Neural Information Processing

Modules Master

Modultitel
Vorlesung Angewandte Statistik II (Lecture Course Applied Statistics II)

Modulnummer  INF4151

Art des Moduls  Wahlpflicht

ECTS-Punkte  6   
Arbeitsaufwand  180 h

Kontaktzeit  60 h / 4 SWS
Selbststudium  120 h

Moduldauer 
1-semestrig

Häufigkeit des Angebots 
jährlich im Sommersemester

Unterrichtssprache  deutsch

Lehr-/Lernformen  Vorlesung mit Übungen

Klausur & Benotung
schriftliche Klausur am Ende der Vorlesung; Dauer: 90 min; Modulnote entspricht Klausurnote

Modulinhalt
Aufbauend auf Angewandte Statistik I werden komplexere statistische Methoden behandelt: Generalisierte Lineare Modelle (GLM), Hauptkomponentenanalyse (PCA), Unabhängigkeitsanalyse (ICA) und Bayes-Statistik.
Der Schwerpunkt liegt auf der praktischen Anwendung aller Methoden und deren Implementation in der Programmiersprache Python (mit den Modulen statsmodels, scipy.stats, sklearn und pystan) und der Darstellung der Ergebnisse in Notebooks.

Qualifikationsziele
Die Studenten sollen weiterführende statistische Methoden kennen-, anwenden und in Software implementieren lernen. Die Unterschiede zwischen frequentistischer und Bayes-Statistik werden hinterfragt. Angeeignetes Wissen und Erfahrung soll die Studenten in die Lage versetzen, Versuche selbst planen und auswerten zu können und dabei typische Fehler zu vermeiden. In der Literatur dargestellte Ergebnisse werden kritisch hinterfragt.

Anrechenbar für
Informatik - Master
Bioinformatik - Master
Medieninformatik - Master
Medizininformatik - Master
Kognitionswissenschaft - Master Hauptfach im Bereich Kognitive Informatik (MKOGINF)

Teilnahmevoraussetzungen  Mathematische Grundlagen (Analysis, lineare Algebra) sowie solide statistische Grundlagen, z.B. durch den Besuch der Veranstaltung "Angewandte Statistik I"

Verantwortlicher  Dr. Uli Wannek

Literatur  Wird in der Vorlesung bekannt gegeben