 |
| Detailinformationen |
| Anmeldevoraussetzungen |
keine
|
| Quellcurriculum |
Doktoratsstudium PhD Program in Economics and Statistics 2025W |
| Lernergebnisse |
Kompetenzen |
| Die Studierenden können aktuelle Modelle und Methoden aus Data Science benennen, unterscheiden und adaptieren sowie wissenschaftliche Publikationen, welche diese Modelle und Techniken verwenden, lesen und kritisch reflektieren. Die Studierenden sind in der Lage, Data Science Methoden sicher anzuwenden und selbständig auf eigene wissenschaftliche Fragestellungen zu übertragen.
|
|
| Fertigkeiten |
Kenntnisse |
- Verstehen aktueller Entwicklungen in den Forschungsbereichen Kausalinferenz, Extremwerttheorie, hochdimensionale Inferenz, Hypothesentests in großem Maßstab, statistisches Lernen und Inferenz (k2)
- Anwendung modernster Methodik auf reale Datensätze (k3, k4, k5)
- Anpassung bestehender Methoden an neue Anwendungsbereiche (k6)
- Erörterung der Grenzen bestehender Methoden und Vorschläge zu deren Überwindung (k6)
|
- Wissenschaftlicher Stand der Technik in einem der Bereiche:
- Kausalinferenz, Extremwerttheorie, hochdimensionale Inferenz, Hypothesentests in großem Maßstab, statistisches Lernen und Inferenz nach Modellauswahl
- Fähigkeiten in der Datenanalyse mit Schwerpunkt auf einem der oben genannten Bereiche
- Relevanz der oben genannten Bereiche für Probleme aus der Data Science
|
|
| Beurteilungskriterien |
|
| Abhaltungssprache |
Englisch |
| Lehrinhalte wechselnd? |
Nein |
| Gilt als absolviert, wenn |
951SMDSSPDK20: KV Statistical Principles of Data Science (6 ECTS)
|
|
