105.707 Advanced Methods for Regression and Classification
Diese Lehrveranstaltung ist in allen zugeordneten Curricula Teil der STEOP.
Diese Lehrveranstaltung ist in mindestens einem zugeordneten Curriculum Teil der STEOP.

2019W, VU, 3.0h, 4.5EC

Merkmale

  • Semesterwochenstunden: 3.0
  • ECTS: 4.5
  • Typ: VU Vorlesung mit Übung

Lernergebnisse

Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage

  • theoretische Konzepte wichtiger Dimensionsreduktionsmethoden und Methoden für lineare und nichtlineare Regression und Klassifikation verstehen
  • die Stärken und Schwächen der verschiedenen statistischen Methoden und Werkzeuge verstehen

Inhalt der Lehrveranstaltung

Im vergangene Jahrzehnt gab es förmlich eine Explosion in der Informationstechnologie. Als Nebenprodukt entstehen riesige Datenmengen in so vielfältigen Anwendungsbereichen wie Medizin, Finanzwirtschaft oder Marketing. Die Herausforderung der Analyse dieser Daten hat zur Entwicklung neuer Werkzeuge der Statistik geführt und Forschungsgebiete wie Data Mining, maschinelles Lernen oder Bioinformatik begründet. Die Lehrveranstaltung beschreibt wichtige Konzepte dieser Werkzeuge in einem einheitlichen konzeptuellen Rahmen.

Methoden

Beispiele mit Daten, Software R

 

Prüfungsmodus

Schriftlich und Mündlich

Vortragende

Institut

LVA Termine

TagZeitDatumOrtBeschreibung
Do.12:00 - 13:0003.10.2019 - 30.01.2020FH Hörsaal 6 Vorlesung Filzmoser
Mi.09:00 - 11:0009.10.2019 - 29.01.2020EI 5 Hochenegg HS Vorlesung Filzmoser
Do.12:00 - 13:0031.10.2019FH 8 Nöbauer HS Vorlesung Filzmoser
Advanced Methods for Regression and Classification - Einzeltermine
TagDatumZeitOrtBeschreibung
Do.03.10.201912:00 - 13:00FH Hörsaal 6 Vorlesung Filzmoser
Mi.09.10.201909:00 - 11:00EI 5 Hochenegg HS Vorlesung Filzmoser
Do.10.10.201912:00 - 13:00FH Hörsaal 6 Vorlesung Filzmoser
Mi.16.10.201909:00 - 11:00EI 5 Hochenegg HS Vorlesung Filzmoser
Do.17.10.201912:00 - 13:00FH Hörsaal 6 Vorlesung Filzmoser
Mi.23.10.201909:00 - 11:00EI 5 Hochenegg HS Vorlesung Filzmoser
Do.24.10.201912:00 - 13:00FH Hörsaal 6 Vorlesung Filzmoser
Mi.30.10.201909:00 - 11:00EI 5 Hochenegg HS Vorlesung Filzmoser
Do.31.10.201912:00 - 13:00FH 8 Nöbauer HS Vorlesung Filzmoser
Mi.06.11.201909:00 - 11:00EI 5 Hochenegg HS Vorlesung Filzmoser
Do.07.11.201912:00 - 13:00FH Hörsaal 6 Vorlesung Filzmoser
Mi.13.11.201909:00 - 11:00EI 5 Hochenegg HS Vorlesung Filzmoser
Do.14.11.201912:00 - 13:00FH Hörsaal 6 Vorlesung Filzmoser
Mi.20.11.201909:00 - 11:00EI 5 Hochenegg HS Vorlesung Filzmoser
Do.21.11.201912:00 - 13:00FH Hörsaal 6 Vorlesung Filzmoser
Mi.27.11.201909:00 - 11:00EI 5 Hochenegg HS Vorlesung Filzmoser
Do.28.11.201912:00 - 13:00FH Hörsaal 6 Vorlesung Filzmoser
Mi.04.12.201909:00 - 11:00EI 5 Hochenegg HS Vorlesung Filzmoser
Do.05.12.201912:00 - 13:00FH Hörsaal 6 Vorlesung Filzmoser
Mi.11.12.201909:00 - 11:00EI 5 Hochenegg HS Vorlesung Filzmoser

Leistungsnachweis

Beispiele in R lösen, mündliche Prüfung

Prüfungen

TagZeitDatumOrtPrüfungsmodusAnmeldefristAnmeldungPrüfung
Mi.11:00 - 12:0020.11.2019 Buero Filzmoserschrift.&mündl.18.10.2019 12:00 - 19.11.2019 12:00in TISSPruefung (Studierende auf der Warteliste erhalten sicher einen Platz)

LVA-Anmeldung

Von Bis Abmeldung bis
02.10.2019 09:00 14.11.2019 12:00 14.11.2019 12:00

Curricula

StudienkennzahlSemesterAnm.Bed.Info
066 645 Data Science 1. Semester
860 GW Gebundene Wahlfächer - Technische Mathematik

Literatur

Es wird kein Skriptum zur Lehrveranstaltung angeboten.

Weitere Informationen

Sprache

Englisch