Website
Modulhandbuch ab 2016

Modul MA4665-KP05

Statistisches Lernen (StaLerKP05)

Dauer:


1 Semester
Angebotsturnus:


Alle zwei Jahre
Leistungspunkte:


5
Studiengang, Fachgebiet und Fachsemester:
  • Master Mathematik in Medizin und Lebenswissenschaften 2016 (Wahlpflicht), Mathematik, 1., 2. oder 3. Fachsemester
  • Bachelor Mathematik in Medizin und Lebenswissenschaften 2016 (Wahlpflicht), Mathematik, 5. oder 6. Fachsemester
  • Bachelor Mathematik in Medizin und Lebenswissenschaften 2023 (Wahlpflicht), Mathematik, 5. oder 6. Fachsemester
  • Master Mathematik in Medizin und Lebenswissenschaften 2023 (Wahlpflicht), Mathematik, 1., 2. oder 3. Fachsemester
Lehrveranstaltungen:
  • MA4665-Ü: Statistisches Lernen (Übung, 1 SWS)
  • MA4665-V: Statistisches Lernen (Vorlesung, 2 SWS)
Workload:
  • 30 Stunden Eigenständige Projektarbeit
  • 60 Stunden Selbststudium
  • 15 Stunden Prüfungsvorbereitung
  • 45 Stunden Präsenzstudium
Lehrinhalte:
  • Maschinelle Lernverfahren: Bayes-Klassifikator, k-Nächste Nachbarn (kNN), Entscheidungsbäume, Ensemble Methoden, Support Vector Machine (SVM), Künstliche Neuronale Netze (ANN), Penalisierte Regressionsmethoden
  • Klassifikation, Regression und Überlebenszeitvorhersage
  • Vor- und Nachteile der verschiedenen Methoden
  • Studiendesign und Datenvorverarbeitung
  • Training und Evaluation von Vorhersagemodellen
  • Hyperparameteroptimierung
  • Variable Importance und Variablenauswahl
Qualifikationsziele/Kompetenzen:
  • Kenntnis der zentralen Ideen verschiedener maschineller Lernverfahren
  • Kompetenz in der Auswahl geeigneter Verfahren in Anwendungssituationen
  • Erfahrung in der Modellentwicklung und -evaluation in der Programmiersprache R
Vergabe von Leistungspunkten und Benotung durch:
  • Projektarbeit
  • Mündliche Prüfung oder Klausur
Setzt voraus:
Modulverantwortlicher:
  • Prof. Dr. Silke Szymczak
Lehrende:
  • Prof. Dr. Silke Szymczak
  • MitarbeiterInnen des Instituts
Literatur:
  • Hastie, Trevor, Tibshirani, Ron, Friedman, Jerome (2009): The Elements of Statistical Learning: ata Mining, Inference, and Prediction - 2nd ed., Springer: New York
  • Malley, James D., Malley, Karen G., Pajevic, Sinisa (2010): Statistical Learning for Biomedical Data - Cambridge University Press: Cambridge
  • Wu, Xindong & Kumar, Vipin eds. (2009): The Top Ten Algorithms in Data Mining - CRC Press: Boca Raton
Sprache:
  • Wird nur auf Deutsch angeboten
Bemerkungen:

Zulassungsvoraussetzungen zur Belegung des Moduls:
- Keine (die Kompetenzen der unter „Setzt voraus“ genannten Module werden für dieses Modul benötigt, sind aber keine formale Voraussetzung)

Zulassungsvoraussetzungen zur Teilnahme an Modul-Prüfung(en):
- Keine

Modulprüfung(en):
- MA4665-L1: Statistisches Lernen, Mündliche Prüfung (20 min) oder Klausur (60 min), 60% der Modulnote
- MA4665-L2:Forschungsprojekt in Kleingruppen inkl. Vortrag und Code-Dokumentation, 40% der Modulnote

Letzte Änderung:
26.11.2021