WS 25/26

This seminar provides an overview of techniques for quantifying uncertainty in deep learning models. It covers epistemic and aleatoric uncertainty, Bayesian neural networks, methods deep ensembles, Imprecise learning, credal sets, interval probabilities and recent techniques for quantifying uncertainties in LLM and generative models as well as calibration methods. Applications in LLM, computer vision, and safety-critical domains such as healthcare and autonomous systems will also be discussed.

Recommended prerequisites: Deep learning; Python, PyTorch, TensorFlow. We would also hold the seminar in English, and also allow students from other courses (especially DS students)

Organization:

• First meeting: Tuesday, 10:30-12:00 am,  Oct. 21st at Ludwigstr. 33, Old Library
• Language: The seminar will be held in English and German

This seminar introduces students to the foundations of estimating and analyzing networks from data. It is structured in three thematic blocks:

1. Network Construction. We begin with statistical approaches to network estimation, moving from simple correlation and shrinkage methods to sparse graphical models and nonparanormal transformations. We compare conditional independence graphs with correlation/information-based networks and discuss practical choices for high-dimensional data.
   
2. Network Analysis & Clustering. In the second block, we turn to methods for analyzing network structure. We start with measures of centrality and dive into community detection, exploring different clustering strategies. We also consider graphlet correlations as statistical fingerprints that allow characterization and comparison of networks.
   
3. Generative Models. The final block focuses on generative network models. We consider the foundational small-world network construction scheme and introduce exponential random graph models (ERGMs) as a flexible generative framework.
   

Kick-off Meeting: October 20, 4:30pm

Enrollment Key: ADL2526

Course instructor: Simon Rittel

Target group: Master Statistics and Data Science

Enrollment Key: gradient_de$cent

Einschreibeschlüssel: WiSo2526

Im ersten Teil des Moduls wird der sozial- und wirtschaftswissenschaftliche empirische Forschungsprozess beleuchtet, eine Einführung in die wichtigsten Erhebungstechniken, Studiendesigns und klassische wie moderne Datenquellen gegeben, ein Verständnis für die Problematik der Operationalisierung theoretischer Konstrukte durch Indikatoren geweckt sowie die Verzerrung durch Selektions- und Instrumenteneffekte inklusive fehlender und fehlerhafter Daten analysiert. Im zweiten Teil wird zunächst die Rolle der amtlichen Statistik für eine informationelle Infrastruktur einer modernen Gesellschaft diskutiert. Besprochen werden der Aufbau des Europäischen Statistischen Systems, die spezifischen Qualitätsanforderungen amtlicher Statistikproduktion auch im Lichte neuer Datenquellen sowie methodische Konzepte der Bevölkerungsstatistik, der Preis- und Inflationsmessung und der Beobachtung des Arbeitsmarktes. Das Modul schließt mit Methoden der Konzentrationsmessung.

Lecturers: Thomas Augustin and Gilbert Kiprotich.

Official statistical agencies are the central information service providers in a democratically organized society, informing politics, business and society about current economic, social and increasingly also ecological developments. In this way, official statistics form an important basis for informed decisions. At the same time, official statistics act as a control authority, especially for politics, by empirically reflecting the consequences of decisions and actions. To meet this responsibility, official statistics production is underpinned by a strict methodology and high-quality standards. 

Against this background, there has also been an intensive discussion about the opportunities and challenges that complex statistical modelling, machine learning techniques, and new data sources deliver. This module aims to prepare students for participation in the discourse between academic and official statistics, as well as for the numerous opportunities for cooperation with public data producers. It provides an insight into typical questions and modes of argumentation, methodological principles, and the most important products of official statistics. First, the basic principles and legal framework of official statistics, their fundamental structure in Germany/Europe and their most important supporting institutions are discussed as a basis. Further topics will then include the EU system of environmental indicators, national and international poverty measurement, the role of machine learning and big data in official statistics, selected aspects of result dissemination and statistical literacy, and access to official data sources for (own) secondary analyses.

The module is compulsory for the EMOS (see below) specialisation; all other students can choose it as a general elective module. Furthermore, for the Social Statistics and Social Data Science track as well as the Econometrics track, this module counts as a "wider elective module". Students from other programmes are also most welcome. Please clarify the recognition conditions with your Board of Examiners and then contact us. 

Enrollment Key: emosa

Enrolment Key: sl_winter2526

In LSF: "Einführung in das maschinelle Lernen" 

Format

Class

• Time: Wednesday 12:15 - 13:45 h.
• Location: A 214.

Enrollment key

• The enrollment key is: "I2ML".

Enrolment key: DPC25

Der Einschreibeschlüssel lautet:  Mathe_I_NF2526

Schedule:

• Lecture/Exercise: Tuesday, 16-18 c.t., Schellingstr 3 - S007 (starting Tuesday, 14 October 2025)
• Lecture/Exercise: Wednesday, 14-16 c.t., Geschw.-Scholl-Pl. 1 - E216 (starting Wednesday, 15 October 2025)

Enrollment key: 

Einführungskurs in das Programmieren mit der statistischen Software R für das erste Semester im Bachelorstudiengang 'Statistik und Data Science' (Bachelor of Science, B.Sc.).

• Leistungsumfang: 6 ECTS
• Art des Moduls: Pflichtmodul mit Pflichtveranstaltungen
• Verwendbarkeit des Moduls in anderen Studiengängen: Keine
• Wahlpflichtregelungen: Keine
• Teilnahmevoraussetzungen: Keine
• Zeitpunkt im Studienverlauf Empfohlenes Semester: 1
• Präsenszeit: 3 SWS

Einschreibeschlüssel: statsoft2526

This seminar explores recent debates on income inequality and redistribution in economics. We will examine the methodological and empirical dispute between Piketty, Saez, Zucman and their critics Auten and Splinter on measuring trends in income inequality, as well as related contributions in this field. Building on this, we will study theories of optimal taxation and redistribution, discussing how economic policy can address rising inequality in practice.

• Block course in the week of Feb 16 and week of Feb 23. 

Key: w2526complexsamples

This course provides a comprehensive overview of the key methodological principles in designing, analyzing, and interpreting epidemiological studies.

The first part introduces foundational concepts such as defining estimands (the research question) and basic causal thinking. It also covers essential epidemiological measures, including prevalence, incidence, and effect measures, to describe associations between exposures and outcomes. Additionally, the course addresses challenges common in observational studies, such as bias and confounding. It critically examines how different study designs and statistical techniques can be used to handle both measured and unmeasured confounding.

The second part of the course focuses on more advanced topics. These include the role of evidence in shaping policy, the handling of missing data, and the analysis of competing risks in epidemiological research.

Die Veranstaltung "Programmieren mit Statistischer Software (R)" wendet sich an Studenten im Bachelor Statistik und Data Science (3. Semester). Sie baut auf die Veranstaltung "Einführung in die Statistische Software" (1. Semester) auf.

Einführungsveranstaltungen

Bitte kommt auf jeden Fall zur ersten Veranstaltung am Montag, wo der Ablauf des Kurses erklärt wird!

1. Zeit: Montag 2025-10-13, 10-12 c.t.
   Ort: Schellingstr. 3 (S), Raum S 001
2. Zeit: Mittwoch 2025-10-15, 16-18 c.t.
   Ort: Schellingstr. 3 (S), Raum S 002
   Dies ist ein anderer Raum als Montag!

Tutorials

Bitte kommen Sie nur zu dem Ihnen zugewiesenen Termin, da Sitzplätze begrenzt sind.

Termine: Montags und Mittwochs, 2025-10-20 -- 2025-12-22; 2026-01-07 -- 2025-02-04.

Termine:

• Der Einschreibeschlüssel lautet: "EinfBiom2526"

Termine:

• Der Einschreibeschlüssel lautet: "fmm2526"

Ausgehend von der linearen Modellierung werden komplexe und flexible Regressionsmodelle (generalisierte lineare Modelle und generalisierte additive Modelle) behandelt. Weiter wird ein Überblick über wichtige multivariate Analysetechniken, wie Klassifikation, Diskriminanzanalyse und Clusteranalyse und Modelle für latente Variablen, gegeben.

Termine und Personen:

Die Veranstaltung wendet sich an Studierende mit Hauptfach Statistik und Data Science bzw. Statistik. Das Fortgeschrittene Praxisprojekt (PO 2021) bzw. Statistische Praktikum (PO 2010) ist für Studierende im Bachelor-Studiengang Statistik ein Pflichtbestandteil des Studiums. In Gruppen von 4-5 Personen werden Projekte aus der angewandten Statistik bearbeitet. In der Regel besteht ein Projekt aus statistischen Fragestellungen, die sich aus der Zusammenarbeit mit externen Kooperationspartnern ergeben.

Jede Gruppe hält einen Zwischenvortrag bei dem bisherige Ergebnisse diskutiert und Anreize für weitere Analyse-Ansätze gegeben werden. Abgeschlossen wird das Praktikum mit einem längeren Vortrag in Anwesenheit des Projektpartners.

Die Statistik-Kenntnisse aus der Veranstaltung "Einführung in die lineare statistische Modellierung" bzw. "Lineare Modelle" werden für das Praktikum dringend empfohlen. Ohne diese Kenntnisse wird eine Bearbeitung der Projekte nicht möglich sein.

Die Veranstaltung wird sowohl während der Vorlesungszeit als auch in den Semesterferien angeboten. Die fristgerechte Anmeldung bis zum 30.09.2025 ist notwendig und verpflichtend, um eine ausreichende Menge an Projekten vorbereiten zu können. Ohne Anmeldung kann eine Teilnahme nicht garantiert werden. Bei der Anmeldung bitte auf die Angabe der korrekten Prüfungsordnung achten. Bitte beachten Sie, dass das Einschreiben in diesen Kurs keine Anmeldung darstellt.

Einschreibeschlüssel : statp2526

• Recent developments in spatial and geodata statistics
• Paradigm Shifts in the Foundations of Statistics? – Addressing the challenges of new data regimes via betting strategies, compression algorithms, imprecise probabilities and decision theory

Welcome to the course "Statistics for Geosciences" in the winter term 25/26!

First meeting: Wednesday, October 15, 08.30 in room C 112 in der Theresienstr. 41

Enrolment key: stat2geo

Master course 

• Master Statistics & Data Science – WP45
• Students from other fields welcome

Date and time

Tuesday	12.15-13.45	F 007
Thursday	10.15-11.45	A 014

Schedule:
Tuesday, 14-16 in E 004
Friday, 12-14 in E 216

Enrolment key:
CIN25

Schedule

• Lecture: 
  • Wednesday, 10-12 c.t.
  • Location: Geschwister-Scholl-Platz 1, A 213 (Raumfinder)
• Tutorial: 
  • Friday, 10 - 12 c.t.
  • Location: Geschwister-Scholl-Platz 1, M 014 (Raumfinder)

Enrollment key

• Enrollment key: test-time-compute