Stud.IP Uni Oldenburg
Universität Oldenburg
07.12.2021 19:15:12
mar768 - Statistische Analyse (Vollständige Modulbeschreibung)
Originalfassung Englisch PDF Download
Modulbezeichnung Statistische Analyse
Modulkürzel mar768
Kreditpunkte 6.0 KP
Workload 180 h
(
Kontaktzeit: 56 h, Selbststudium: 124 h
)
Einrichtungsverzeichnis Institut für Chemie und Biologie des Meeres (ICBM)
Verwendbarkeit des Moduls
  • Master Umweltmodellierung (Master) > Mastermodule
Zuständige Personen
Freund, Jan (Modulverantwortung)
Peppler-Lisbach, Cord (Modulberatung)
Ruckdeschel, Peter (Modulberatung)
Ryabov, Alexey (Modulberatung)
Teilnahmevoraussetzungen
keine
Kompetenzziele

Die Studenten besitzen erweiterte Kenntnisse über Analyse- und Modellierungsmethoden von Umweltdaten.

Modulinhalte

Spezielle Methoden der Statistischen / Stochastischen Modellierung (VL, Ü, S)

Spezialvorlesung (teilweise mit Übung) oder Seminar mit wechselnden Inhalten, um aktuelle Forschungsgebiete der statistischen und stochastischen Modellierung darzustellen. Beispielhafte Inhalte: z.B. Korrelation, Kausalität und ihre Rekonstruktion aus multivariaten Zeitreihen, Generalisierte Regression, Mathematische Grundlagen der Angewandten Statistik, Computerintensive Verfahren.

 

Seminar Komplexe Systeme und Modellierung (S)

Heranführung an aktuelle Themen in der Umweltmodellierung

 

VL/Ü Machine learning in the environmental sciences

In this course the students will learn to think as a data scientist and ask questions about the data. First, we will learn how to work with tables and extract statistics on groups of data. Then, we will go to the basic approaches of machine learning: supervised learning (classification and regression trees, neural networks), unsupervised learning (cluster analysis, factor analysis), reducing system dimensions (PCA, MDA ect.), statistical modelling (regression, generalized linear models), and optimization of model parameters (simulated annealing, differential evolution). Finally, we will focus on typical workflow of the data processing. We will use Matlab to implement the algorithms.

(only Sommersemester)

 

Literaturempfehlungen

Fachliteratur wird in der Lehrveranstaltung bekannt gegeben.

Links
Unterrichtsprachen Deutsch, Englisch
Dauer in Semestern 1 Semester
Angebotsrhythmus Modul
Aufnahmekapazität Modul unbegrenzt
Modullevel / module level MM (Mastermodul / Master module)
Modulart / typ of module Wahlpflicht / Elective
Lehr-/Lernform / Teaching/Learning method Winter- und Sommersemester
Auswahl von Veranstaltungen von insgesamt 6KP
S Kolloquium: Komplexe Systeme und Modellierung (3 KP)
VL, Ü, S Spezielle Methoden der Statistischen und Stochastischen Modellierung (3 KP oder 6 KP) (WP) (WiSe oder SoSe)
VL Machine learning in the environmental sciences
(2 SWS, 3 KP) (SoSe)
S Machine learning in the environmental sciences
(2 SWS, 3 KP) (SoSe)
Vorkenntnisse / Previous knowledge Erfahrung im Umgang mit R oder Matlab.
Lehrveranstaltungsform Kommentar SWS Angebotsrhythmus Workload Präsenz
Vorlesung
2 SoSe oder WiSe 28
Seminar
1 SoSe oder WiSe 14
Übung
1 SoSe oder WiSe 14
Präsenzzeit Modul insgesamt 56 h
Prüfung Prüfungszeiten Prüfungsform
Gesamtmodul

Klausur am Ende der Veranstaltungszeit oder alle anderen möglichen Prüfungsleistungen nach Maßgabe der Dozentin oder des Dozenten

1 benotete Prüfungsleistung

Klausur oder fachpraktische Übung (testierte Übungsaufgaben) oder mündliche Prüfung oder Referat oder Hausarbeit oder Seminararbeit

 

Aktive Teilnahme

Aktive Teilnahme umfasst z.B. die regelmäßige Abgabe von Übungen, Anfertigung von Lösungen zu Übungsaufgaben, die Protokollierung der jeweils durchgeführten Versuche bzw. der praktischen Arbeiten, die Diskussion von Seminarbeiträgen oder Darstellungen von Aufgaben bzw. Inhalten in der Lehrveranstaltung in Form von Kurzberichten oder Kurzreferat. Die Festlegung hierzu erfolgt durch den Lehrenden zu Beginn des Semesters bzw. zu Beginn der Veranstaltung.