Informationen zu den Übungen und der Vorlesung Statistisches Lernen (WS 2016/17)

Dozent: Dr. F. Baumdicker

Assistentin: N. N.

Vorlesung: Mi 14-16, SR 127, Eckerstr. 1

Übungen: Do 14-16, SR 127, Eckerstr. 1

Mit dem Begriff Statistisches Lernen werden verschiedene statistische Methoden bezeichnet, die dabei helfen, komplexe Datensätze zu modellieren und zu verstehen. Diese Methoden lernen aus den vorhandenen Daten und ziehen Schlussfolgerungen für die Modellierung der Grundgesamtheit. Statistische Lernverfahren werden oft auch den Begriffen Data-Mining oder Machinelles Lernen zugeordnet. Statistisches Lernen findet heute in sehr vielen Bereichen Anwendung, beispielsweise in der medizinisch/biologischen Forschung oder bei der Analyse von Kundendaten.

Die Vorlesung gibt eine einführende Übersicht in die Theorie des statistischen Lernens und ihre praktische Anwendung. In der Vorlesung werden zunächst die grundlegenden Prinzipien erarbeitet. Danach werden einzelne Methoden näher beleuchtet. In den Übungen werden die Kenntnisse sowohl theoretisch als auch praktisch vertieft. Der praktische Teil der Übungen basiert auf frei zugänglichen R-Datensätzen, z. B. aus den Lebenswissenschaften.

benötigte Software

• Statistikpaket R
  
  Das Statistikpaket R kann man über einen der weltweit verteilten CRAN-Server (Comprehensive R Archive Network) beziehen. Die offizielle Homepage des R-Projektes ist www.r-project.org.

• Grafische Benutzeroberfläche: RStudio
  
  Zusätzlich zum eigentlichen Statistikpaket R wird empfohlen die grafische Benutzeroberfläche RStudio zu benutzen.
  
  
  DOWNLOAD von R-Studio
  
  
  Beim erstmaligen Starten von RStudio muss das Verzeichnis, in welches R installiert wurde, angegeben werden, sofern es nicht das Standardverzeichnis ist.

• R Markdown

  Bitte erstellen Sie Ihre Abgaben mit Hilfe von R Markdown z.b. als HTML oder PDF Dokument. So ist sichergestellt, dass die Lösungen auch korrekt dargestellt werden. Eine Einführung in R Markdown mit RStudio finden Sie unter rmarkdown.rstudio.com/lesson-1.html

Literatur

 T. Hastie, R. Tibshirani, J. Friedman, The Elements of Statistical Learning, Springer, 2001