Universität Wien

250101 SE Seminar Stochastics (2024W)

4.00 ECTS (2.00 SWS), SPL 25 - Mathematik
Prüfungsimmanente Lehrveranstaltung

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

  • Mittwoch 02.10. 09:45 - 11:15 Seminarraum 10 Oskar-Morgenstern-Platz 1 2.Stock
  • Mittwoch 09.10. 09:45 - 11:15 Seminarraum 10 Oskar-Morgenstern-Platz 1 2.Stock
  • Mittwoch 16.10. 09:45 - 11:15 Seminarraum 10 Oskar-Morgenstern-Platz 1 2.Stock
  • Mittwoch 23.10. 09:45 - 11:15 Seminarraum 10 Oskar-Morgenstern-Platz 1 2.Stock
  • Mittwoch 30.10. 09:45 - 11:15 Seminarraum 10 Oskar-Morgenstern-Platz 1 2.Stock
  • Mittwoch 06.11. 09:45 - 11:15 Seminarraum 10 Oskar-Morgenstern-Platz 1 2.Stock
  • Mittwoch 13.11. 09:45 - 11:15 Seminarraum 10 Oskar-Morgenstern-Platz 1 2.Stock
  • Mittwoch 20.11. 09:45 - 11:15 Seminarraum 10 Oskar-Morgenstern-Platz 1 2.Stock
  • Mittwoch 27.11. 09:45 - 11:15 Seminarraum 10 Oskar-Morgenstern-Platz 1 2.Stock
  • Mittwoch 04.12. 09:45 - 11:15 Seminarraum 10 Oskar-Morgenstern-Platz 1 2.Stock
  • Mittwoch 11.12. 09:45 - 11:15 Seminarraum 10 Oskar-Morgenstern-Platz 1 2.Stock
  • Mittwoch 08.01. 09:45 - 11:15 Seminarraum 10 Oskar-Morgenstern-Platz 1 2.Stock
  • Mittwoch 15.01. 09:45 - 11:15 Seminarraum 10 Oskar-Morgenstern-Platz 1 2.Stock
  • Mittwoch 22.01. 09:45 - 11:15 Seminarraum 10 Oskar-Morgenstern-Platz 1 2.Stock
  • Mittwoch 29.01. 09:45 - 11:15 Seminarraum 10 Oskar-Morgenstern-Platz 1 2.Stock

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

The goal of this seminar is to make the students familiar with the foundations of probability theory needed in statistical learning. For a large part of the seminar, we will follow the lecture notes »Introduction to Statistical Learning Theory« by Olivier Bousquet, Stephane Boucheron, and Gabor Lugosi. In particular, we will cover the following topics:
- What is empirical risk minimisation
- Hoeffding's inequality
- Learning finite hypothesis classes
- Vapnik-Chervonenkis theory
- Rademacher averages
Students will give presentations on these topics and answer related questions of their peers and the seminar conveners. Occasionally, students will be asked to submit written solutions to problems provided by the conveners.
Prerequisite for participation in this course is a good knowledge of probability theory, analysis, and linear algebra.

Art der Leistungskontrolle und erlaubte Hilfsmittel

Mindestanforderungen und Beurteilungsmaßstab

Assessment and permitted materials
- two 45-minute-presentations (approximately) on the course material
- answering questions on their presentations by their peers and the course conveners
- cross-reading of each chapter before its presentation; preparation of thought-out questions

Prüfungsstoff

Literatur

»Introduction to Statistical Learning Theory« by Olivier Bousquet, Stephane Boucheron, and Gabor Lugosi.
Available for free on the internet.
»High-Dimensional Probability -- An Introduction with Applications in Data Science« by Roman Vershynin.
Available for free on the internet.

Zuordnung im Vorlesungsverzeichnis

MSTS

Letzte Änderung: Do 19.09.2024 13:46