Universität Wien

040170 UK Statistics of high-dimensional and complex data (2015W)

4.00 ECTS (2.00 SWS), SPL 4 - Wirtschaftswissenschaften
Continuous assessment of course work

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.
Moodle

Registration/Deregistration

Note: The time of your registration within the registration period has no effect on the allocation of places (no first come, first served).

Details

max. 35 participants
Language: German

Lecturers

Classes (iCal) - next class is marked with N

  • Wednesday 07.10. 15:00 - 16:30 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Wednesday 14.10. 15:00 - 16:30 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Wednesday 21.10. 15:00 - 16:30 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Wednesday 28.10. 15:00 - 16:30 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Wednesday 04.11. 15:00 - 16:30 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Wednesday 11.11. 15:00 - 16:30 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Wednesday 18.11. 15:00 - 16:30 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Wednesday 25.11. 15:00 - 16:30 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Wednesday 02.12. 15:00 - 16:30 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Wednesday 09.12. 15:00 - 16:30 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Wednesday 16.12. 15:00 - 16:30 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Wednesday 13.01. 15:00 - 16:30 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Wednesday 20.01. 15:00 - 16:30 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Wednesday 27.01. 15:00 - 16:30 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß

Information

Aims, contents and method of the course

Die Veranstaltung stellt Methoden, die bei der Arbeit mit (großen) hochdimensionalen Datensätze verwendet werden sowie deren Eigenschaften vor.

Assessment and permitted materials

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

Minimum requirements and assessment criteria

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.

Examination topics

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.

Reading list

Elements of Statistical Learning: data mining, inference and prediction (2nd edition) :: Hastie, Tibshirani and Friedman (2009) :: Springer

Statistics for High-dimensional Data: methods and theory :: Bühlmann and van de Geer (2011) :: Springer

Association in the course directory

Last modified: Mo 07.09.2020 15:28