Lehrende: Philipp Simeon Bach; Sven Hermann Wolfgang Klaaßen; Jannis Malte Kück; Prof. Dr. Martin Spindler
Veranstaltungsart: Vorlesung + Übung
Anzeige im Stundenplan: bwl-ma-meth4(B)
Semesterwochenstunden: 4
Unterrichtssprache: Deutsch / Englisch
Min. | Max. Teilnehmerzahl: - | -
Weitere Informationen: Die Veranstaltung findet in digitaler Form statt. Nähere Information zum konkreten Ablauf der Veranstaltung erhalten Sie vor dem Start der Veranstaltung (voraussichtlich Mitte Mai) über Stine. Die Veranstaltungstermine bleiben bestehen.
Kommentare/ Inhalte: Voraussetzungen/Hinweise: -Vertiefte Statistikkenntnisse werden vorausgesetzt (Vorkenntnisse in maschinellen Lernmethoden sind vorteilhaft). -Erste Programmiererfahrungen (z.B. in R) sind hilfreich. -Die Anwesenheit in der Vorlesung und Übung wird sehr dringend empfohlen. -Bitte melden Sie sich nur zur Veranstaltung an, wenn Sie definitiv teilnehmen!
Lernziel: Ziel der Veranstaltung ist es Kompetenzen in der Auswertung von Daten mit Hilfe von modernen statistischen Methoden zu erlernen. Die Themenbereiche umfassen unter anderem Hypothesentests, Regressionsmethoden (Quantilsregression, Ridge, ...) und Klassifikationsmethoden (SVMs, Decision Trees,...). Die Veranstaltung setzt sich aus einem Vorlesungsteil (vormittags) und einem Übungsteil (nachmittags) zusammen. In der Vorlesung wird eine Einführung in Python gegeben und statistische Methoden zur Datenanalyse vorgestellt. In den Übungen werden theoretische und praktische Aufgaben zu den statistischen Methoden aus der Vorlesung mittels Python bearbeitet. Die Prüfungsleistung besteht aus einer eigenständigen Hausarbeit, welche einen Programmier- und einen Verständnis- bzw. Theorieteil umfasst.
