis Mi 20.09.2023 09:00
Abmeldung bis Sa 14.10.2023 23:59

Details

max. 25 Teilnehmer*innen

Sprache: Englisch

Lehrende

Lukas Steinberger

Termine (iCal) - nächster Termin ist mit N markiert

    
    Montag
    02.10.
    11:30 - 13:00
    Seminarraum 4, Währinger Straße 29 1.UG
    
    Donnerstag
    05.10.
    09:45 - 11:15
    PC-Unterrichtsraum 3, Währinger Straße 29 1.OG
    
    Montag
    09.10.
    11:30 - 13:00
    Seminarraum 4, Währinger Straße 29 1.UG
    
    Donnerstag
    12.10.
    09:45 - 11:15
    PC-Unterrichtsraum 3, Währinger Straße 29 1.OG
    
    Montag
    16.10.
    11:30 - 13:00
    Seminarraum 4, Währinger Straße 29 1.UG
    
    Donnerstag
    19.10.
    09:45 - 11:15
    PC-Unterrichtsraum 3, Währinger Straße 29 1.OG
    
    Montag
    23.10.
    11:30 - 13:00
    Seminarraum 4, Währinger Straße 29 1.UG
    
    Montag
    30.10.
    11:30 - 13:00
    Seminarraum 4, Währinger Straße 29 1.UG
    
    Montag
    06.11.
    11:30 - 13:00
    Seminarraum 4, Währinger Straße 29 1.UG
    
    Donnerstag
    09.11.
    09:45 - 11:15
    PC-Unterrichtsraum 3, Währinger Straße 29 1.OG
    
    Montag
    13.11.
    11:30 - 13:00
    Seminarraum 4, Währinger Straße 29 1.UG
    
    Donnerstag
    16.11.
    09:45 - 11:15
    PC-Unterrichtsraum 3, Währinger Straße 29 1.OG
    
    Montag
    20.11.
    11:30 - 13:00
    Seminarraum 4, Währinger Straße 29 1.UG
    
    Donnerstag
    23.11.
    09:45 - 11:15
    PC-Unterrichtsraum 3, Währinger Straße 29 1.OG
    
    Montag
    27.11.
    11:30 - 13:00
    Seminarraum 4, Währinger Straße 29 1.UG
    
    Donnerstag
    30.11.
    09:45 - 11:15
    PC-Unterrichtsraum 3, Währinger Straße 29 1.OG
    
    Montag
    04.12.
    11:30 - 13:00
    Seminarraum 4, Währinger Straße 29 1.UG
    
    Donnerstag
    07.12.
    09:45 - 11:15
    PC-Unterrichtsraum 3, Währinger Straße 29 1.OG
    
    Montag
    11.12.
    11:30 - 13:00
    Seminarraum 4, Währinger Straße 29 1.UG
    
    Donnerstag
    14.12.
    09:45 - 11:15
    PC-Unterrichtsraum 3, Währinger Straße 29 1.OG
    
    Montag
    08.01.
    11:30 - 13:00
    Seminarraum 4, Währinger Straße 29 1.UG
    
    Donnerstag
    11.01.
    09:45 - 11:15
    PC-Unterrichtsraum 3, Währinger Straße 29 1.OG
    
    Montag
    15.01.
    11:30 - 13:00
    Seminarraum 4, Währinger Straße 29 1.UG
    
    Donnerstag
    18.01.
    09:45 - 11:15
    PC-Unterrichtsraum 3, Währinger Straße 29 1.OG
    
    Montag
    22.01.
    11:30 - 13:00
    Seminarraum 4, Währinger Straße 29 1.UG
    
    Donnerstag
    25.01.
    09:45 - 11:15
    PC-Unterrichtsraum 3, Währinger Straße 29 1.OG
    
    Montag
    29.01.
    11:30 - 13:00
    Seminarraum 4, Währinger Straße 29 1.UG

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

The goal of the course is to establish a thorough understanding of basic concepts and methods of statistical inference in the context of modern data science.

We will cover the following topics:
- Principles of statistical modeling and inference
- Simulation and Bootstrap methods
- Linear Models and High-dimensional data
- Statistical inference for network data
- Differential Privacy

This course is divided into lectures and lab/homework sessions.

Art der Leistungskontrolle und erlaubte Hilfsmittel

Students have to solve homework problems and present their results in the lab session.
At the end of the semester students can choose the format of their final exam: a) oral final exam or b) take-home project.
In case a) you get 30 minutes of general questions about the course material. In case b) you have to do a 15 minutes discussion of your solutions with the lecturer.

Mindestanforderungen und Beurteilungsmaßstab

Homework 60%
Final Exam 40%

At least half of the homework problems have to be solved in order to get a passing grade.

Prüfungsstoff

Option a)
The final exam will cover all the material that was discussed in lectures and homework sessions during the semester.

Option b)
The final project will require you to independently solve theoretical and applied statistics problems related to what we have learned in the course.

Literatur

Rice, J.A. (2007): “Mathematical Statistics and Data Analysis”, Duxbury.

Zuordnung im Vorlesungsverzeichnis

Modul: SDS

Letzte Änderung: So 01.10.2023 12:27