Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
Startseite    Anmelden     
Logout in [min] [minutetext]

Statistical Learning - Einzelansicht

Grunddaten
Veranstaltungsart Vorlesung Langtext
Veranstaltungsnummer 100355 Kurztext
Semester SS 2020 SWS 4
Erwartete Teilnehmer/-innen 15 Studienjahr
Max. Teilnehmer/-innen
Credits 6 Belegung Belegpflicht
Hyperlink https://www.uni-muenster.de/Stochastik/Lehre/SS2020/Statistical_Learning/index.shtml
Sprache englisch
Termine Gruppe: [unbenannt] iCalendar Export für Outlook
  Tag Zeit Rhythmus Dauer Raum Raum-
plan
Lehrperson Status Bemerkung fällt aus am Max. Teilnehmer/-innen
iCalendar Export für Outlook Mo. 10:00 bis 12:00 woch bis 25.05.2020  Einsteinstr. 64 - M B 5 (M 5)        
iCalendar Export für Outlook Do. 10:00 bis 12:00 woch bis 28.05.2020  Einsteinstr. 64 - M B 5 (M 5)        
Gruppe [unbenannt]:
 


Zugeordnete Person
Zugeordnete Person Zuständigkeit
Alsmeyer, Gerold, Prof. Dr. verantwort
Studiengänge
Abschluss - Studiengang Sem ECTS Bereich Teilgebiet
Master - Mathematik (88 105 10) -
Master - Mathematik (88 105 13) -
Prüfungen / Module
Prüfungsnummer Modul
20001 Vorlesung 1 - Master Mathematik Version 2013
19001 Vorlesung 1 - Master Mathematik Version 2013
19003 Vorlesung 2 (ohne Studienleistung) - Master Mathematik Version 2013
20003 Vorlesung 2 (ohne Studienleistung) - Master Mathematik Version 2013
11012 Vorlesung zur angewandten Mathematik 3 - Master Mathematik Version 2013
11009 Vorlesung zur angewandten Mathematik 2 - Master Mathematik Version 2013
11007 Vorlesung zur angewandten Mathematik 1 - Master Mathematik Version 2013
19004 Vorlesung 2 (mit Studienleistung) - Master Mathematik Version 2013
20004 Vorlesung 2 (mit Studienleistung) - Master Mathematik Version 2013
Zuordnung zu Einrichtungen
Fachbereich 10 Mathematik und Informatik
Inhalt
Kommentar

Die Vorlesung richtet sich an Masterstudenten, die im Bachelorstudium die Vorlesungen Stochastik, Wahrscheinlichkeitstheorie und Statistik besucht haben. Sie kann als ein Bestandteil sowohl des Moduls "Wahrscheinlichkeitstheorie und ihre Anwendungen" als auch des Moduls "Stochastische Prozesse" gewählt werden.

 

Bemerkung

Den Learnweb-Kurs zu dieser Vorlesung finden Sie unter

https://sso.uni-muenster.de/LearnWeb/learnweb2/enrol/index.php?id=42573

 

Voraussetzungen

Stochastik, Wahrscheinlichkeitstheorie und Statistik

Leistungsnachweis

Bearbeiten von Übungen und Bestehen einer Klausur bzw. mündlichen Prüfung.

Lerninhalte

The course aims at an introduction of some basic aspects in statistical learning and data science. We plan to cover topics in stochastic approximation, pattern recognition, kernel density estimation, regression, supervised and unsupervised learning, and prediction. Knowledge of the fundamental concepts in Mathematical Statistics, especially about estimation and testing, are expected.


Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester SS 2020 , Aktuelles Semester: SoSe 2023