Universität Wien

053614 VU Statistics for Data Science (2021W)

6.00 ECTS (4.00 SWS), SPL 5 - Informatik und Wirtschaftsinformatik
Prüfungsimmanente Lehrveranstaltung
GEMISCHT
Moodle

An/Abmeldung

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

Details

max. 25 Teilnehmer*innen
Sprache: Englisch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Freitag 01.10. 15:00 - 18:15 Seminarraum 6, Währinger Straße 29 1.OG
  • Freitag 08.10. 15:00 - 18:15 Seminarraum 6, Währinger Straße 29 1.OG
  • Freitag 15.10. 15:00 - 18:15 Seminarraum 6, Währinger Straße 29 1.OG
  • Freitag 22.10. 15:00 - 18:15 Seminarraum 6, Währinger Straße 29 1.OG
  • Freitag 29.10. 15:00 - 18:15 Seminarraum 6, Währinger Straße 29 1.OG
  • Freitag 05.11. 15:00 - 18:15 Seminarraum 6, Währinger Straße 29 1.OG
  • Freitag 12.11. 15:00 - 18:15 Seminarraum 6, Währinger Straße 29 1.OG
  • Freitag 19.11. 15:00 - 18:15 Seminarraum 6, Währinger Straße 29 1.OG
  • Freitag 26.11. 15:00 - 18:15 Seminarraum 6, Währinger Straße 29 1.OG
  • Freitag 03.12. 15:00 - 18:15 Seminarraum 6, Währinger Straße 29 1.OG
  • Freitag 10.12. 15:00 - 18:15 Seminarraum 6, Währinger Straße 29 1.OG
  • Freitag 17.12. 15:00 - 18:15 Seminarraum 6, Währinger Straße 29 1.OG
  • Freitag 07.01. 15:00 - 18:15 Seminarraum 6, Währinger Straße 29 1.OG
  • Freitag 14.01. 15:00 - 18:15 Seminarraum 6, Währinger Straße 29 1.OG
  • Freitag 21.01. 15:00 - 18:15 Seminarraum 6, Währinger Straße 29 1.OG
  • Freitag 28.01. 15:00 - 18:15 Seminarraum 6, Währinger Straße 29 1.OG

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:
- Statistical inference vs. statistical learning
- Bootstrap and Jackknife methods
- High-dimensional data and inference post-model-selection
- Statistical inference for network data
- Differential Privacy

We will try to do this course in physical presence in the lecture hall if possible. Please closely follow the Moodle course webpage to stay up to date! (coming soon)

Art der Leistungskontrolle und erlaubte Hilfsmittel

Student have to solve homework problems and present their results in an interactive online class.
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 completed 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: Di 28.09.2021 13:28