Zurück
Semester | Frühjahrsemester 2024 |
Angebotsmuster | Jedes 2. Frühjahrsem |
Dozierende | Michael Merz (michael.merz@unibas.ch, BeurteilerIn) |
Inhalt | 1. Einleitung 2. Grundlagen der statistischen Lerntheorie 3. Lineare Modelle für Regressionsprobleme 4. Lineare Modelle für Klassifikationsprobleme 5. Neuronale Netze 6. Klassifikations- und Regressionbäume 7. Hauptkomponentenanalyse und Hauptkomponentenregression 8. Clusteranalyse |
Lernziele | Die Studierenden sollen ihre statistischen Kenntnisse in Richtung Statistische Lerntheorie erweitern und auf finanz- und versicherungswirtschaftliche Fragestellungen anwenden. Den Studierenden werden hierzu grundlegende und vertiefende Kenntnisse über die wichtigsten Modelle und Methoden der statistischen Lerntheorie zur Vorhersage von Trends, Mustern, Klassenzugehörigkeiten und zukünftigen Ereignissen vermittelt. Sie werden damit befähigt, die vorgestellten Verfahren eigenständig auf finanz- und versicherungswirtschaftliche Fragestellungen anzuwenden und qualifizierte Prognosen zu erstellen. |
Literatur | ABU-MOSTAFA, Y. S., ET AL. (2012): Learning From Data: A Short Course, AMLBook. BHIMASANKARAM, P., SESHADRI, S. (2019): Essentials of Business Analytics, Springer. BISHOP, C. (2007): Pattern Recognition and Machine Learning, Springer. DE MELLO, R. F., PONTI, M. A. (2018): Machine Learning: A Practical Approach on the Statistical Learning Theory, Springer. DINOV, I. D. (2018): Data Science and Predictive Analytics, Springer. FORSYTH, D. (2019): Applied Machine Learning, Springer. FROCHTE, J. (2019): Maschinelles Lernen, Hanser. HASTIE, T., ET AL. (2009): The Elements of Stastistical Learning: Data Mining, Inference, and Prediction, Springer. JAMES, G., ET AL. (2013): An Introduction to Statistical Learning: With Applications in R, Springer. KUHN, M., JOHNSON, K. (2018): Applied Predictive Modeling, Springer. MURPHY, K. P. (2012): Machine Learning: A Probabilistic Perspective, MIT Press. RICHTER, S. (2019): Statistisches und maschinelles Lernen, Springer. SIEGEL, E. (2016): Predictive Analytics, Wiley. |
Bemerkungen | Die Vorlesung beginnt in der zweiten Vorlesungswoche, am Montag, 4. März 2024. In die Vorlesungen sind Übungen in Form von Beispielen integriert. Die Vorlesungsunterlagen finden Sie auf ADAM. Hörer*innen müssen die Berechtigung für den Zugriff auf die Distributionsplattform ADAM bei der Studiengangsleitung Actuarial Science (j.bucher@unibas.ch) beantragen. |
Weblink | https://adam.unibas.ch |
Teilnahmebedingungen | Grundkenntnisse in Statistik, wie sie üblicherweise in einer einführenden Lehrveranstaltung in den B.Sc.-Studiengängen Mathematik, Computer Science, Wirtschaftswissenschaften und Wirtschaftsmathematik vermittelt werden. |
Unterrichtssprache | Deutsch |
Einsatz digitaler Medien | Online-Angebot obligatorisch |
HörerInnen willkommen |
Intervall | Wochentag | Zeit | Raum |
---|---|---|---|
wöchentlich | Montag | 09.15-12.00 | Spiegelgasse 5, Seminarraum 05.002 |
Bemerkungen | Die Vorlesung beginnt in der zweiten Vorlesungswoche, am Montag, 4. März 2024. |
Datum | Zeit | Raum |
---|---|---|
Montag 04.03.2024 | 09.15-12.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
Montag 11.03.2024 | 09.15-12.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
Montag 18.03.2024 | 09.15-12.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
Montag 25.03.2024 | 09.15-12.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
Montag 01.04.2024 | 09.15-12.00 Uhr | Ostern |
Montag 08.04.2024 | 09.15-12.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
Montag 15.04.2024 | 09.15-12.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
Montag 22.04.2024 | 09.15-12.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
Montag 29.04.2024 | 09.15-12.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
Montag 06.05.2024 | 09.15-12.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
Montag 13.05.2024 | 09.15-12.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
Montag 20.05.2024 | 09.15-12.00 Uhr | Pfingstmontag |
Montag 27.05.2024 | 09.15-12.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
Module |
Modul: Angewandte Mathematik (Bachelorstudium: Mathematik) Modul: Schadenversicherung (Masterstudium: Actuarial Science) |
Leistungsüberprüfung | Lehrveranst.-begleitend |
Hinweise zur Leistungsüberprüfung | Der Inhalt dieser Lehrveranstaltung wird in der letzten Vorlesungswoche mit einer schriftlichen Prüfung geprüft. |
An-/Abmeldung zur Leistungsüberprüfung | Anm.: Belegen Lehrveranstaltung; Abm.: stornieren |
Wiederholungsprüfung | keine Wiederholungsprüfung |
Skala | 1-6 0,5 |
Wiederholtes Belegen | beliebig wiederholbar |
Zuständige Fakultät | Universität Basel |
Anbietende Organisationseinheit | Fachbereich Mathematik |