[w26/27] Statistical Inference

There is no course in Statistical Inference this Winter Semester. However there is an exam in February 2027. Join this course for further information.

Registration key: Inference

[w26/27] Applied Deep Learning

Enrollment key: ADL

[w26/27] Seminar: Theory of Modern Inference Methods

Introduction to Statistical Programming in R (Minor Statistics)

The enrolment key / password for the course is: StatProgWS2627.

If you have questions please contact statprog@stat.uni-muenchen.de.

The course will be taught in English, more information can be found in the course itself.

[w26/27] Seminar: Geometry of Embeddings

[w26/27] Seminar: Greenhouse Gas Insights and Sustainability Tracking

[w26/27] NLP Seminar on Culture

Artificial Intelligence in Science and Society (lecture series) WS 26/27

Die interdisziplinäre Ringvorlesung „AI in Science and Society" (KI in Wissenschaft und Gesellschaft), in der die gesellschaftliche Relevanz von KI und der Stellenwert von KI in unterschiedlichen Wissenschaftsbereichen beleuchtet werden sollen, ist ein Baustein des neuen Nebenfachangebots "AI as a major Minor." 

The interdisciplinary lecture series "AI in Science and Society" (KI in Wissenschaft und Gesellschaft), in which the social relevance of AI and the importance of AI in different scientific fields are to be examined, is one component of the new Minor "AI as a major Minor."

Enrolment key: AISSWS627

[w26/27] Wirtschafts- und Sozialstatistik

Einschreibeschlüssel: WiSo2627

[w26/27] Computational Social Science

Enrollment Key

CSSws2627

2026 Student Day at the Bavarian State Office for Statistics (LfStat)

[All Masters and advanced Bachelor students welcome!] Join us for the Student Day at the Bavarian State Office for Statistics in Fürth on Friday, 13 November 2026, and see first-hand how official statistics are produced. You will hear from LfStat staff about their work, meet students from the University of Bamberg, and learn about internship and master's thesis opportunities. We travel together from Munich Hauptbahnhof.

Key: emosday2026

[ws26/27] Research Techniques in Statistics and Data Science / Wissenschaftliches Arbeiten in der Statistik (Schollmeyer)

Termine:  Donnerstag 18:00 - 20:00 Uhr, Geschw.-Scholl-Pl. 1 (M) / M 014

Der genaue Termin für die erste Vorlesung wird noch bekannt gegeben.

Overview: This course will discuss essential research techniques in statistics and data science, also preparing students for successfully participating in seminars and writing a thesis. The material presented focuses mainly on classical research techniques and a first understanding of research as a social system. 



The course is part of the Bachelor’s programmes in Statistics and Data Science (150 major or 60 ECTS minors: `Methoden und Techniken des wissenschaftlichen Arbeitens’,  P16.1, and  WP 12.1 / WP 13.1, respectively).  Bachelor's students from the "old POs" and Master’s students are most welcome as well. A certificate can be issued for active personal attendance.



Enrollment key: ResTech_ws_26_27

[w26/27] Konzepte der statistischen Modellierung (Hoffmann/Scheipl)

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:

   Termin  Ort
Vorlesung  Mo, 12.00-14.00  Geschw.-Scholl-Pl. 1 (B) - B106
Tutorium  Di, 10.00 - 12.00  Geschw.-Scholl-Pl. 1 (A) - A125
Übung  Mi, 10.00 - 12.00  Schellingstr. 3 (S) - S 006
Vorlesung  Do, 12.00 - 14.00  Geschw.-Scholl-Pl. 1 (D) - D209
Übung      Fr,  10.00 - 12.00  Geschw.-Scholl-Pl. 1 (E) - E004


Vorlesung: Fabian Scheipl und Sabine Hoffmann
Übung: Nele Jürgensen und Robin Schüttpelz
Tutorium: Philip Pervan

Die Kontaktdaten sowie Sprechzeiten sind den jeweiligen Homepages zu entnehmen.
 
Der Einschreibeschlüssel ist Stat5WS2627

[w26/27] Statistik I für Studierende der Soziologie, des Nebenfachs Statistik und des Nebenfachs Statistik und Data Science, der Medieninformatik und der Cultural and Cognitive Linguistics

Einschreibeschlüssel: w2627statI

[ws26/27] Mathematik I: Grundlegende Techniken für Nebenfachstudierende (Schollmeyer)

Der Einschreibeschlüssel lautet: MatheINF WS25_26

[w26/27] Deskriptive Statistik & Explorative Datenanalyse (Scheipl/Schlichting)

  Termine Ort Person
Vorlesung  Mo, 14.00 - 16.00       S 001 (Schelling 3) Fabian Scheipl     
Vorlesung   Do, 14.00 - 16.00  A 240 (Hgb) Fabian Scheipl
Übung 1  Mo, 12.00 - 14.00  S 002 (Schelling 3) Daniel Schlichting
Übung 2   Mi, 10.00 - 12.00  M 010 (Hgb)  Daniel Schlichting
Tutorium Di, 18.00 - 20.00  S 001 (Schelling 3) Michael Kobl


Die Übungen beginnen schon in der ersten Woche.

Einschreibeschlüssel: dskrpt



[w26/27] Data Privacy and Confidentiality

Enrollment Key: DPC26

[w26/27] Statistics for the Public Good – Infrastructure for Decision Making, Research and Discourse (EMOS A) (Radermacher)

Teacher: Walter J. Radermacher
In-Person Workshops: February 16, February 17, February 18, 10am-5pm each
Format: 1. Self-learning through online videos & readings, 2. in-person workshops for practical appliance of use cases.

Registration period: 

Examination: 

  • Oral Exam (6 ECTS credits), 15 minutes slot per student on March 4th + March 5th 2027, 9am – 5pm 
  • Catching-Up Exam (Nachholtermin): March 16, 2027, 9am – 5pm


Language: English


Who is this course for? 

The module is compulsory for the EMOS specialisation; all other students can choose it as a general elective module. 

MsC Statistics and Data Science (2021, WP 28+29+40+46), BsC Statistics and Data Science (2021, WP 8+11), Statistik und Data Science als Nebenfach für Bachelor 30 ECTS (2021, WP 4+5), Statistik und Data Science als Nebenfach für Bachelor 60 ECTS (2021, WP 11+12), Statistik und Data Science als Nebenfach 30 ECTS Mathematik (2021, WP 5+6), Statistik Nebenfach 60 ECTS Bachelor Soziologie (2021, WP 10+11), WISO Mater (2010, "Ausgewählte Gebiete..." )

Self-Enrolment Key: StatsPublicGood#2627

[w26/27] Introduction to Machine Learning - Minor Statistics (Casalicchio)

In LSF: "Einführung in das maschinelle Lernen" 
 
Format
Inverted classroom with 90 min live lecture recap + 90 min live exercise recap
 
Class
  • Time: Wednesday 12:15 - 13:45
  • Location: A 214
Exercise
  • Time: Thursday 10:15 - 11:45
  • Location: S 051
Enrollment key
  • The enrollment key is: "I2ML".

[w26/27] Optimization in Machine Learning (Bischl, Rundel)

Enrollment Key: coordinate_de$cent

[w26/27] Causal Inference (Wilhelm)

Causality is central to much of empirical work in economics. After formally defining the concept of causality through potential outcomes and identification of causal effects, the course introduces several research designs in which identification of causal effects can be established. The course shows the formal identification arguments, discusses empirical examples, and practical aspects of implementation. Examples of research designs covered are matching, instrumental variables, differences-in-differences, and regression discontinuity designs.

Registration key: ci2627

[w26/27] Programmieren mit statistischer Software (R) (Binder, Zhang)

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(!) 2026-10-12, wo der Ablauf des Kurses erklärt wird!

  1. Zeit: Montag 2026-10-12, 10-12 c.t.
    Ort: Schellingstr. 3 (S), Raum S 002
  2. Zeit: Mittwoch 2026-10-14, 16-18 c.t.
    Ort: Schellingstr. 3 (S), Raum S 002
Tutorials

Termine: Montags und Mittwochs, 2026-10-19 -- 2026-12-16; 2027-01-11 -- 2027-02-03.

Zeiten sind "c.t."
Zeitslot
 Ort Person
Montag 10--12 TBD Zizheng Zhang
Mittwoch 16--18 TBD Martin Binder
Einschreibeschlüssel: progr2627


[ws26/27] Survival Analysis

Schedule:

Enrollment key: 

survive2026

[w26/27] Inferenzstatistik I: Grundlagen der Schätztheorie (Kauermann)

9 ECTS, 4 SWS Vorlesung, 2 SWS Übung

Primäre Zielgruppe: 3. Semester Bachelor Statistik und Data Science (Module P9 und P10 in PO 2021)
Kann auch als Wahlpflichtmodul im Nebenfach Statistik und Data Science belegt werden.

Inhalte: Einführung ins Schätzen und Testen. 

  Termin Ort Beginn
Vorlesung Dienstag, 16:00 s.t.! - 20:00 Schellingstr. 3 (S) - S 002 03.11.26
Übung Mittwoch, 14:15 - 16:45 Geschw.-Scholl-Pl. 1 (M) - M 114 04.11.26
Tutorium Donnerstag, 14:15 - 15:45 Geschw.-Scholl-Pl. 1 (D) - D 209 05.11.26


Der Einschreibeschlüssel lautet: InfStat1_WS2627

[w26/27] Einführung in die Statistische Software (Bender/Boustani)

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: statsoft2627

[w26/27] Statistik III für Nebenfachstudierende (Haensch/Hoffmann)

Einschreibeschlüssel

  • Einschreibeschlüssel:  statIII_ws2627

[w26/27] Fortgeschrittene mathematische Methoden in der Statistik (Scheipl/Gauß)

Termine:

   Termin   Ort  Person   Beginn 
 Vorlesung   Do, 10-12  Geschw.-Scholl-Pl. 1 - M 114  Scheipl  15.10.26 
 Übungsgruppe 1  Di, 14-16   Geschw.-Scholl-Pl. 1 - M 105  Gauß  20.10.26
 Übungsgruppe 2   Mi, 12-14   Geschw.-Scholl-Pl. 1 - B 106  Gauß  21.10.26


Einschreibeschlüssel

  • Der Einschreibeschlüssel lautet: "fmm2627"

[w26/27] Topics in Econometrics - Causal Inference and Networks

Schedule:
Tuesday, 14-16 in M 010
Friday, 12-14 in E 216


Enrolment key:
CIN26

[w26/27] Statistical Modelling (Küchenhoff)

In this course, the fundamental concepts of statistical modelling and corresponding approaches are introduced. Firstly, the wide range of regression models is covered. This comprises generalized linear and additive models, mixed models and duration time/survival models, including different accelerated failure time models and Cox’s proportional hazards model. Furthermore, latent variable models, measurement errors and beyond mean regression are discussed. Strategies for model selection, dependence modelling (copulas), functional data analysis and basic aspects of directed cyclic graphs (DAGs) as well as causal inference complete the lecture and exercise classes.

Lecture

  • Thursday, 12:00–14:00 (c.t.), Kaulbachstr. 37, Room 023
  • Friday, 12:00–14:00 (c.t.), Geschwister-Scholl-Pl. 1, Room M 118

Lab session

  • Monday, 14:00–16:00 (c.t.), Geschwister-Scholl-Pl. 1, Room M 118 

Tutorial

  • Wednesday, 16:00–18:00 (c.t.), Geschwister-Scholl-Pl. 1, Room D 209

Grading: Written exam

Enrollment Key: StatMod101

[w26/27] Nonparametric Econometrics (Olma)

Overview:
This course is part of the Econometrics Track in the Master's Program in Statistics and Data Science. It is also well suited for advanced master's students in Economics and PhD students.

The course covers the foundations of classic nonparametric methods, with emphasis on kernel estimation of density and regression functions. It combines rigorous derivations of the statistical properties of estimators with simulation studies and empirical applications, such as regression discontinuity/kink designs and average treatment effect estimation.

Schedule:
  • Thursday, 12:15 - 14:00, Room B 106
  • Friday, 8:30 - 10:00, Room B 106

Grading: Written exam

Enrollment key: np

[w26/27] Supervised Learning / Predictive Modelling (Bothmann / Heiß)

Lecture: Ludwig Bothmann (ludwig.bothmann@lmu.de)
Exercise: Timo Heiß (timo.heiss@stat.uni-muenchen.de)
 
Time & Location: Friday, 08:00-12:00 c.t. (Schellingstraße 3, S002, Raumfinder)
Note: We alternate between lecture and exercise sessions each week, with occasional online sessions that include both a lecture and an exercise.
 
Format: inverted classroom with lecture and exercise sessions
Language: English
Target audience: Master students of Data Science and Statistics, ESG Data Science (others welcome)
Credits: 6 ECTS

Enrolment Key: sl_winter2627

[WS26/27] Preclinical and Clinical Studies (Stolte/Boulesteix/Hoffmann)

  Date Place Person
Lecture Thursday, 09:15-11:45  Geschw.-Scholl-Pl. 1 A 017 Stolte/Boulesteix/Hoffmann
Exercise  Monday,  08:15-09:45  Geschw.-Scholl-Pl. 1 A 213 Stolte


Enrolment key

  • The enrolment key is: "PCS2627"

[WS26/27] Einführung in die medizinische Biometrie (Stolte/Lemster)

Termine:

  Termin Ort Person Beginn
Vorlesung Di, 12:15-13:45 Geschw.-Scholl-Pl. 1 (A) - A 125 Stolte/Lemster 13.10.26
Vorlesung/Übung  Mi, 14:15-15:45 Geschw.-Scholl-Pl. 1 (M) - M 014  Stolte/Lemster 14.10.26


Einschreibeschlüssel

  • Der Einschreibeschlüssel lautet: "EinfBiom2627"

[w26/27] SAS Course (Oberhauser)

Person: Dr. Cornelia Oberhauser

SAS Course as a 10-day block course during the semester break

Dates: 14.9.2026 - 25.9.2026 (mainly in the morning)

Enrolment key

  • The enrolment key is: ‘saskurs2026’

Guest key

  • The guest key is: ‘saskurs2026’

[w2627] Spatial Statistics

Master course 

  • Master Statistics & Data Science – WP45
  • Students from other fields welcome
Self-Enrolment Key: Matheron
 
Date and time
Tuesday 12.15-13.45 A 016
Thursday 10.15-11.45 A 014




[w2627] Einführung in die Bayes-Statistik

Online-Kurs
Wöchentliche Online-Veranstaltung: Freitag 8:30-10:00 Uhr (Zoom).

Einschreibeschlüssel: Bayes

Belegmöglichkeiten:

  • Bachelor Statistik und Data Science: WP7 Ausgewählte Gebiete der statistischen Modellierung
  • Nebenfach Statistik und Data Science (60 ECTS): WP6 Einführung in die Bayes-Statistik
  • Nebenfach Statistik und Data Science (30 ECTS): WP8 Einführung in die Bayes-Statistik
  • Bachelor Informatik mit integriertem Anwendungsfach Statistik: WP40 Einführung in die Bayes-Statistik
  • Bachelor Wirtschaftsmathematik: P17 Ausgewählte Gebiete der angewandten Statistik
  • Andere Studiengänge auf Anfrage

[w26/27] Deep Learning for Natural Language Processing II (Hofmann, Aßenmacher, Hirlimann)

Schedule

  • Lecture: 
    • Wednesday, 10-12 c.t.
    • Location: Oettingenstr. 67, B U101 (Raumfinder)
  • Tutorial: 
    • Friday, 10 - 12 c.t.

Enrollment key

  • Enrollment key: token

Grundlegendes Praxisprojekt / Anfängerpraktikum (Hoffmann/Niethammer)

Die Veranstaltung wendet sich an Studierende im Bachelor Statistik & DataScience (3. Semester). Das "Grundlegende Praxisprojekt" (BA Statistik und Data Science - PO 2021) ist eine Pflichtveranstaltung (Modul P 11.1).

Die Veranstaltung wird sowohl während der Vorlesungszeit (in zwei getrennten Termingruppen) als auch in den Semesterferien angeboten. Diese Moodle-Seite ist gemeinsam für alle Veranstaltungen. Für alle drei Blöcke finden Einführungsveranstaltungen mit Anwesenheitspflicht statt. Aus organisatorischen Gründen ist eine frühzeitige, separate Anmeldung für die Teilnahme während der Vorlesungszeit nötig -- schreiben Sie sich bitte in den Kurs ein und melden Sie sich dann auf der Kursseite für einen der 128 während dem Semester verfügbaren Praktikumsplätze an. Diese Anmeldung ist bis zum 12.10.2026 möglich. Melden Sie sich auch für die Veranstaltung während des Semesters im LSF an.


Die verpflichtende Anmeldung auf der Moodle Seite für die Veranstaltung in der Vorlesungszeit ist bis zum 12.10.2026 möglich. Bitte beachten Sie, dass das Einschreiben in diesen Kurs keine Anmeldung darstellt.

Das Anfängerpraktikum in der vorlesungsfreien Zeit beginnt am 01.03.2026 mit der Projektvergabe (Anwesenheitspflicht). Weitere Infos folgen bald.

Selbsteinschreibungsschlüssel: gp2627

[w26/27] Fortgeschrittenes Praxisprojekt / Statistisches Praktikum (Bader/Piller/Hoffmann)

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 auf Moodle bis zum 30.09.2026 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 : w2627_statprak



Statistical Methods in Climate Change

The seminar will present and discuss current statistical analyses of climate change-related scientific studies. There will be three focal points: Climate Extreme, Urban Areas & Traffic, and Nutrition & Food Systems

Students are expected to engage intensively with the scientific literature, present the statistical methodology relevant to their chosen topic, and/or replicate results from the literature.

[key: CCStats2627]

[WS 26/27] Einführung in die statistische Datenanalyse mit R

Der Kurs zur Einführung in die statistische Datenanalyse wird vom Statistischen Beratungslabor der LMU (StaBLab) angeboten. Ziel der Kurse ist es, den Teilnehmerinnen und Teilnehmern grundlegende statistische Kenntnisse zu vermitteln und sie dazu zu befähigen, diese eigenständig in ihren Projekten anzuwenden. Die Veranstaltungen zeichnen sich durch einen starken Praxisbezug aus und basieren auf den vielfältigen Erfahrungen aus der statistischen Beratung am StaBLab.

Der Kurs teilt sich auf in einen Grundkurs und einen Aufbaukurs. Der Grundkurs vermittelt Grundlagen aus Theorie (Kurzeinführung in die Statistik) und Praxis (Vertiefung der Theorie, Umgang mit der statistischen Software R). Der Aufbaukurs widmet sich schwerpunktmäßig der Regression und der fortgeschrittenen Gestaltung von Graphiken in R sowie der Diskussion praktischer Fragestellungen (gerne auch anhand von Projekten der Kursteilnehmer). PC-Arbeitsplätze können gestellt werden, wünschenswert wäre jedoch eine Bearbeitung der Praxisaufgaben am eigenen Laptop. Es sind für den Grundkurs drei Blöcke und für den Aufbaukurs zwei Blöcke mit je zwei dreistündigen Einheiten geplant.


Zielgruppe:
Studierende, Promovierende und wissenschaftliche Mitarbeiter an der LMU, die sich in ihrer Abschluss- bzw. Forschungsarbeit mit quantitativen Analysen beschäftigen werden und geringe bzw. keine statistischen Kenntnisse haben, oder grundsätzlich Interesse haben, die freie Statistiksoftware R zu erlernen. Insbesondere ist es empfehlenswert, den Grundkurs vorbereitend zu einer Beratung beim StaBLab zu besuchen.



[w26/27] Statistik I & II für Studierende der Wirtschaftswissenschaften (Aßenmacher, Gordienko, Melieni)

Termine

  • Übung Statistik I: Mittwoch, 12 - 14 c.t.
  • Übung Statistik II: Donnerstag, 8 - 10 c.t.

Einschreibeschlüssel

  • Der Einschreibeschlüssel lautet "stats26".


[w26/27] Grundlagen der Statistik für Studierende der Wirtschaftswissenschaften (Aßenmacher)

Termine

  • Vorlesung: Donnerstag, 10 - 12 c.t.
  • Übungen:
    Montag, 10-12 c.t., 14-16 c.t., 16-18 c.t.
    Mittwoch, 10-12 c.t., 12-14 c.t., 14-16 c.t., 18-20 c.t.

Einschreibeschlüssel

  • Der Einschreibeschlüssel lautet "stats26".