040971 UK Computational Statistics (2024S)
Prüfungsimmanente Lehrveranstaltung
Labels
VOR-ORT
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 12.02.2024 09:00 bis Mi 21.02.2024 12:00
- Abmeldung bis Do 14.03.2024 23:59
Details
max. 65 Teilnehmer*innen
Sprache: Deutsch, Englisch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
ACHTUNG: Anwesenheit in der ersten Übungseinheit ist für die Teilnahme unbedingt erforderlich!
Eigenen Laptop mitbringen!
Montag
04.03.
11:30 - 13:00
Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
Montag
11.03.
11:30 - 13:00
Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
Montag
18.03.
11:30 - 13:00
Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
Montag
08.04.
11:30 - 13:00
Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
Montag
15.04.
11:30 - 13:00
Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
Montag
22.04.
11:30 - 13:00
Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
Montag
29.04.
11:30 - 13:00
Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
Montag
06.05.
11:30 - 13:00
Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
Montag
13.05.
11:30 - 13:00
Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
N
Montag
27.05.
11:30 - 13:00
Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
Montag
03.06.
11:30 - 13:00
Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
Montag
10.06.
11:30 - 13:00
Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
Montag
17.06.
11:30 - 13:00
Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
Montag
24.06.
11:30 - 13:00
Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
4 Übungseinheiten + 4 Quizzes pro Semester.
Es sind jeweils 10 Punkte zu erreichen.
Es sind jeweils 10 Punkte zu erreichen.
Mindestanforderungen und Beurteilungsmaßstab
Die Gesamtnote ergibt sich wie folgt:
80 - 71P: 1
70 - 61P: 2
60 - 51P: 3
50 - 41P: 4
0 - 40P : 5
80 - 71P: 1
70 - 61P: 2
60 - 51P: 3
50 - 41P: 4
0 - 40P : 5
Prüfungsstoff
Vorlesungsstoff
Literatur
- Galea, A. and Capelo, L. (2018): 'Applied Deep Learning with Python', Packt Publishing, Birmingham.
- Chollet, F. (2018): 'Deep Learning mit Python und Keras', mitp Verlag, Frechen.
- Chollet, F. (2018): 'Deep Learning mit Python und Keras', mitp Verlag, Frechen.
Zuordnung im Vorlesungsverzeichnis
Letzte Änderung: Mo 04.03.2024 13:45
- Statistische Datenanalyse in Python mit Blick auf Deep-Learning.
- Vorkenntnisee: Bachelor-Statistik im 4.Semester, insbesondere Analysis, Lineare Algebra, Wahrscheinlichkeitsrechnung, Inferenzstatistik, Lineare Modelle, Statistisches Programmieren. Keine Python Vorkenntnisse notwendig aber R hilfreich.Inhalte:
- Python/Jupyter basics (grundlegende Sprachkonzepte im Vergleich zu R)
- Tensoralgebra und einfache Montecarlo Methoden (NumPy)
- Datenverarbeitung, lineare und logistische Regression (Pandas, scikit-learn)
- Visualisierung (Matplotlib, Seaborn)
- Grundlagen der Computernumerik (Newton, Matrix Inversion, EM, GD, SGD)
- Einführung in Deep-Learning (TensorFlow, Keras)