Die SMD-Vorlesung, die bisher immer im Wintersemester gehalten wurde, ist nun ein einen zweistündigen Teil A im Sommersemester und einen zweistündigen Teil B im Wintersemester gespalten. Durch die Aufteilung soll die Belastung im 5. BA-Semester verringert werden. Dennoch soll es möglich sein, vor Beginn der BA-Arbeit im 6. Semester relevante Fähigkeiten der Datenanalyse zu erlernen.
Die Veranstaltung findet im "inverted classroom"-Format statt. Vorlesungen werden aufgezeichnet und im Moodle-Raum zur Verfügung gestellt. Eine Diskussion der Inhalte findet zu den angegebenen Vorlesungsterminen statt. Die Studienleistung kann durch Teilnahme an den wöchentlichen, verpflichtenden Übungen erlangt werden.
Vorlesungsinhalte
SMD A
Numerische Methoden der Datenverarbeitung, Datenbehandlung und Programmierung, Algorithmen und Datenstrukturen, Methoden der linearen Algebra, Wahrscheinlichkeitsrechnung, ein- und mehrdimensionale Verteilungen, Zufallszahlen und Monte Carlo Methoden, Data-Mining Methoden: Diskriminanzanalyse, Hauptkomponenten-analyse, Feature Selection, Überwachtes Lernen (kNN, Decision Trees, Random Forests), MRMR, Unüberwachtes Lernen(Ensemble Lerner), Convolutional Neural Nets
SMD B
Parameterschätzung, Optimierungsprobleme, Methode der kleinsten Quadrate, Maximum Likelihood-Methode, numerische Fitverfahren, Regularisierung, Konfidenzintervalle und Hypothesentests, Parametrisierung von Daten, Bayes'sche Verfahren, Verfahren zur Lösung inverser Probleme, Validierungstechniken, Behandlung systematischer Fehler, Akzeptanzberechnung.
- Lehrende:r: Dominik Baack
- Lehrende:r: Noah Biederbeck
- Lehrende:r: Janina Bolles
- Lehrende:r: Maximilian Noah Büchel
- Lehrende:r: Rune Michael Dominik
- Lehrende:r: Felix Geyer
- Lehrende:r: Maximilian Linhoff
- Lehrende:r: Lukas Nickel
- Lehrende:r: Wolfgang Rhode