Further Education

Worum geht´s?

In diesem Seminar werden Methoden aus dem Bereich Data Science und Supervised Machine Learning, sowie die statistischen Grundlagen, die zum Verständnis dieser Methoden nötig sind, vorgestellt. Das Seminar gibt einen breiten Überblick über das Themengebiet, ohne dass dabei Data Science Software wie z.B. R oder Python zum Einsatz kommt. Die beigebrachten Methoden, Beispiele und Aufgaben werden theoretisch behandelt und sind unabhängig von der später verwendeten Software. 

Inhalt

• Einführung allgemeiner Begriffe (z.B. Verlustfunktion, Risikominimierung, Overfitting, Hyper- und Modelparameter, Training- und Testdaten)
• Erläuterung der Funktionsweise von ausgewählten einfachen supervised machine learning algorithmen für Regression und Klassifikation
• Überblick wichtiger Evaluationsmaße zur Beurteilung der Vorhersagegüte und deren Eigenschaften
• Modellevaluation durch Resampling Methoden (z.B. Kreuzvalidierung)
• Hyperparameter-Tuning