Statististical Learning and Data Mining

Sie befinden sich hier:

Kürzel

SLDM

Modulnummer

n.n.

Leistungspunkte (Credits)

5 CP

Workload

150 Stunden

Semesterwochenstunden

4 SWS

Turnus

jedes Sommersemester

Unterrichtssprache

Englisch

Aktuelle Informationen wie Vorlesungstermine, Räume oder aktuelle Dozent*innen und Übungsleiter*innen

 

Lehrveranstaltungen

  • Statististical Learning and Data Mining – Vorlesung (2 SWS)
  • Statististical Learning and Data Mining – Übung (2 SWS)

Modulbeauftragte/r, aktuelle Dozent*innen und Übungsleiter*innen
Empfohlene Vorkenntnisse
Inhalte der Pflichtmodule in Mathematik (Module Mathematik 1 – Grundlagen, Mathematik  2 – Algorithmische Mathematik und Mathematik 3 – Anwendungen, insbesondere Stochastik)
Teilnahmevoraussetzungen
keine
Lernziele (Lerning Outcomes)
Nach dem erfolgreichen Abschluss des Moduls

  • kennen die Studierenden Standardmethoden der Datenanalyse
  • verstehen die Studierenden, wann welche Methoden passend sind
  • sind die Studierenden in der Lage, die Methoden anzuwenden
  • können die Studierenden die Ergebnisse interpretieren)

Inhalt
In dieser Lehrveranstaltung werden die grundlegenden Methoden der Datenanalyse eingeführt. Dabei werden verschiedene Datentypen berücksichtigt, insbesondere Regressionsdaten und Klassifikationsdaten. Immer werden auch die zu Grunde liegenden statistischen Modelle besprochen. Ebenfalls werden mögliche Anwendungen sowohl im Unterricht als auch in Computer-Übungen vorgestellt.

Ziel ist es, den gesamten Verlauf einfacher Datenanalysen zu vermitteln: Datenaufbereitung, statistische Modellbildung, Auswahl einer Methode, Implementierung der Methode, Visualisierung der Resultate und Interpretation.

Lernformen
Hörsaalvorlesung mit Medienunterstützung, insbesondere Datenanalysen mit dem Computer, Tutorien als seminaristischer Unterricht, zusätzlich Selbststudium mit ergänzend bereitgestellten Materialien und Aufgaben
Prüfungsformen
Schriftliche Modulabschlussprüfung über 90 Minuten
Vorraussetzung für die Vergabe von Kreditpunkten
Bestandene Modulabschlussprüfung
Empfohlene Literatur
G. James, D. Witten, T. Hastie and R. Tibshirani: „An Introduction to Statistical Learning“, Springer Verlag 2017