Lehrende: Kyra Ahrens; Dr. Sven Magg
Veranstaltungsart: Seminar
Anzeige im Stundenplan: RM - Sem
Semesterwochenstunden: 2
Credits: 3,0
Unterrichtssprache: Englisch
Min. | Max. Teilnehmerzahl: - | 40
Kommentare/ Inhalte: Dieses praktische Seminar ergänzt die Vorlesung. Für Informationen zu Inhalt und Zielen wenden Sie sich bitte an die Beschreibung der Vorlesung.
Lernziel: Das Ziel dieses Praktikums ist die Vertiefung der in der Vorlesung vorgestellten Konzepte. Erfolgreiche Studierende sind nach diesem Seminar fähig die theoretischen Konzepte der Vorlesung anzuwenden um sinnvolle Experimente zu definieren die bestimmte Hypothesen beantworten können, haben Wissen über verschiedene Datentypen und Methoden zu deren statistischer Analyse, haben gelernt ihre Herangehensweise und Ergebnisse in wissenschaftlichen Diskussionen und Veröffentlichungen zu verteidigen und wissenschaftliche Publikationen kritisch zu bewerten. Durch die praktische Umsetzung der Methoden aus der Vorlesung in Python erhalten Studenten praktische Erfahrung als auch Beispiele die auf eine Vielzahl von Problemen angewandt werden können.
Vorgehen: Das Praktikum wird eng mit der Vorlesung verknüpft sein und aus mehreren Teilen bestehen. Unter anderem werden Studierende
Literatur: • Cohen, P. R. Empirical methods for artificial intelligence. MIT Press, Cambridge, Mass. 1995. • Field, A., Miles, J., Field, Z. Discovering statistics using R. SAGE, Los Angeles, 2012. • Allen B. Downey., Think Stats 2e. Green Tea Press Books, 2014. (Freely available online)
Zusätzliche Hinweise zu Prüfungen: Für das erfolgreiche Bestehen des Seminars ist zum einen eine regelmäßige Teilnahme Voraussetzung. Zum anderen werden mehrere Gruppenaufgaben über das Semester verteilt gestellt die bepunktet werden. Die Abgaben müssen jeweils 70/100 Punkten für ein Bestehen erreichen.