Zentrale Lernplattform • LMU München

Outline

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

Class meets twice per week in the building at Schellingstr. 3: 

Mondays from 10–12 in R055, and Wednesdays from 12–14 in S007

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.

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

• Der Einschreibeschlüssel ist StoSta22
  
• Vorlesungen sind als aufgezeichnete Videos bei LMUcast (s.u.) verfügbar, jede Woche gibt es eine Online-Fragestunde am Dienstag. Multiple Choice Quizzes zur Selbstkontrolle auf moodle.
  
• Für die Übungen gibt es Musterlösungen als PDF, aufgezeichnete Erklärvideos dazu und Online-Fragestunden zur Übung in 3 Gruppen jeden Mittwoch und Donnerstag.



• Termin & Ort
  

  Vorlesung:
    Di 12-14 ,  Do 12-14 @ M010 (Hauptgebäude)
  

  
  Übung/Fragestunde:
    Do  14-16, Mi 12-14, Mi 14-16
  

Login: please contact Fabian Scheipl

Dates & Overview

Key: reg-cor-dat
Course kick-off  20.04. with an introductory in-person lecture.

Format:
Inverted classroom: You are expected to come prepared for both the Q&As and exercise classes -- you've watched the lecture videos, you've reviewed the slides/exercise sheets, you've asked ChatGPT to explain parts you found confusing, you've done the self-assessment quizzes, and you've posted questions you would like to see addressed during the session in the Moodle Forum. 

• Der Einschreibeschlüssel ist StoSta23
  
• Vorlesungen aus vorigen Semestern auch als aufgezeichnete Videos bei LMUcast (s.u.) verfügbar. Multiple Choice Quizzes zur Selbstkontrolle auf moodle.
  
• Für die Übungen gibt es Musterlösungen als PDF und Fragestunden zur Übung in vorraussichtlich 2 Gruppen  Mittwochs und Donnerstags.



• Termine

  Vorlesung: 
    Di 12-14 @ S 002 (Schellingstr. 3)  & Do 12-14 @ S 003 (Schellingstr. 3) 
  

  
  Übung/Fragestunde: 
    Mi 12-14 (E 004 HGB), Mi 14-16 (E 004 HGB), Do 14-16 (E 004 HGB)

People and Dates

Enrolment key: StatMod_s24

Statistik wird in immer größerem Ausmaß zu einer computationalen Wissenschaft, besonders die angewandte Statistik kommt ohne den Einsatz und die Beherrschung moderner Software-Werkzeuge nicht aus. Diese Lehrveranstaltung dient der Vertiefung von Programmmier-kenntnissen speziell in R und richtet sich an Studierende, die bereits erste Erfahrungen mit dieser Sprache gesammelt haben (z.B. in der LVA "Einführung in die statistischen Programm-pakete, Programmierung in R", "Praktische Datenanalyse mit R" oder im Selbststudium).
Aufbauend auf den vorausgesetzten grundlegenden R-Kenntnissen werden Techniken vermittelt mit denen sich das komplexe Werkzeug R effizient bedienen läßt.
Vorkenntnisse in Statistik im Ausmaß der Grundvorlesungen sind erforderlich, Kenntnisse in andereren Programmiersprachen als R sind nicht notwendig. 

Der Kurs ist im inverted classroom Format, d.h. es werden Videovorlesungen & Material zum Selbststudium angeboten, in der Präsenzzeit an der Uni wird selbst programmiert und die dabei auftretenden Fragen und Probleme werden besprochen. Zusätzlich ist jede Woche ein Übungsblatt abzugeben.  Wenn Sie die Kursangebote konsequent nutzen sind Arbeitsaufwand und Anspruch durchaus hoch, der resultierende Erkenntnis- und Kompetenzgewinn aber ebenso -- versprochen!

Themen:

• Guter Programmierstil: Korrekter, sauberer, lesbarer Code
• Algorithmisches Denken: Programmentwurf & Problemlösungsstrategien
• Versionskontrolle mit Git & kollaboratives Coden mit Github
• Funktionen, Scoping & Environments
• Debugging & Profiling
• Objekt-orientiertes Programmieren in R
• R-Pakete bauen mit roxygen2, devtools & testthat

Einschreibeschlüssel: Fort1819

Zielgruppe:

Diese Lehrveranstaltung dient der Vertiefung von Programmmierkenntnissen speziell in R und richtet sich an Studierende, die bereits erste Erfahrungen mit dieser Sprache gesammelt haben (z.B. in der LVA "Einführung in die statistischen Programmpakete, Programmierung in R", "Praktische Datenanalyse mit R" oder im Selbststudium).
Vorkenntnisse in Statistik im Ausmaß der Grundvorlesungen sind erforderlich, Kenntnisse in andereren Programmiersprachen als R sind nicht notwendig.

Kursformat: 

Inverted Classroom, zwei geblockte Kurse à 2 SWS (Teil I Oktober - Dezember, Teil II Dezember - Februar).

Präsenzzeit: Donnerstag & Freitag, 14:00-16:00 c.t.

Ort: CIP II; Ludwigstr 28

Rechnen Sie mit zusätzlich 6-8 h pro Woche für Videos, Lektüre & Programmieraufgaben im Selbststudium.

Einschreibeschlüssel: fort1920

Kurswebsite: https://fort-w1920.github.io/

Kursformat: Inverted Classroom

Präsenzzeit: Donnerstag & Freitag, 14:00-16:00 c.t.

Ort: A015 / A017

Zusätzlich 6-8 h pro Woche für Videos, Lektüre & Programmieraufgaben im Selbststudium.

Wenn Sie vorhaben am Kurs teilzunehmen bereiten Sie sich bitte unbedingt auf den ersten Präsenztermin vor, indem Sie vor 17.10.2019, 14:00h:

• einen Github Account anlegen
• Ihre Github Info hier eintragen – sonst kommen Sie nicht an die Übungsaufgaben.
• Ihren privaten Rechner fit machen: Genaue Instruktionen dafür, und, falls er tragbar ist, diesen dann am besten auch mit vollgeladenem Akku immer mitbringen.

Password for self enrolment: hazard_rate

Dates / Termine

Termine und Personen:

Einschreibeschlüssel:

Zielgruppe

Der Kurs richtet sich an Quereinsteiger in einer der Masterstudiengänge im Fach Statistik, die im WiSe 2020/21 ihr Studium beginnen.

Termin

Termine:

Termine und Personen:

Themen

1. Das multiple lineare Regressionsmodell
   
2. Statistische Regularisierung
   
3. Das verallgemeinerte lineare Modell
   
4. Gemischte Modelle
   
5. Das generalisierte additive Modell
   
6. GAMLSS, Quantilregression, Verteilungsregression
   
7. Kategoriale Regression
   
8. Lebensdauermodelle
9. Messfehler, Fehlklassifikation und fehlende Daten

Selbsteinschreibungsschlüssel: grlgprkt

Die Veranstaltung wendet sich an Studierende im Bachelor Statistik (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 als auch in den Semesterferien angeboten. Diese Moodle-Seite ist für beide Veranstaltungen. 
Für beide Blöcke findet eine Einführungsveranstaltung mit Anwesenheitspflicht am 19.10. 10-12 statt.
Aus organisatorischen Gründen ist eine frühzeitige, separate Anmeldung für die Teilnahme während der Vorlesungszeit nötig -- schreiben Sie sich bitte ein und gehen Sie dann zur Anmeldung auf der Kursseite.