Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage

• theoretische Konzepte wichtiger Dimensionsreduktionsmethoden und Methoden für lineare und nichtlineare Regression und Klassifikation zu erklären und zu formulieren
• die Stärken und Schwächen der verschiedenen statistischen Methoden und Werkzeuge anzugeben und diese entsprechend einzusetzen

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. Die Themen inkludieren neurale Netze, Support Vector Machines, Klassifikationsbäume und verallgemeinerte additive Modelle.

Beispiele mit Daten, Software R

Der Übungsteil findet online statt. Der Vorlesungsteil wird in Präsenz stattfinden: Mittwoch, 05.10.2022 - 11.01.2023, 8:00 - 10:00 Uhr im HS 17 Friedrich Hartmann und ab 18.01.2023 im GM 5 Praktikumshörsaal.

Details sind unter der VU 105.707 ersichtlich.

Beispiele in R lösen, mündliche Prüfung

Ein Skriptum zur Lehrveranstaltung ist beim Vortragenden erhältlich.