mat849 - Statistische Algorithmen (Vollständige Modulbeschreibung)

• Systematische Vertiefung und Erweiterung der im Bachelorstudium erlangten Kenntnisse und Fähigkeiten zur Mathematik
• Kennenlernen vertiefter Anwendungen der Mathematik, auch exemplarisch mit Projektcharakter
• Beherrschen wichtiger Verfahren und Algorithmen
• Stärkung des mathematischen Urteilsvermögens und des akademischen Selbstvertrauens sowohl durch breite als auch vertiefte Kenntnis der Reinen und Angewandten Mathematik
• Erwerb direkt berufsbezogener inhaltlicher und prozessorientierter Kompetenzen
• Die Studierenden lernen wichtige Algorithmen und deren Implementation in Standard-Software kennen und können diese anwenden.
• Querverbindungen: mat840, mat705, mat730, mat843

als Obermenge zu verstehen; Akzentuierung durch Dozent möglich:

• Prinzipien zur Zufallszahlenerzeugung
• Monte-Carlo Techniken: antithetische/Kontrollvariate, Rejection Sampling, Multilevel
• Projection Pursuite
• MCMC, Gibbs Sampling
• Simulated Annealing
• verschiedene Varianten des Bootstrap/subsampling
• Regressionsbäume/CART
• MARS
• Ensemble Methoden: Bagging, Boosting

Dietterich, T.G.: Ensemble methods in machine learning. Multiple classifier systems.
Efron, B, Tibshirani, R.J.: An introduction to the bootstrap.
Hall, P.: The bootstrap and Edgeworth expansion.
Hastie, T., Tibshirani, R., Friedman, J.: The elements of statistical learning.
Ripley, B.D.: Stochastic Simulation.

Studienschwerpunkt: C

nach Ende der Vorlesungszeit

Klausur oder mündliche Prüfung oder Fachpraktische Übung (KMÜ)