Zentrale Lernplattform • LMU München

In dieser Veranstaltung beschäftigen wir uns mit den Grundlagen der Didaktik, die für die Pädagogik bei Verhaltensstörungen und die Planung sowie Durchführung von Unterricht in diesem Kontext relevant sind.

Anknüpfungspunkte zur vertieften Beschäftigung mit Aspekten, die für die Unterrichtung von Kindern und Jugendlichen mit dem Förderschwerpunkt emotionale und soziale Entwicklung entscheidend sind, sind Theorien, Konzepte, Prinzipien und Methoden aus der allgmeinen Didaktik sowie solche, die spezifisch für den Kontext Verhaltensstörungen angepasst oder entwickelt wurden.

The course Analysis of high-dimensional biological data (formerly Statistische Methoden in Genomik und Proteomik / Statistical methods for biological high-throughput data) will cover important statistical methods and concepts for the analysis of high-dimensional biological high-throughput data. We will focus on bulk RNA-Seq, single-cell RNA-Seq, proteomic, metabolic, and especially microbiome data such as 16S rRNA and other amplicon data. 

Short Description: You will learn how to tackle practical challenges in ML using R. Topics include an introduction to an ML toolbox in R, (advanced) tuning techniques, custom ML pipelines, classifier calibration, handling class imbalances, ML benchmark experiments with hypothesis testing, ML model ensembling/stacking, and ML interpretability. Sessions consist of brief methodological overviews followed by hands-on exercises, requiring laptops for full engagement.

Prerequisite: To participate in this lecture, you must have completed and passed the courses:

• Introduction to Machine Learning (I2ML)
• Programming with Statistical Software (R), ideally with a good grade as good knowledge of R is required

Kick-off: Wednesday, April, 17th from 09:00 - 12:00 (s.t.) at Theresienstr. 39 - B 139 (check Moodle for up-to-date information)

Enrolment key: appml24

Die Berufsqualifizierende Tätigkeit I dient dem Erwerb erster praktischer Erfahrungen in spezifischen Bereichen der psychotherapeutischen Versorgung, umfasst 240h und ist notwendige Voraussetzung für die PsychotherapeutInnenausbildung. Sie können Ihr Praktikum in Vollzeit oder Teilzeit (auch möglich: 1 Tag in der Woche etc.) absolvieren.

Dienstag, 08:00-11:00 Uhr c.t., Amalienstr. 52 (Historicum), Raum K401

Die Spätantike galt lange Zeit als Epoche des Niedergangs der römischen Kultur. Bilder von bröckelnden Monumenten, barbarischen Horden und dekadenten Herrschern prägen noch immer die populäre Vorstellung der Zeit. Entgegen dieser Vorstellung war die Spätantike jedoch in vieler Hinsicht eine Blütezeit der römischen Welt, geprägt von erstaunlicher kultureller, wirtschaftlicher und politischer Stabilität, von neuen Ideen und dynamischen Persönlichkeiten.

Wie lebten Frauen und Männer, Kinder und Alte, Superreiche und Sklaven in dieser Zeit? Tatsächlich können wir für das Alltagsleben in dieser Epoche auf eine erstaunliche Fülle an Quellen zurückgreifen – von Gesetzestexten, Briefen und Predigten bis hin zu Inschriften und Papyrusfragmenten. Wir hören von Ehedramen und Liebeszaubern, von berühmten Wagenlenkern und heiligen Narren, von Immobilienspekulanten und christlichen Priestern im Bordell. Die großen politischen und religiösen Umwälzungen der Zeit bereiten dabei nur die Bühne, um im Basiskurs die Lebensrealität der verschiedenen Bewohner des Römischen Reiches näher zu beleuchten.

Contents: Decision theory deals with rational decisions under uncertainty. It has high interdisciplinary importance, for example, in the analysis and support of decisions in business administration or finance (e.g. investment strategies), economics or sociology (rational choice theory), medicine (e.g. expert systems) or engineering (e.g. autonomous control). Moreover, statistical decision theory can be seen as a formal framework for choosing analysis methods (optimal tests or estimators, best classification algorithms, etc.). This general view, understanding statistics and machine learning as special cases of decision theory, plays a fundamental role in the critical analysis and problem-adequate generalization of any data-based learning procedure.

The course first discusses the general structure of decision problems, including fundamental decision principles. Then it analyzes and characterizes the Bayes and minimax criteria as extreme poles to deal with (state) uncertainty and develops modern alternatives in the context of complex uncertainty (ambiguity).

Enrolment Key: DT24

Additional Note: If you are interested in active participation in the course but cannot always come in person for good reasons, you are welcome to contact me (Thomas Augustin). We are currently investigating whether we can offer a fallback Zoom solution. 

Organisation

Einschreibeschlüssel 

LiMo_s24

Dates: Wednesday 24.04.; 08.05.; 29.05.; 26.06.; 03.07.; 10.07.; 17.07.

Time: 09:00 - 12:00 s.t.

Location: A213 main building

Course Description

The second part of the course will provide a detailed introduction to multiple imputation, a convenient strategy for dealing with missing data. We will motivate the concept and illustrate why multiple imputation should generally be preferred over single imputation methods. The main focus of the course will be on strategies to generate (multiple) imputations and how to deal with common problems when applying the methods for large scale surveys. We will also discuss various options for assessing the quality of the imputations. All concepts will be demonstrated using software illustrations in R.

Curricular Embedding

Termine:

The course offers a unique, first-hand introduction to official statistics. It is based on video material produced by colleagues from Eurostat, the German Federal Statistical Office, and the statistics departments of the European Central Bank and the Deutsche Bundesbank. The material is successively made available for self-study and then discussed in classroom meetings, during which some of the lecturers from official statistics and students from Trier University will join us.

Enrolment key: EMOS-B24

Time: Tuesday from 4 pm (s.t.) to 5.30 pm, approximately every second week

Begin: Tuesday, April 19 in hybrid format (F007 (Main Building) and Zoom)

Enrolment key: RegCorDat24


Date: Thursday 14:00-16:00

This is an inverted classroom style - course. We only meet once a week despite this being 4 hour / week  because you are expected to come prepared to every session -- that means: you've watched the lecture videos on LMUcast, you've reviewed the slides, you've worked through the self-assessment quizzes, and you've posted the questions you would like to see addressed during the session in the Moodle forum.

Exercise sheets will be available at least one week in advance, with full written solutions available before and discussed during Thursday in-person sessions.
You are expected to hand in solutions for exercise sheets 2 and 4 via Moodle, due on May 09 and May 30, respectively.

Grading: Oral exam at the end of the semester.

Termin: Do 16.15-18.00 in D209

Die Ringvorlesung gibt einen Überblick über verschiedene Themengebiete der Statistik, die in den spezifischen Modulen nicht entsprechend behandelt werden können.

Geplant sind

* verschiedene Gastvorträge aus der Berufspraxis

* einige Vorträge zur Geschichte der Statistik und der Künstlichen Intelligenz inklusive ihrer Grundlagen

* Überblicksvorträge über Teilgebiete der aktuellen statistischen Forschung und damit über die verschiedenen Spezialisierungen im Masterstudium

* ein Themenblock zu Kommunikation statistischer Ergebnisse, Datenjournalismus und Open Science

Einschreibeschlüssel: Ringvorlesung

• A first meeting will take place at the beginning of the semester (will be scheduled in agreement with the participants), where the seminar topics are briefly introduced and assigned to the participants.

• The main part of the seminar with the presentations and discussions will be held as a block during the semester

• Seminar type: Block-type and in-person

• Language: The seminar will be held in English

• Target group: Bachelor and Master in Statistics

• Recognition possibilities: Biostatistics, Methodology and Modeling

Schedule

• The enrollment key is "stat_inf_s24"

Schedule:

• The enrolment key is: "Pitfalls24"

• Der Einschreibeschlüssel ist StoSta24

Termine