Wissenschaftliche Datenanalyse

Wesentliche Konzepte im Bereich der wissenschaftlichen Analyse von experimentellen Daten werden in der Veranstaltung vorgestellt. Die Studierenden erhalten einen Einblick in die Strategien zur Analyse umfangreicher Datensätze sowie deren korrekte statistische Interpretation. Sie sind nach Besuch der Veranstaltung in der Lage, eigene Messreihen statisch korrekt zu planen und auszuwerten.

Wahrscheinlichkeiten und Zufallszahlen: Verteilungsfunktion und Wahrscheinlichkeitsdichte, Momente einer
Verteilungsfunktion, Monte-Carlo Methoden zur rechnergestützen Erzeugung von Zufallszahlen, wichtige
Verteilungen, Zentraler Grenzwertsatz, bedingte Wahrscheinlichkeiten. Anpassung von Modellen an
Messdaten: kleinste Quadrate, Anpassung linearer und nichtlinearer Funktionen an Messdaten, Konfidenzintervalle. Statistische Schätzung von Parametern: Maximum Likelihood, Informationsungleichung, Schätzung kleinster Varianz, Satz von Bayes, Maximum Aposteriori Schätzung, Beispiele und Anwendungen. Prüfung von Hypothesen: Allgemeine Begriffe, Nullhypothese, Gegenhypothese, Students t-Test 2- Test, Kontingenztafel und Vierfeldertest. Einblicke in die multivariate Datenanalyse: maschinelles Lernen: System Design, Merkmalsextraktion und -generierung, lineare und logistische Regression, Gradientenverfahren, neuronale Netze, Support Vector Machines, Clusteranalyse (K-Means, Hierarchical Clustering, DBSCAN), Ausreißer-Detektion.

Studiensemester:                             1., 2. oder 3. Semester

Modulbeauftragter:                           Neeb

Lehrende:                                         Neeb

Voraussetzungen:                             keine

Turnus:                                             Wintersemester

Sprache:                                           Deutsch

Standort:                                           RheinAhrCampus