Sowohl die VO als auch die begleitende UE werden in deutscher Sprache abgehalten.
Zeit: Montag, 16:15 - 17:45
Sem.R. DA grün 02 A (Freihaus, grüner Bereich, 2ter Stock)
Nächster regulärer Prüfungstermin: Ende Jänner 2025. Bei Bedarf können wir gerne einen zusätzlichen Prüfungstermin vereinbaren.
Ergänzungen zum Skriptum (kein Prüfungsstoff)
Pattern Recognition for Machine Learning,Christopher Bishop
The Elements of Statistical Learning , Hastie et al., 2nd edition
Gaussian Processess for Machine Learning , Rasmussen und Williams
The Null Ritual, Gigerenzer et al.
Beispiel für prosecutor's fallacy Down Syndrome vs. Maternal Age
Randomized Controlled Trial (RCT)
RCT am Beispiel der BNT16b2 Zulassungsstudie
Parametric Eigenspaces (Beispiel) Python Code für das in der VO besprochene Beispiel für Confounding/partielle Korrelation/Regression
Benötigte Daten für obiges Programm
Es gibt 3 Übungsababen pro Semester, die in Übungsgruppen
ausgearbeitet werden sollen. Die UE-Gruppeneinteilung erfolgt in einer
der ersten VO-Einheiten. Die Übungsbeispiele können dabei in einer
beliebigen Sprache/Umgebung gelöst werden, geeignet sind z.B. MATLAB
oder python/numpy.
Sofern nicht anders angegeben, sind alle in der Angabe geforderten Funktionen selbst zu implementieren.
Die Abgabe sollte a) ein in PDF vorliegendes Protokoll b) sowie die Source-Dateien enthalten, und erfolgt via
e-mail mit der Gruppennummer im Betreff an mich.
Für die Erstellung des PDF-Dokuments wird Latex empfohlen. Dieses muss jedenfalls für jede Teilaufgabe eine Beschreibung des gewählten
Lösungsansatzes sowie eine Diskussion der erhaltenen Ergebnisse enthalten.
Bei Unklarheiten führe ich nach erfolgter elektronischer Abgabe ein ca
20-minütiges Abgabegespräch mit der gesamten Gruppe. Jedes Gruppenmitglied sollte in der Lage sein, Fragen zu sämtlichen ausgearbeiteten Beispielen als auch zur relevanten Theorie zu beantworten.
Confounding & Bias
Hauptachsentransformation und Korrelation
Sonstiges
Übung, UE 183.584
Allgemeine Hinweise