Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.
040971 UK Computational Statistics (2025S)
Prüfungsimmanente Lehrveranstaltung
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 10.02.2025 09:00 bis Di 18.02.2025 12:00
- Abmeldung bis Fr 14.03.2025 23:59
Details
max. 65 Teilnehmer*innen
Sprache: Deutsch, Englisch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Montag 03.03. 11:30 - 13:00 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 10.03. 11:30 - 13:00 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 17.03. 11:30 - 13:00 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 24.03. 08:00 - 11:15 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 24.03. 11:30 - 13:00 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 31.03. 11:30 - 13:00 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 07.04. 11:30 - 13:00 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 28.04. 11:30 - 13:00 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 05.05. 08:00 - 11:15 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 05.05. 11:30 - 13:00 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 12.05. 11:30 - 13:00 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 19.05. 11:30 - 13:00 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 26.05. 11:30 - 13:00 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 02.06. 08:00 - 11:15 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 02.06. 11:30 - 13:00 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 16.06. 11:30 - 13:00 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 23.06. 11:30 - 13:00 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 30.06. 08:00 - 11:15 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 max. 10 Punkte erreichbar.
Es sind jeweils max. 10 Punkte erreichbar.
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: Di 03.06.2025 12:05
- Statistische Datenanalyse in Python mit Blick auf Deep-Learning.
- Vorkenntnisse: 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 (NumPy)
- Datenverarbeitung und lineare Regression (Pandas, scikit-learn)
- Visualisierung (Matplotlib, Seaborn)
- Grundlagen der Computernumerik (Newton, QR, GD, SGD)
- Einführung in Deep-Learning (TensorFlow, Keras)