Universität Wien
Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.

040170 UK Statistik hochdimensionaler und komplexer Daten (2024W)

4.00 ECTS (2.00 SWS), SPL 4 - Wirtschaftswissenschaften
Prüfungsimmanente Lehrveranstaltung

Zusammenfassung

1 Dmytriv , Moodle
Mi 22.01. 08:00-09:30 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
2 Dmytriv , Moodle
Mi 22.01. 11:30-13:00 Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
An/Abmeldeinformationen sind bei der jeweiligen Gruppe verfügbar.

Gruppen

Gruppe 1

Die Literatur zu dem Thema dieses Kurses ist durchweg auf Englisch. Daher sind auch die Kursmaterialien auf Englisch. Der Kurs kann auf Wunsch auf Deutsch gehalten werden, wobei es sinnvoller wäre den Kurs komplett auch auf Englisch zu halten.

max. 35 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Mittwoch 02.10. 08:00 - 09:30 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Mittwoch 09.10. 08:00 - 09:30 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Mittwoch 16.10. 08:00 - 09:30 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Mittwoch 23.10. 08:00 - 09:30 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Mittwoch 30.10. 08:00 - 09:30 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Mittwoch 06.11. 08:00 - 09:30 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Mittwoch 13.11. 08:00 - 09:30 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Mittwoch 20.11. 08:00 - 09:30 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Mittwoch 27.11. 08:00 - 09:30 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Mittwoch 04.12. 08:00 - 09:30 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Mittwoch 11.12. 08:00 - 09:30 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock
    Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Mittwoch 08.01. 08:00 - 09:30 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Mittwoch 15.01. 08:00 - 09:30 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Mittwoch 29.01. 08:00 - 09:30 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock

Gruppe 2

max. 35 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Mittwoch 02.10. 11:30 - 13:00 Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Mittwoch 09.10. 11:30 - 13:00 Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Mittwoch 16.10. 11:30 - 13:00 Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Mittwoch 23.10. 11:30 - 13:00 Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Mittwoch 30.10. 11:30 - 13:00 Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Mittwoch 06.11. 11:30 - 13:00 Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Mittwoch 13.11. 11:30 - 13:00 Hörsaal 8 Oskar-Morgenstern-Platz 1 1.Stock
  • Mittwoch 20.11. 11:30 - 13:00 Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Mittwoch 27.11. 11:30 - 13:00 Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Mittwoch 04.12. 11:30 - 13:00 Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Mittwoch 11.12. 08:00 - 09:30 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Mittwoch 08.01. 11:30 - 13:00 Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Mittwoch 15.01. 11:30 - 13:00 Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Mittwoch 29.01. 11:30 - 13:00 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Inhalt des Kurses: Hochdimensionale lineare Modelle, Modellauswahl, LASSO, Ridge, mehrfaches Testen, usw.

Art der Leistungskontrolle und erlaubte Hilfsmittel

Midterm Exam (vor Ort) + Projekt in R am Ende des Semesters (Take-Home Exam)

Mindestanforderungen und Beurteilungsmaßstab

Zwei Teilbewertungen 2*50% der Gesamtnote.
Um den Kurs positiv abzuschließen, müssen Sie mindestens 60% der Punkte erreichen.

Prüfungsstoff

Die in der Vorlesung vorgestellte statistische Theorie sowie praktische Kenntnisse in R sind für diesen Kurs erforderlich.

Literatur

Hastie, T.; Tibshirani, R. & Friedman, J. (2001), The Elements of Statistical Learning , Springer New York Inc. , New York, NY, USA .
https://web.stanford.edu/~hastie/ElemStatLearn/

R Refresher:
R Graphics Cookbook: Practical Recipes for Visualizing Data - Winston Chang

Alle anderen relevanten Informationen werden in Moodle veröffentlicht.

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Mi 06.11.2024 11:05