INSTITUT FÜR MEDIZINISCHE INFORMATIK, STATISTIK UND EPIDEMIOLOGIE

Vorlesung "Statistisches Lernen"

Vorlesung/Übung

Dozenten David Petroff, Kristin Reiche, Andreas Kühnapfel, Martin Bogdan
Termine Dienstag: 9:15 Uhr - 10:45 Uhr
  Donnerstag: 9:15 Uhr - 10:45 Uhr
Raum Dienstag: S 402 (Campus Augustusplatz)
  Donnerstag: HS 19 (Campus Augustusplatz)
Hinweise Die erste Vorlesung findet am 23.10.2018 (Dienstag) statt.
  Die letzte Vorlesung vor Weihnachten findet am 20.12.2018 (Donnerstag) statt.
  Die erste Vorlesung im neuen Jahr findet am 8.1.2019 (Dienstag) statt.
 

Am 22.1.2019 findet keine Vorlesung/Übung statt.

  In dieser Woche (12.-16.11.2018) erfolgt die Besprechung der Übung am Donnerstag.

Teilnehmerkreis

Studierende an der Fakultät für Mathematik und Informatik mit "Statistisches Lernen" als Pflicht- bzw. Wahlpflichtmodul und andere Interessierte (bei verfügbaren Plätzen)

Inhalt

Ziel der Vorlesung ist es, die konzeptionellen Grundlagen des statistischen Lernes zu verstehen.

Besprochene Inhalte:
  • Zufallsvariablen und Wahrscheinlichkeitstheorie
  • Einführung in die Statistik und Deskriptive Datenanalyse
  • Statistisches Testen
  • Lineare und Nichtlineare Regressionsmodelle
  • Multiples Testen
  • Modellwahl und -bewertung
  • Regularisierung und Shrinkage
  • Resampling-Verfahren
  • Statistische Analyse von Sequenz- und Expressionsdaten
  • Support Vector Machines, Random Forests, Neuronale Netze
  • Unsupervised Learning

Downloads und Literatur

Die Vorlesung richtet sich hauptsächlich nach dem folgenden Buch:

G. James, D. Witten, T. Hastie, R. Tibshirani. "An Introduction to Statistical Learning." Springer. 2013.

Weitere Literatur

  • D. R. Cox. "Principles of Statistical Inference." CUP. 2006.
  • D. R. Cox and D. V. Hinkley. "Theoretical Statistics." Chapman & Hall. 1974.
  • J. Fox. "Applied Regression Analysis and Generalized Linear Models." SAGE. 2016.
  • B. W. Gnedenko. "Lehrbuch der Wahrscheinlichkeitsrechnung." Harri Deutsch. 1980.
  • T. Hastie, R. Tibshirani, and J. Friedman. "The Elements of Statistical Learning." Springer. 2001.
  • K. Murphy. "Machine Learning - A Probabilistic Perspective." The MIT Press. 2012.

Software

Vorlesungsfolien

Übungsblätter

Mündliche Modulprüfung

R-Kurs

Parallel zur Vorlesung findet ein R-Kurs statt. Hier wird die Umsetzung und Anwendung von in der Vorlesung besprochenen Verfahren mit Hilfe der Programmiersprache R erläutert. Genauere Hinweise zum R-Kurs finden Sie hier.