About the Course

S „Statistical Learning“ und Geodaten (AMS, Teil I/II)

Die statistische Modellierung räumlicher Phänomene ist angesichts der stetig größer werdenden Menge an empirischen Daten, die eine räumlich-zeitliche Verortung aufweisen, ein bedeutender Teilbereich der Statistik. In diesem Feld gibt es zudem viele Schnittstellen zwischen der Sozialwissenschaft und anderen Disziplinen, wie der Humangeographie oder der Epidemiologie. Aufgrund der oftmals umfangreichen Datenbestände werden bei der Modellierung solcher Daten häufig neben klassischen statistischen Methoden auch Verfahren aus dem Bereich des statistischen oder maschinellen Lernens verwendet.

 

Im Seminar werden diese verschiedenen Ansätze zur Modellierung von Geodaten diskutiert und anhand exemplarischer Anwendungen mit der Programmiersprache R praktisch erprobt.

 

Folgende Themen werden im Seminar behandelt:

 

  • Einführung in das Thema
  • Einführung in der Verarbeitung von Geodaten in R
  • Klassische semiparametrische Verfahren für Geodaten
  • Bayesianische Modellierung von Geodaten
  • Maschinelles Lernen, Feature Selection und Cross Validation

Das Seminar fußt auf zwei Säulen: Die erste Säule umfasst die selbstständige Aneignung der behandelten Methoden und die eigenständige Durchführung exemplarischer Analysen in R. Die Teilnehmenden werden dabei durch interaktive Skripte, Codebeispiele und weitere Materialien unterstützt. Die zweite Säule umfasst den Austausch in Präsenzterminen mit den Lehrenden und den anderen Teilnehmenden, in denen Fragen zu den bereitgestellten Materialien, zur Umsetzung in R sowie den Ergebnissen der Analysen diskutiert werden.

 

 

Voraussetzungen für Studiennachweise / Modulprüfungen

Studiennachweise können durch aktive Teilnahme und das Bearbeiten von Übungsaufgaben erworben werden. Die Modulprüfung umfasst zusätzlich eine Hausarbeit.

Lehrende

Sebastian Jeworutzki, Prof. Dr. Jörg-Peter Schräpler

Termine

  • Tuesday, 05.04.2022 (1. Termin)
    10:00 bis 12:00 Uhr
    GD E2/208 CIP-Pool

Anmeldung

Bitte melden Sie sich in eCampus für die Veranstaltung an.