ModulStatistisches Lernen (09-INF-BIO1)
DozentMartin Bogdan
Christine Pausch
Kristin Reiche
Fabian Schwarzenberger
Beginn14.10.2014
Zeit / OrtDI 11-13 - IMISE, Härtelstr. 16-18, Raum 109
MI 11-13 - IMISE, Härtelstr. 16-18, Raum 109
Turnusjedes Wintersemester

Inhalt

Ziel der Vorlesung ist es, die konzeptionellen Grundlagen des statistischen Lernes zu verstehen.

Vorlesungsüberblick:

  • Einführung in die Statistik und deskriptive Datenanlayse
  • Zufallsvariablen und Wahrscheinlichkeitstheorie
  • Statistisches Testen
  • Lineare und nichtlineare Regressionsmodelle
  • Support Vector Machines, Random Forests, neuronale Netze
  • Unsupervised Learning
  • Multiples Testen
  • Modellwahl und -bewertung
  • Regularisierung und Shrinkage
  • Statistische Analyse von Sequenz- und Expressionsdaten

Materialien

  • Link zum R package “neuralnet”
  • Link zum Artikel “neuralnet: Training of Neural Networks”
  • Dateien für Übung 1 – zip-Archiv
  • Minimal-Beispiel zu Übung 1 – R-Code
  • Link zum R package “kohonen”
  • Link zum Artikel “Self- and Super-organizing Maps in R”
  • Datei für Übung 2 – Textfile
  • Minimal-Beispiel zu Übung 2 – R-Code

Literatur

Die Vorlesung richtet sich hauptsächlich nach dem folgenden Buch:

G. James, D. Witten, T. Hastie, R. Tibshirani. “An Introduction to Statistical Learning.” Springer. 2013.

Weitere Literatur: