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
- Teacher: Dominik Kreiß
Syllabus
- Introduction to Stochastic Processes
- Autoregressive Moving Average Processes
- Estimation of Vector ARMA Models
- Prediction
- Testing for Causality
- Innovations Accounting
- Structural VAR
- 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
- Teacher: Dennis Mao
Einschreibeschlüssel: ET19
- Teacher: Thomas Augustin
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.
- Teacher: Thomas Augustin
- Teacher: Cornelia Fütterer
Der Einschreibeschlüssel lautet MathErg2019
- Teacher: Georg Schollmeyer
Die Veranstaltung "Statistische Software (R)" wendet sich an Studierende im Bachelorstudiengang Statistik (2. Semester).
| Gruppe 1 |
Montag 12:15 - 13:45 |
|---|---|
| Gruppe 2 |
Dienstag 16:15 - 17:45 |
- Teacher: Cornelius Fritz
- Teacher: Christian Scholbeck
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
- Teacher: Moritz Herrmann
- Teacher: Florian Pfisterer
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.
- Teacher: Anne-Laure Boulesteix
- Teacher: Cornelia Fütterer
- Teacher: Felix Günther
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.
- Teacher: Christopher Küster
- Teacher: Fabian Scheipl
- Teacher: Volker Schmid
- Teacher: Malte Nalenz
- Teacher: Heidi Seibold
Abschlussarbeitenkolloquium der Arbeitsgruppe Method(olog)ische Grundlagen der Statistik und ihre Anwendungen
- Teacher: Thomas Augustin
- Teacher: Eva-Marie Endres
- Teacher: Cornelia Fütterer
- Teacher: Malte Nalenz
- Teacher: Georg Schollmeyer
- Teacher: Patrick Schwaferts
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.
- Teacher: Christoph Berninger
|
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.
- Teacher: Monica Heller
- Teacher: Philipp Schiele
- Matrix factorization methods
- Splitting methods
- Krylov-Space methods
- Preconditioning techniques
- Methods for Least-Squares problems
Date:
Friday, 14h-18h in S007 (Schellingstr. 3)
Contact:
Julian.Wagner@stat.uni-muenchen.de
- Teacher: Cornelia Fütterer
- Teacher: Julian Wagner
- 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)
Dates:
Wed 08-10 (Lecture)
Thu 16-18 (Lecture)
Fr 12-14 (Exercise)
Contact:
Julian.Wagner@stat.uni-muenchen.de
- Teacher: Cornelia Fütterer
- Teacher: Julian Wagner
| Termin | Ort | Person | ||
|---|---|---|---|---|
| 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
- Teacher: Cornelia Fütterer
- Teacher: Felix Langer
- Teacher: Heidi Seibold
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
- Teacher: Moritz Berger
- Teacher: Michael Kobl
- Teacher: Benjamin Sischka
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 |
- Teacher: Moritz Herrmann
- Teacher: Fabian Scheipl
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
| Vorlesung | Prof. Dr. Christian Heumann | E-Mail: christian.heumann@stat.uni-muenchen.de Zimmer 339, Ludwigstraße 33 Sprechstunde nach Vereinbarung |
| Übung | Marc Schneble | E-Mail: marc.schneble@stat.uni-muenchen.de Zimmer 239, Ludwigstraße 33 Sprechstunde nach Vereinbarung |
| Tutorium | Julian Rodemann | E-Mail: J.Rodemann@campus.lmu.de |
Termine
| Vorlesung | Donnerstag 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 | Freitag | 14 - 16 Uhr c.t. | A 014 / CIP 042 | Hauptgebäude Ludwigstraße 33 |
- Teacher: Christian Heumann
- Teacher: Marc Schneble
Termine und Personen:
| Termin | Ort | Person | |
|---|---|---|---|
| Vorlesung/Übung | Mi, 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"
- Teacher: Christopher Küster
- Teacher: Volker Schmid
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: FCIMPM19Schedule:
| Times | Room | Target 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
- Teacher: Bernd Bischl
- Teacher: Julia Moosbauer
- Teacher: Daniel Schalk
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 |
- Teacher: Monica Heller
- Teacher: Henry Port
- Teacher: Fabian Scheipl
- Teacher: Bo Shao
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
- Teacher: Alexander Bauer
- Teacher: Moritz Berger
- Teacher: Katharina Hechinger
- Teacher: Maximilian Weigert
| 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
- Studenten sowie Doktoranden der LMU, ausgenommen dem Institut für Statistik
- Der Einschreibeschlüssel wird im Kurs bekanntgegeben
- Teacher: Alexander Bauer
- Teacher: Maximilian Weigert
Voraussetzungen:
- Teacher: Cornelius Fritz
- Teacher: Christian Heumann
- Teacher: Göran Kauermann
- Teacher: Sevag Kevork
- Teacher: Michael Windmann
Der Moodle Einschreibeschlüssel lautet Stat22019
- Teacher: Verena Bauer
- Teacher: Lukas Beise
- Teacher: Patrick Kaiser
- Teacher: Sevag Kevork
- Teacher: Georg Schollmeyer
- Teacher: Michael Windmann
Termine und Personen:
| Termin | Ort | Person | |
|---|---|---|---|
| Vorlesung/Übung | Mo, 12.15-13.45 | Hauptgebäude 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"
- Teacher: Henry Port
- Teacher: Volker Schmid
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).
- Teacher: Christian Heumann
- Teacher: Christopher Küster
- Teacher: Volker Schmid
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"
- Teacher: Cornelia Oberhauser
Termine:
| Termin | Ort | Person | |
|---|---|---|---|
| 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, 10:15-11:45 | Schellingstr. 3, S006 | Benjamin Sischka |
Vorlesung
- Die Vorlesung beginnt in der ersten Semesterwoche (Dienstag, 23.04.2019).
- 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.
- Die Wiederholungsübung beginnt in der zweiten Semesterwoche (Montag, 29.04.2019).
- Der Einschreibeschlüssel lautet: "Wiwistat19"
- Teacher: Matthias Aßenmacher
- Teacher: Patricia Haro Lara
- Teacher: Christian Heumann
- Teacher: Christoph Luther
- Teacher: Maximilian Mandl
- Teacher: Benjamin Sischka
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
- Teacher: Bernd Bischl
- Teacher: Giuseppe Casalicchio
- Teacher: Gunnar König
- Teacher: Christoph Molnar
- Teacher: Florian Pfisterer
- Teacher: Christian Scholbeck