LaTeX ist ein Textsatzsystem zur Erstellung von Dokumenten, das heute in fast allen Bereichen der Natur- und Geisteswissenschaften eingesetzt wird. LaTeX ist für die moderne Statistik unverzichtbar und wird meistens für Seminar- und Abschlussarbeiten vorausgesetzt. Zielgruppe des Kurses sind Studierende im Fach Statistik mit keiner bis sehr wenig Erfahrung in LaTeX. Ziel des Kurses ist, dass jeder Teilnehmer im Anschluss fähig ist, eigenständig mit LaTex zu arbeiten.

Der Kurs ist so aufgebaut, dass es am Vormittag einen kleinen Vorlesungsteil gibt und später das Gelernte direkt am Computer umgesetzt werden kann. Dabei wird individuell auf jeden eingegangen.

Die erarbeiteten Methoden und Layouts werden so bereitgestellt, dass sie sich bestmöglich für Seminar/Bachelor/Masterarbeiten und Präsentationen eignen.

Einschreibeschlüssel: Latex



Syllabus

    1. Introduction to Stochastic Processes
    2. Autoregressive Moving Average Processes
    3. Estimation of Vector ARMA Models
    4. Prediction
    5. Testing for Causality
    6. Innovations Accounting
    7. Structural VAR


Targeted Audience:
Advanced students and PhD students in econometrics, statistics, VWL, BWL,  mathematics or computer science.


Prerequisites:
Profound knowledge in matrix-algebra and econometrics (econometrics I) or statistics (linear models). Basic knowledge in univariate time series analysis is not demanded but of advantage.


Record of achievement:
This course consists of two parts. The first part of „Multivariate Time Series Analysis“ is equivalent to the lecture „Multivariate Zeitreihen/Multivariate Time Series“ (3 ECTS-Credits) for statisticians; the second part can be recognised as „Ausgewählte Gebiete der theoretischen Statistik B/Selected Topics in theoretic Statistics B“ (3 ECTS-Credits). For each part there will be a separate exam that takes one hour. That is, you only have to attend the first part (see below) of the course if you want to obtain credit points for the course “Multivariate Zeitreihen”. Apart from that, the whole course is equivalent to "Time-Series Econometrics" and counts as a class for Ph.D. candidates in economics. Both exams constitute the exam you have to pass in order to obtain the "Schein" for "Time-Series Econometrics".

Literature:
  • Lütkepohl, H., New Introduction to Multiple Time Series Analysis, New York: Springer-Verlag, 2005
  • Brockwell, P. J. and Davis, R. A. (1987), Time Series: Theory and Methods (2nd edition)
  • Hamilton, J. D. (1994), Time Series Analysis, Princeton University Press
  • Lütkepohl, H., Krätzig, M. (2004), Applied Time Series Econometrics, Cambridge University Press
  • Rinne, H. and Specht, K. (2002), Statistische Modellierung, Schätzung und Prognose, Vahlen
  • Tsay, R. S. (2005), Analysis of Financial Time Series (2nd edition), Wiley-Interscience
  • Wei, W. W. S.(2005), Time Series Analysis: Univariate and Multivariate Methods (2nd edition), Addison-Wesley

Enrollment Key: 2019VAR_MTSA

Einschreibeschlüssel: ET19

EInschreibeschlüssel: EMOS_B19

Diese Veranstaltung ist eine Pflichtveranstaltung für alle Studierenden, die das EMOS-Zusatzzertifikat (European Master in Official Statistics) erwerben wollen; alle anderen Masterstudierenden können sich 6 ECTS-Punkte flexibel anerkennen lassen. Es handelt sich um eine Kombination aus Vorlesung, Übung und Inverted-Classroom-Elementen.
Die Veranstaltung kann unabhängig von einer Teilnahme an EMOS A (immer im Winteresemester angeboten) besucht werden.

Der Einschreibeschlüssel lautet MathErg2019

Die Veranstaltung "Statistische Software (R)" wendet sich an Studierende im Bachelorstudiengang Statistik (2. Semester).

Die Veranstaltung beginnt am 29.04.2018 bzw. am 30.04.2019 und wird wöchentlich im Rückgebäude, Raum 023 der Ludwigstr. 28 stattfinden.

Es gibt zwei Gruppen, in welchen der gleiche Lehrinhalt besprochen wird:

Gruppe 1
Montag 12:15 - 13:45
Gruppe 2    
Dienstag 16:15 - 17:45

Die Veranstaltung "Programmieren mit Statistischer Software (R)" wendet sich an Studierende im Bachelor Statistik (4. Semester). Sie baut auf den Veranstaltungen "Einführung in die Statistische Software" (1. Semester) und "Statistische Software" (2. Semester) auf.

Die Veranstaltung findet vom 24.04.2018 bis zum 24.07.2018 zweiwöchentlich in 

Raum 3001, Leopoldstr. 13  "Scheinchenbau" (EG),

statt.

Es gibt zwei Gruppen im wöchentlichen Wechsel, in welchen der gleiche Lehrinhalt besprochen wird.

Tag Uhrzeit Dozent
Mittwoch 13 Uhr -16 Uhr c.t.  Florian Pfisterer/Moritz Herrmann  

Die Veranstaltung verläuft nach dem Inverted Classroom Prinzip.

In der Woche vor jeder Veranstaltung erarbeiten sich die Studierenden selbstständig das für die jeweilige Veranstaltung angedachte Material. In der Veranstaltung können dann Probleme und Unklarheiten besprochen werden. Außerdem können gemeinsam Übungsaufgaben bearbeitet werden.

In der ersten Vorlesungswoche findet aufgrund von organisatorischen Zwecken die Veranstaltung ausschließlich am Mittwoch, den 24.04.2018 statt!!!

Es wird darum gebeten, dass an diesem Termin alle erscheinen. Bitte lesen Sie in Vorbereitung auf den ersten Kurs bereits das verlinkte Material (R4DS Kapitel 1 - Introduction, How does one learn git?).

Aufgrund des Feiertages am 01.05.2018 entfällt der Kurs.

Schlüssel zur Einschreibung: r4ds2019

Offizielle Website zur Veranstaltung "Biostatistische Methoden" im Sommersemester 2018

Vorlesung:  
Montag 9-12 (c.t.)
Geschw.-Scholl-Pl. 1 (A) - A 015 
Übung: Mittwoch
(14-tägig)  
8:30-10:00 
Ludwigstr. 33 - Seminarraum 144

Die erste Vorlesung findet am 29.04.2019 statt, die erste Übung am 08.05.2019


Hier werden alle Materialen zur Lehrveranstaltung bereitgestellt, zusätzlich wird Organisatorisches kommuniziert und die Prüfungsanmeldung findet ebenfalls über die Website statt. Den Einschreibeschlüssel erfahren Sie in der Vorlesung oder Übung.

Seminar: Praktische Analyse räumlicher Daten in R

In diesem Seminar stehen der praktische Umgang mit räumlichen (und räumlich-zeitlichen) Daten und die dafür in R verfügbaren Pakete im Vordergrund. Das Thema ist somit am Schnittpunkt von Geographie, Geoinformatik und räumlicher Statistik angesiedelt, mit vielen Anwendungen aus den Sozialwissenschaften, Geowissenschaften und Lebenswissenschaften.

Di 12:15 -- 13:45 Geschw.-Scholl-Pl. 1 (A) - A 017 Do 14:15 -- 15:45
 Geschw.-Scholl-Pl. 1 (A) - A 017

Einschreibeschlüssel: 19ALD

Abschlussarbeitenkolloquium der Arbeitsgruppe Method(olog)ische Grundlagen der Statistik und ihre Anwendungen

The course revolves around basic concepts of the most general types of financial risks:

  • market risk
  • credit risk
  • operational risk


Intended audience: Advanced bachelor and master students of statistics, mathematics, informatics, economics and business administration.

Prerequisites: Solid mathematical foundations (analysis and linear algebra), basic knowledge in econometrics and statistics.

Certification: Exam at the end of the term, 6 ECTS credits.

Times  

Room

   Instructor

Lecture   

Wed. 12:15 - 14:15 p.m.

  Geschw.-Scholl-Pl. 1 (M) - M 014  

   Mittnik

Tutorial  

Fri. 8:30 - 10:00 a.m.

  Geschw.-Scholl-Pl. 1 (A) - A 022

   Heller

Topics

  • The Classical Multiple Linear Regression Model
  • Seemingly Unrelated Regressions
  • Simultaneous Equations Models
  • Discrete Choice Models

The password required to enroll into the Moodle course will be announced in lectures and tutorials.

Description:
This seminar intends to provide coverage of numerical methods for solving linear systems of equations such as:
  • Matrix factorization methods
  • Splitting methods
  • Krylov-Space methods
  • Preconditioning techniques
  • Methods for Least-Squares problems

Prerequirements:
Linear Algebra
LaTeX

Preliminary meeting:
Wednesday, April 24, 16h (c.t.) at Alte Bibliothek (Ludwigstraße 33, 2nd floor)

Date:
Friday, 14h-18h in S007 (Schellingstr. 3)

Contact:
Julian.Wagner@stat.uni-muenchen.de

Course description:
This course intends to provide a comprehensive insight into numrical methods for solving both unconstrained and constrained optimization problems. Although the focus is on computational methods, theoretical properties of particular optimization problems and the related solution methods are addressed. Topics covered by this course include inter alia:
  • Steepest descent method
  • Newton's method and variants
  • Methods for nonlinear Least-Squares
  • Penalty and Barrier methods
  • Interior-point methods

Prerequirements:
Linear Algebra
Analysis
Basic programming skills (R, Python, MatLab, or similar)

Preliminary meeting:
Friday, April 26, 12h (c.t.) in S007 (Schellingstr. 3)

Dates:
Wed 08-10 (Lecture)
Thu 16-18 (Lecture)
Fr 12-14 (Exercise)

Contact:
Julian.Wagner@stat.uni-muenchen.de




Termin
OrtPerson
Vorlesung   Montag          12:00-14:00 Uhr (c.t.)   HGB - E 004  Dr. Heidi Seibold
Vorlesung Donnerstag 12:00-14:00 Uhr (c.t.) HGB - E 004 Dr. Heidi Seibold
Übung Dienstag 16:00-18:00 Uhr (c.t.) HGB - E 004 Cornelia Fütterer
Übung Mittwoch 14:00-16:00 Uhr (c.t.) HGB - E 004 Cornelia Fütterer
Tutorium Donnerstag 10:00-12:00 Uhr (c.t.) HGB - E 004 Felix Langer 


Zielgruppe: Studierende der Soziologie und Studierende mit Nebenfach Statistik 

Die Vorlesung beginnt am 25.4.2019. Die Übung startet am 07.05.2019. 

Einschreibeschlüssel: Stat2Soz19

Termine - Vorlesung
Montag 14:00 c.t. - 16:00 Uhr Schellingstr. 3 (S) - S 003 
Mittwoch 10:00 c.t. - 12:00 Uhr Schellingstr. 3 (S) - S 003 
Start 24.04.2019
Termine - Übungen
Donnerstag 10:00 c.t. - 12:00 Uhr Geschw.-Scholl-Pl. 1 (A) - A 213
Dienstag 16:00 c.t. - 18:00 Uhr Theresienstr. 39 - B 139
Start 02.05.2019 (Do) bzw. 07.05.2019 (Di)


Einschreibeschlüssel & Gastschlüssel: xxx

Dies ist die offizielle Website zur Veranstaltung "Statistik IV für Nebenfachstudierende" im Sommersemester 2019.

Hier werden alle Materialen zur dieser Lehrveranstaltung bereitgestellt.

Terminübersicht:
Vorlesung (wöchentlich
Montag 
12 - 14 Uhr (c.t.)
A 021
Geschwister-Scholl-Platz 1 
Vorlesung (wöchentlich)
Mittwoch 14 - 16 Uhr (c.t.)
M 014 
Geschwister-Scholl-Platz 1 
Übung (wöchentlich)       
Donnerstag
12 - 14 Uhr (c.t.)  
A 021 
Geschwister-Scholl-Platz 1 

Einschreibeschlüssel: stat4nf_19

Einschreibeschlüssel: LiMo19

Zu den folgenden Terminen findet jeweils die erste Veranstaltung statt:

    • Vorlesung: Donnerstag, 25. April
    • Übung: Montag, 29. April
    • Tutorium: Freitag, 26. April

Personen

VorlesungProf. Dr. Christian Heumann E-Mail: christian.heumann@stat.uni-muenchen.de
Zimmer 339, Ludwigstraße 33
Sprechstunde nach Vereinbarung

Übung
Marc SchnebleE-Mail: marc.schneble@stat.uni-muenchen.de
Zimmer 239, Ludwigstraße 33
Sprechstunde nach Vereinbarung

Tutorium
Julian RodemannE-Mail: J.Rodemann@campus.lmu.de


Termine

VorlesungDonnerstag
Donnerstag

12 - 14 Uhr c.t.
14 - 16 Uhr c.t. 
S 002
S 004
Schellingstraße 3
Schellingstraße 3
Übungsgruppe 1
Übungsgruppe 2

Montag
Dienstag
12 - 14 Uhr c.t.
10 - 12 Uhr c.t.

A 015
E 006
Hauptgebäude
Hauptgebäude

Tutorium
Freitag14 - 16 Uhr c.t.

A 014 /      CIP 042
Hauptgebäude
Ludwigstraße 33

Termine und Personen:

TerminOrtPerson
Vorlesung/ÜbungMi, 12.15-13.45 Hauptgebäude A016 Schmid/Küster

Inhalt

  • Markovzufallsfelder (engl. Markov Random Fields, MRF) sind statistische Modelle, die sowohl in der Bildanalyse als auch in der räumlichen Statistik Anwendung finden. MRF haben eine elegante und einfache theoretische Struktur und erlauben dadurch mannigfaltige Anpassungen.
  • Inhalt der Vorlesung sind die Grundlagen von MRF sowie die beiden wichtigsten Spezialfälle: die Gauss-MRF und das Ising-Modell und deren Erweiterungen. Ein Schwerpunkt liegt in der Anwendung der Modelle auf räumliche Daten, z.B. im Disease Mapping, und auf Bilddaten, z.B. zur Segmentierung. Dazu werden auch latente MRF in hierarchischen Modellen besprochen. 

Zielgruppe

  • Master Statistik, Biostatistik, Statistik WiSo, Data Science

Prüfung und Anerkennung

Folgende Möglichkeiten zur Erbringung einer Prüfungsleistung bestehen:

  • Mündliche Prüfung (3 ECTS) und/oder
  • Hausarbeit (3 ECTS)

Die Prüfungsleistung kann angerechnet werden als

  • Räumliche Statistik (6 ECTS)
  • Bioimaging (3 ECTS)
  • Ausgewählte Gebiete ... (3 oder 6 ECTS)

Einschreibeschlüssel

  • Der Einschreibeschlüssel lautet: "MRF19"

The lecture deals with theoretical and practical concepts from the fields of statistical learning and machine learning. Main focus is on predictive modeling. The tutorial applies these concepts and methods to real examples for illustration purposes.

Login Key: FCIMPM19

Schedule:


   TimesRoomTarget Audience
FCIM Wed 14-16
Thu 10-12
A 119
A 022
Statistik, WISO, 
Biostatistik MSc. 
     
PM
 Tue 12-14
Wed 12-14
A 015
M 109
 Data Science MSc.


All lectures take place in the Main Building, Geschwister-Scholl-Platz 1


Einschreibeschlüssel: StoSta19


Inhaltsübersicht:
1 Einleitung
2 Laplace-Wahrscheinlichkeiten und diskrete Modelle
3 Bedingte Wahrscheinlichkeiten, stoch. Unabh ̈angigkeit
4 Diskrete und stetige Zufallsvariablen
5 Erwartungswerte, Varianzen und Kovarianzen
6 Statistische Inferenz
7 Markov-Ketten und Markov-Prozesse
8 Lineare Regression


Termine
Vorlesung:         
Dienstag    12:00-14:00 c.t. 
Schellingstr. 3 (S)-S 006

Donnerstag   
   12:00-14:00 c.t. 
Theresienstr. 39-B 139
Übung - Gruppe 1 : Dienstag    14:00-16:00 c.t. 
HGB-A 014
Übung - Gruppe 2 : Mitwoch
   14:00-16:00 c.t. 
HGB-A 014
Übung - Gruppe 3 : Dienstag
   16:00-18:00 c.t.
HGB-A 014

Termine und Personen:

Termin Ort Person
Vorlesung     
Mo, 12.00 - 14.00 c.t.  
Geschw.-Scholl-Pl. 1, A 021  
Prof. Dr. Moritz Berger
Vorlesung  
Di, 10.00 - 12.00 c.t.
Geschw.-Scholl-Pl. 1, A 021
Prof. Dr. Moritz Berger
Übung 1 
Do, 10.00 - 12.00 c.t.
Geschw.-Scholl-Pl. 1, A 016
Alexander Bauer
Übung 2  
Do, 12.00 - 14.00 c.t.
Geschw.-Scholl-Pl. 1, A 016
Maximilian Weigert
Tutorium 1
Mo, 14.00 - 16.00 c.t.
Ludwigstr. 33, CIP-Pool 042
Katharina Hechinger
Tutorium 2
Di, 12.00 - 14.00 c.t.
Ludwigstr. 33, CIP-Pool 042
Berger/Bauer/Weigert

Einschreibeschlüssel: Multivariate19


Kurs Zeit
Ort
Grundkurs        
Mo, 03.06, 16:00 - 19:00       
Ludwigstraße 33, Seminarraum (144)           
Grundkurs  
Di, 04.06., 16:00 - 19:00 Ludwigstraße 28, IuK-Pool (207)
Grundkurs  
Mo, 17.06., 16:00 - 19:00 Ludwigstraße 33, Seminarraum (144)
Grundkurs  
Di, 18.06., 16:00 - 19:00 Ludwigstraße 28, IuK-Pool (207)
Grundkurs  
Mo, 24.06., 16:00 - 19:00 Ludwigstraße 33, Seminarraum (144)
Grundkurs 
Di, 25.06., 16:00 - 19:00
Ludwigstraße 28, IuK-Pool (207)
Aufbaukurs 
Mo, 01.07., 16:00 - 19:00 Ludwigstraße 33, Seminarraum (144)
Aufbaukurs 
Di, 02.07., 16:00 - 19:00 Ludwigstraße 28, IuK-Pool (207)
Aufbaukurs  
Mo, 08.07., 16:00 - 19:00 Ludwigstraße 33, Seminarraum (144)
Aufbaukurs  
Di, 09.07., 16:00 - 19:00 Ludwigstraße 28, IuK-Pool (207)


Allgemeine Informationen

  • Einführungskurs des Statistischen Beratungslabors (StaBLab) in die statistische Datenanalyse sowie die Arbeit mit der Statistik-Software R
Zielgruppe

  • Studenten sowie Doktoranden der LMU, ausgenommen dem Institut für Statistik
Einschreibeschlüssel

  • Der Einschreibeschlüssel wird im Kurs bekanntgegeben

Der erste Vorlesungstermin ist am Freitag, den 26.04.19 ab 10 Uhr c.t. in der Theresienstr. 39, B139. Wir bitten alle Studierenden aus organisatorischen Gründen zu diesem Termin zu kommen.

Voraussetzungen:
  • Für Statistik-Hauptfachstudierende: Statistik I - II und Lineare Modelle, Grundkenntnisse in R.
  • Für Statistik-Nebenfachstudierende: Statistik I - III für Nebenfachstudierende, Grundkenntnisse in R.

Termine und Personen:

TerminOrtPerson
Vorlesung/Übung Mo, 12.15-13.45Hauptgebäude A016 Schmid/Port
Vorlesung/Übung  Mi, 10.15-11.45 Hauptgebäude A017 Schmid/Port

Vorlesung

  • Die Vorlesung "Einführung in die stochastischen Prozesse" entwickelt die zentralen Begriffe und Methoden der stochastischen Prozesse. Wesentliche Eigenschaften der wichtigsten Verfahren werden formuliert, und ihre Anwendung an Beispielen illustriert. Behandelt werden neben einer Einführung in die allgemeine Theorie stochastischer Prozesse eine Reihe einfacher Klassen von stochastischen Prozessen. Dies sind unter anderem Markov-Ketten und diskrete Markov-Prozesse. Neben den grundlegenden Eigenschaften der verschiedenen Prozessklassen werden auch Methoden der statistischen Inferenz für stochastische Prozesse thematisiert.
  • Begleitet wird die Theorie durch Anwendungsbeispiele aus verschiedenen Bereichen. In der Übung werden durch das Bearbeiten von Übungsaufgaben die Vorlesungsinhalte angewendet, insbesondere soll durch Simulation der verschiedenen Prozesstypen in R das Verständnis der in der Vorlesung besprochenen Konzepte vertieft werden.

Einschreibeschlüssel

  • Der Einschreibeschlüssel lautet: "StoPro19"

Termine

Termin
  Ort 
Vorlesung   Montag
 14 - 16 Geschw.-Scholl-Pl.1 - A 016
 
Vorlesung 
Dienstag
 10 - 12 Geschw.-Scholl-Pl.1 - A 016
Übung  
Donnerstag
 12 - 14 Geschw.-Scholl-Pl.1 - A 017  

Vorlesung / Übung

  • Die Vorlesung beginnt am 23.04.2019
  • Die Übung beginnt in der zweiten Vorlesungswoche, also am 02.05.2019

Zielgruppe

Die Vorlesung ist geeignet

  • als 9 ECTS-Pflichtveranstaltung für Master-Statistik.
  • als 6 ECTS-Veranstaltung bis einschließlich Thema "Bayesianische P-Splines" (ersten 8 Übungsblätter).
  • als 3 ECTS-Veranstaltung bis einschließlich Thema "Quantilregression" (ersten 4 VL-Wochen).

Person: Dr. Cornelia Oberhauser


SAS-Kurs als 5-tägiger Blockkurs in den Semesterferien

Termine:

Tag

   Uhrzeit
   Raum
Mo 16.09.2019
Vorlesung 9:15 - ca. 12:15
Klinikum Großhadern, Hörsaaltrakt, 2. OG, Kursraum 5

Übung
13:15 - 17:00
Klinikum Großhadern, Hörsaaltrakt, 2. OG, Kursraum 5
Di 17.09.2019
Vorlesung
9:15 - ca. 12:15 Klinikum Großhadern, Hörsaaltrakt, 2. OG, Kursraum 5
Übung 13:15 - 17:00 Klinikum Großhadern, Hörsaaltrakt, 2. OG, Kursraum 5
Mi 18.09.2019
Vorlesung 9:15 - ca. 12:15 Klinikum Großhadern, Hörsaaltrakt, 2. OG, Kursraum 5
Übung 13:15 - 17:00 Klinikum Großhadern, Hörsaaltrakt, 2. OG, Kursraum 5
Mo 23.09.2019
Vorlesung 9:15 - ca. 12:15 Klinikum Großhadern, Hörsaaltrakt, 2. OG, Kursraum 5
Übung 13:15 - 17:00 Klinikum Großhadern, Hörsaaltrakt, 2. OG, Kursraum 5
Di 24.09.2019
Vorlesung 9:15 - ca. 12:15 Klinikum Großhadern, Hörsaaltrakt, 2. OG, Kursraum 5
Übung 13:15 - 17:00 Klinikum Großhadern, Hörsaaltrakt, 2. OG, Kursraum 5


Gastschlüssel

  • Der Gastschlüssel lautet: "saskurs2019"

Termine:

TerminOrtPerson
Vorlesung   Di, 16:15-17:45 Geschw.-Scholl-Pl. 1, Audimax Prof. Dr. Christian Heumann
Übung 1    Mi, 12:15-13:45  Schellingstr. 3, S004
Maximilian Mandl
Übung 2    Mi, 12:15-13:45 Theresienstr. 39, B139
Patricia Haro
Übung 3    Mi, 14:15-15:45 Theresienstr. 39, B139
Patricia Haro
Übung 4    Mi, 14:15-15:45 Schellingstr. 3, S002
Matthias Aßenmacher
Übung 5    Do, 18:00-19:30 Schellingstr. 3, S002
Christoph Luther
Übung 6   Fr, 10:15-11:45 Schellingstr. 3, S002
Christoph Luther
Wiederholungsübung
(Statistik I)
Mo, 10:15-11:45Schellingstr. 3, S006 Benjamin Sischka

Vorlesung

  • Die Vorlesung beginnt in der ersten Semesterwoche (Dienstag, 23.04.2019).
Übung

  • Die Übungen beginnen in der dritten Semesterwoche (Mittwoch, 08.05.2019).
  • Die Übungen werden wochenweise besprochen. Weichen Sie bitte auch auf eine andere Übungsgruppe aus, wenn Ihre Übung feiertagsbedingt ausfällt oder Sie bei Ihrer Übung verhindert sein sollten.
  • Es ist keine Anmeldung nötig.
Wiederholungsübung (Statistik I)
  • Die Wiederholungsübung beginnt in der zweiten Semesterwoche (Montag, 29.04.2019).
Einschreibeschlüssel

  • Der Einschreibeschlüssel lautet: "Wiwistat19"

Machine learning has great potential for improving products, processes and research. But machine learning models usually do not explain their predictions which is a barrier to the adoption of machine learning.
In this seminar, we will learn about techniques to make machine learning models and their decisions interpretable