English
I834 – Mehrdimensionale Datenanalyse und statistische Lernverfahren
Multidimensional Data Analysis and Statistical Learning Techniques
Version: 2
Prof. Dr. rer. nat. Fabian Schwarzenberger
fabian.schwarzenberger(at)htw-dresden.de
Prof. Dr. rer. nat. Fabian Schwarzenberger
fabian.schwarzenberger(at)htw-dresden.de
Deutsch
5.00 Credits
150 Stunden
4.00 SWS (2.00 SWS Vorlesung | 2.00 SWS Praktikum)
90.00 Stunden
Mündliche Prüfungsleistung
Prüfungsdauer: 25 min | Wichtung: 100 %
Präsenzvorlesungen, Übungen, Übungen im PC-Labor
Eine bedarfsgerechte Auswahl aus den Themen-Schwerpunkten:
- Regression (z.B. multiple, lineare, nichtlineare Regression, Varianzanalyse)
- Modellwahl und Modellbewertung (z.B. The Lasso, Ridge Regression, Bootstrap, Kreuzvalidierung)
- Klassifikationsmethoden (z.B. Diskriminanzanalyse, logistische Regression)
- Dimensionsreduktion (z.B. Hauptkomponenten-Analyse, multidimensionale Skalierung, nichtlineare Dimensionsreduktion, Faktoranalyse)
Die Studierenden beherrschen die wesentlichen Grundlagen der multivariaten Statistik. Sie können eigenständig von einer praktischen Anwendung auf das zu Grunde liegende statistische Problem schließen. Die Studenten sind vertraut mit einer Reihe von Methoden des statistischen Lernens und können abhängig vom vorliegenden statistischen Problem die Anwendbarkeit der jeweiligen Methoden diskutieren und sich selbstständig für ein passendes Verfahren entscheiden.
Zur Umsetzung der Verfahren sind die Studierenden mit der Statistik-Software R vertraut. Hier sind sie in der Lage in der Programmierumgebung von R eigene Algorithmen zu entwickeln, vordefinierte Funktionen und Pakete zielgerichtet einzusetzen, sowie die Ergebnisse ihrer Berechnungen adäquat zu interpretieren.
Grundkenntnisse der Wahrscheinlichkeitstheorie und Statistik
Wird vom Vorlesenden zu Beginn der Veranstaltung bekannt gegeben.