| NUMMER: | n.n. |
| KÜRZEL: | SLDM |
| MODULBEAUFTRAGTE:R: | Prof. Dr. Johannes Lederer |
| DOZENT:IN: | Prof. Dr. Johannes Lederer |
| FAKULTÄT: | Fakultät für Mathematik |
| SPRACHE: | Englisch |
| SWS: | 4 SWS |
| CREDITS: | 5 CP |
| ANGEBOTEN IM: | jedes Sommersemester |
PRÜFUNGEN
| FORM: | schriftlich |
| TERMIN: | Siehe Prüfungsamt. |
LERNFORM
Hörsaalvorlesung mit Medienunterstützung, insbesondere Datenanalysen mit dem Computer, Tutorien als seminaristischer Unterricht, zusätzlich Selbststudium mit ergänzend bereitgestellten Materialien und Aufgaben
LERNZIELE
Nach dem erfolgreichen Abschluss des Moduls- kennen die Studierenden Standardmethoden der Datenanalyse
- verstehen die Studierenden, wann welche Methoden passend sind
- sind die Studierenden in der Lage, die Methoden anzuwenden
- können die Studierenden die Ergebnisse interpretieren)
INHALT
In dieser Lehrveranstaltung werden die grundlegenden Methoden der Datenanalyse eingeführt. Dabei werden verschiedene Datentypen berücksichtigt, insbesondere Regressionsdaten und Klassifikationsdaten. Immer werden auch die zu Grunde liegenden statistischen Modelle besprochen. Ebenfalls werden mögliche Anwendungen sowohl im Unterricht als auch in Computer-Übungen vorgestellt.Ziel ist es, den gesamten Verlauf einfacher Datenanalysen zu vermitteln: Datenaufbereitung, statistische Modellbildung, Auswahl einer Methode, Implementierung der Methode, Visualisierung der Resultate und Interpretation.
VORAUSSETZUNGEN CREDITS
Bestandene Modulabschlussprüfung
EMPFOHLENE VORKENNTNISSE
Inhalte der Pflichtmodule in Mathematik (Module Mathematik 1 – Grundlagen, Mathematik 2 – Algorithmische Mathematik und Mathematik 3 – Anwendungen,insbesondere Stochastik)
LITERATUR
G. James, D. Witten, T. Hastie and R. Tibshirani: „An Introduction to Statistical Learning“, Springer Verlag 2017
SONSTIGE INFORMATIONEN
Um den Studierenden angemessene Unterstützung bei den Anwendungsaufgaben zu geben, wird in den Übungen mit Gruppen von maximal 20 Studierenden gearbeitet.Aktuelle Informationen wie Vorlesungstermine, Räume oder aktuelle Dozent*innen und Übungsleiter*innen sind im Vorlesungsverzeichnis der Ruhr-Universität https://vvz.rub.de/ und im eCampus https://www.rub.de/ecampus/ecampus-webclient/ zu finden.