Research Seminar in Data Science
Allgemeine Informationen
| #️⃣ Kursnummer | 7010332 |
| 🎓 Kurslevel | Master |
| 🗣️ Dozentin | Katarzyna Reluga |
| 📅 Semester | Winter |
| 💬 Sprache | English |
| *️⃣ Credits | 6 ECTS |
Kursbeschreibung
Dieses Seminar untersucht, wie statistische und maschinelle Lernmethoden die Herausforderung fehlender und teilweise beobachteter Daten angehen. Wir beginnen mit der Einführung wichtiger Konzepte der Datenlücken anhand von Beispielen aus der Praxis, wie z. B. Nichtbeantwortung von Umfragen und unbeschrifteten Daten. Darauf aufbauend untersuchen wir, wie kausale Inferenz und halbüberwachtes Lernen als Sonderfälle des Lernens unter fehlenden Daten verstanden werden können. In den folgenden Sitzungen präsentieren und diskutieren die Studierenden aktuelle Forschungsarbeiten zu Imputation, kausaler Inferenz bei fehlenden Daten und semi-überwachtem Lernen, gefolgt von Gruppendiskussionen. Gegen Ende des Seminars reicht jeder Studierende einen kurzen Bericht im Stil einer wissenschaftlichen Arbeit ein, der auf der von ihm vorgestellten Forschungsarbeit basiert. Dieser Bericht wird formal bewertet.
Empfohlene Vorlesungen oder Vorkenntnisse: Die Teilnehmer sollten mit den Kernkonzepten der Wahrscheinlichkeitsrechnung und statistischen Inferenz vertraut sein (z. B. Statistical Inference oder gleichwertig). Vorkenntnisse in computergestützter Statistik, Ökonometrie oder maschinellem Lernen sind hilfreich, aber nicht erforderlich.
Anmeldung
Bitte beachten Sie, dass die Teilnehmerzahl in der Regel begrenzt ist und eine Anmeldung erforderlich ist. Weitere Informationen finden Sie im aktuellen Vorlesungsverzeichnis auf Agnes.