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

053614 VU Statistics for Data Science (2020W)

6.00 ECTS (4.00 SWS), SPL 5 - Informatik und Wirtschaftsinformatik
Prüfungsimmanente Lehrveranstaltung
Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 25 Teilnehmer*innen
Sprache: Englisch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Donnerstag 01.10. 13:15 - 16:30 Digital
  • Mittwoch 07.10. 09:45 - 11:15 Digital
  • Mittwoch 14.10. 09:45 - 11:15 Digital
  • Donnerstag 15.10. 13:15 - 16:30 Digital
  • Mittwoch 21.10. 09:45 - 11:15 Digital
  • Mittwoch 28.10. 09:45 - 11:15 Digital
  • Donnerstag 29.10. 13:15 - 16:30 Digital
  • Mittwoch 04.11. 09:45 - 11:15 Digital
  • Mittwoch 11.11. 09:45 - 11:15 Digital
  • Donnerstag 12.11. 13:15 - 16:30 Digital
  • Mittwoch 18.11. 09:45 - 11:15 Digital
  • Mittwoch 25.11. 09:45 - 11:15 Digital
  • Donnerstag 26.11. 13:15 - 16:30 Digital
  • Mittwoch 02.12. 09:45 - 11:15 Digital
  • Mittwoch 09.12. 09:45 - 11:15 Digital
  • Donnerstag 10.12. 13:15 - 16:30 Digital
  • Mittwoch 16.12. 09:45 - 11:15 Digital
  • Donnerstag 07.01. 13:15 - 16:30 Digital
  • Mittwoch 13.01. 09:45 - 11:15 Digital
  • Mittwoch 20.01. 09:45 - 11:15 Digital
  • Donnerstag 21.01. 13:15 - 16:30 Digital
  • Mittwoch 27.01. 09:45 - 11:15 Digital

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

The goal of the course is to establish a thorough understanding of basic concepts and methods of statistical inference in the context of modern data science.

Depending on our progress and the prior knowledge of students, we will cover some of the following topics:
- Statistical inference vs. statistical learning
- Bootstrap and Jackknife methods
- Linear models and causal inference
- Statistical inference for network data
- High-dimensional data and inference post-model-selection
- Differential Privacy
- Bayesian statistics and MCMC methods

This course will be held 100% online, with the exception of the possibility to individually visit the office hours of the lecturer by appointment. There will be recorded lectures plus interactive discussion and exercise sessions.
Please closely follow the Moodle course webpage!

Art der Leistungskontrolle und erlaubte Hilfsmittel

Student have to solve homework problems and present their results in an interactive online class.
There will be a written final exam.

Mindestanforderungen und Beurteilungsmaßstab

Homework 60%
Final Exam 40%

At least half of the homework problems have to be completed in order to get a passing grade.

Prüfungsstoff

The final exam will cover all the material that was discussed in lectures and homework sessions during the semester.
You only need to read the designated sections of the textbook.

Literatur

Wasserman, L. (2003): "All of Statistics: A Concise Course in Statistical Inference", Springer.

Zuordnung im Vorlesungsverzeichnis

Modul: SDS

Letzte Änderung: Fr 12.05.2023 00:13