040170 UK Statistik hochdimensionaler und komplexer Daten (2015W)
Prüfungsimmanente Lehrveranstaltung
Labels
Die Literatur zu dem Thema dieses Kurses ist durchweg auf Englisch. Daher sind auch die Kursmaterialien auf Englisch. Der Kurs kann auf Wunsch auf Deutsch gehalten werden, wobei es sinnvoller wäre den Kurs komplett auch auf Englisch zu halten.
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 14.09.2015 09:00 bis Do 24.09.2015 14:00
- Abmeldung bis Mi 14.10.2015 23:59
Details
max. 35 Teilnehmer*innen
Sprache: Deutsch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Mittwoch
07.10.
15:00 - 16:30
PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Mittwoch
14.10.
15:00 - 16:30
PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Mittwoch
21.10.
15:00 - 16:30
PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Mittwoch
28.10.
15:00 - 16:30
PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Mittwoch
04.11.
15:00 - 16:30
PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Mittwoch
11.11.
15:00 - 16:30
PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Mittwoch
18.11.
15:00 - 16:30
PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Mittwoch
25.11.
15:00 - 16:30
PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Mittwoch
02.12.
15:00 - 16:30
PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Mittwoch
09.12.
15:00 - 16:30
PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Mittwoch
16.12.
15:00 - 16:30
PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Mittwoch
13.01.
15:00 - 16:30
PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Mittwoch
20.01.
15:00 - 16:30
PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Mittwoch
27.01.
15:00 - 16:30
PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Die Veranstaltung stellt Methoden, die bei der Arbeit mit (großen) hochdimensionalen Datensätze verwendet werden sowie deren Eigenschaften vor.
Art der Leistungskontrolle und erlaubte Hilfsmittel
Im Laufe des Semesters werden 5 Hausübungen aufgegeben, für die jeweils maximal 20 Punkte erreicht werden können. Die Endnote setzt sich aus der Summe der erreichten Punktzahl aus den 5 Hausübungen zusammen - anhand des Notenschlüssels:0 - 49 Punkte: Note 5
50 - 62 Punkte: Note 4
63 - 75 Punkte: Note 3
76 - 87 Punkte: Note 2
88 - 100 Punkte: Note 1
50 - 62 Punkte: Note 4
63 - 75 Punkte: Note 3
76 - 87 Punkte: Note 2
88 - 100 Punkte: Note 1
Mindestanforderungen und Beurteilungsmaßstab
Ziel der Veranstalung ist es einen möglichst großen Überblick über die gebräuchlichsten Modelle die bei hochdimensionalen Daten verwendet werden zu bekommen. Zudem sollen die zugrundeliegende Fragestellungen und Problematiken bei der Implementierung der Schätzungen dieser Modelle besprochen werden.
Prüfungsstoff
Die Modelle und ihre theoretischen Eigenschaften werden größtenteils mittels Vorlesungen vorgestellt und besprochen.Die Implementierung der Modelle und damit verbunden Probleme werden von den Studenten am PC zum Großteil selbstständig erarbeitet und hinterher in der Gruppe besprochen.
Literatur
Elements of Statistical Learning: data mining, inference and prediction (2nd edition) :: Hastie, Tibshirani and Friedman (2009) :: SpringerStatistics for High-dimensional Data: methods and theory :: Bühlmann and van de Geer (2011) :: Springer
Zuordnung im Vorlesungsverzeichnis
Letzte Änderung: Mo 07.09.2020 15:28