Statistisches Lernen 2

Masterstudium

Die Teilnehmer:innen:
• können weiterführende Algorithmen der Data Science praktisch nachvollziehen
• können weiterführende Algorithmen der Data Science für spezifische Einsatzzwecke konfigurieren
• können die behandelten Algorithmen in isolierten Problemstellungen anwenden

1. Semester: Die Studierenden verfügen über Vorwissen im Bereich Mathematik/Statistik im Umfang von 8 ECTS und kennen daher einfache statistische Maßzahlen, sowie grundlegende statistische Testverfahren (z.B. t-Test). / 2. Semester: Keine Voraussetzungen / 2. Semester: Modulprüfung MLAL.A1 (Algorithmik 1)

Folgende Inhalte werden in der Lehrveranstaltung besprochen:

- weiterführende Modellierungsverfahren
- Ensemble Methoden
- Optimierung von Modellen

- James, G.; Witten, D; Hastie, T.; Tibshirani, R. (2023). An Introduction to Statistical Learning: with Applications with Python (ISBN: 978-3031387463)
- Bruce. P.; Bruce, A.; Gedeck, P. (2020): Practical Statistics for Data Scientists: 50+ Essential Concepts Using R and Python (ISBN: 978-1492072942)
- Geron, A. (2022): Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, (ISBN: 978-1098125974)

Klausur

Deutsch

6

Folgende Methoden kommen zum Einsatz:

- Vortrag mit Diskussion
- Bearbeitung von Übungsaufgaben
- Interaktiver Workshop

2