Statistics for Data Science

Organisationseinheit
Freie Universität Berlin/Mathematik und Informatik/Mathematik und Informatik

Bereich

Grundlagenbereich

Zugangsvoraussetzungen

Keine

Qualifikationsziele

Die Studierenden haben ein tieferes Verständnis für fortgeschrittene mathematische Konzepte und Methoden im Bereich der statistischen Datenanalyse. Sie sind befähigt, gängige wahrscheinlichkeitstheorie-basierte datenanalytische Verfahren mathematisch zu formulieren und algorithmisch zu implementieren.

Inhalte

Maß- und Wahrscheinlichkeitstheoretische Grundlagen und statistische Modellbildung am Beispiel generalisierter linearer Modelle, Fischer Inferenz und Maximum Likelihood Schätzung (analytische und numerische Verfahren, Schätzereigenschaften, Hypothesentests), Bayes Inferenz (Parameterschätzung und Modellinferenz, Priorverteilungen, Approximative Inferenz, Markov-Chain Monte-Carlo Methodik), Probabilistische Inferenz (Expectation- Maximization, Kalman Filter und Data Assimilation, Empirical Bayes, Variational Inference).

Lehr- und Lernformen

Aktive Teilnahme

Vorlesung
2 SWS
Teilnahme empfohlen

Nachbearbeitung der VL Inhalte und selbstständiges Erarbeiten von ergänzender Literatur Bearbeitung von Übungsaufgaben

Übung
2 SWS
verpflichtete Teilnahme

Nachbearbeitung der VL Inhalte und selbstständiges Erarbeiten von ergänzender Literatur Bearbeitung von Übungsaufgaben

Aufwand

Präsenzzeit V	30 Stunden
Vor- und Nachbereitung V	70 Stunden
Präsenzzeit Ü	30 Stunden
Vor- und Nachbereitung Ü	70 Stunden
Prüfungsvorbereitung und Prüfung	100 Stunden

Modulprüfung
Klausur (90 Minuten), die ggf. ganz oder teilweise in der Form des Antwort-Wahl-Verfahrens und auch in Form einer elektronischen Prüfungsleistung durchgeführt werden kann.

Differenzierte Bewertung
nicht differenzierte Bewertung

Modulsprache
Englisch

Arbeitsaufwand (Stunden)
300

Leistungspunkte (LP)
10

Dauer des Moduls
Ein Semester

Häufigkeit des Angebots
Jedes Wintersemester

Verwendbarkeit

Masterstudiengang Data Science