Statistisches Lernen 1

Masterstudium

Folgende Kompetenzen werden in der Lehrveranstaltung erarbeitet: - Die Studierenden kennen die Funktionsweise grundlegender Algorithmen im Bereich Data Science. - Die Studierenden verstehen die statistische Konzepte und Arbeitsweisen hinter den behandelten Algorithmen. - Die Studierenden sind in der Lage für gegebene Problemstellungen geeignete Algorithmen zu selektieren. - Die Studierenden kennen die von den behandelten Algorithmen benötigten Datenstrukturen, Laufzeitspezifika und Komplexitätsklassen. - 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).

Folgende Inhalte werden in der Lehrveranstaltung besprochen: - Statistische Maßzahlen (Punkt- und Intervallschätzer) - Statistische Testverfahren - Gruppierungsalgorithmen (Classification Trees, Agglomerativ Hierarchisches Clustering usw.) - Regressionsalgorithmen (Regression Trees, Random Forests, usw.) - Assoziative Algorithmen - Verfahren zur Vorverarbeitung von Daten (z.B. Principal Component Analysis)

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)

Klausur

Deutsch

6

33

3.0

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

1

Prof. (FH) Dr. Johannes Lüthi, Prof. (FH) Dr. Michael Kohlegger

MLAL.1

Integrierte Lehrveranstaltung

Pflichtfach

kein