Statistisches Lernen 1 Lab

Masterstudium

Folgende Kompetenzen werden in der Lehrveranstaltung erarbeitet: - Die Studierenden können grundlegende Algorithmen der Data Science praktisch nachvollziehen. - Die Studierenden können grundlegende Algorithmen der Data Science für spezifische Einsatzzwecke konfigurieren. - Die Studierenden können die behandelten Algorithmen in isolierten Problemstellungen anwenden.

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).

Im Lab werden die Inhalte der ILV "Statistisches Lernen 1" mit Hilfe von praktische Übungen vertieft. Die dabei gewonnenen Erkenntnisse werden in der Gruppe diskutiert und erlauben so einen tiefen Einblick in die Materie und eine Festigung des Wissens, das in der ILV theoretisch vermittelt wurde.

PRIMÄRLITERATUR: - Murphy, K. P. (2012): Machine Learning: A Probabilistic Perspective (Ed. 1), MIT Press, Cambridge (ISBN: 978-0-262-01802-9) - Bishop, C. (2006): Pattern Recognition and Machine Learning (Ed. 1), Springer-Verlag, New York (ISBN: 978-0-387-31073-2) SEKUNDÄRLITERATUR: - James, G.; Witten, D; Hastie, T.; Tibshirani, R. (2013): An Introduction to Statistical Learning: with Applications in R (Ed. 1), Springer Science & Business Media, New York (ISBN: 978-1-461-471387) - Steele, B.; Chandler, J.; Reddy, S. (2016): Algorithms for Data Science (Ed. 1), Springer, Berlin (ISBN: 978-3319457956)

Folgende Prüfungsmethoden werden in der Lehrveranstaltung zum Einsatz gebracht: - Projektarbeit - Hausarbeiten

Deutsch

2.5

0

1.0

Folgende Methoden kommen zum Einsatz: - Bearbeitung von Übungsaufgaben - Interaktiver Workshop

1

Prof. (FH) Dr. Michael Kohlegger

MLAL.2

Übung, Konstruktionsübung

Pflichtfach