Zurück zur Auswahl
13369-01 - Vorlesung: Predictive Analytics (6 KP)
| Semester | Frühjahrsemester 2026 |
| Angebotsmuster | Jedes 2. Frühjahrsem |
| Dozierende | Michael Merz (michael.merz@unibas.ch, BeurteilerIn) |
| Inhalt | 1. Grundlagen 2. Lineare Regression 3. Resampling-Verfahren 4. Regularisierung 5. Klassische Klassifikationsverfahren 6. Entscheidungsbäume 7. Ensemblemethoden 8. Hauptkomponentenanalyse 9. Clusteranalyse 10. Künstliche Neuronale Netze |
| 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 | In die Vorlesungen sind Übungen in Form von Beispielen und Übungsaufgaben integriert. Die Vorlesungsunterlagen finden Sie auf ADAM. Hörer*innen müssen die Berechtigung für den Zugriff auf die Distributionsplattform ADAM bei der Studiengangsleitung Actuarial Science (stefanie.burgahn@unibas.ch) beantragen. |
| Weblink | https://adam.unibas.ch |
| Teilnahmevoraussetzungen | 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 | 09.15-13.00 | Spiegelgasse 5, Seminarraum 05.002 |
Einzeltermine
| Datum | Zeit | Raum |
|---|---|---|
| Montag 16.02.2026 | 09.15-13.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Montag 23.02.2026 | 09.15-13.00 Uhr | Fasnachtsferien |
| Montag 02.03.2026 | 09.15-13.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Montag 09.03.2026 | 09.15-13.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Montag 16.03.2026 | 09.15-13.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Montag 23.03.2026 | 09.15-13.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Montag 30.03.2026 | 09.15-13.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Montag 06.04.2026 | 09.15-13.00 Uhr | Ostern |
| Montag 13.04.2026 | 09.15-13.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Montag 20.04.2026 | 09.15-13.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Montag 27.04.2026 | 09.15-13.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Montag 04.05.2026 | 09.15-13.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Montag 11.05.2026 | 09.15-13.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Montag 18.05.2026 | 09.15-13.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Montag 25.05.2026 | 09.15-13.00 Uhr | Pfingstmontag |
| Module |
Modul: Angewandte Mathematik (Bachelorstudium: Mathematik) Modul: Schadenversicherung (Masterstudium: Actuarial Science) |
| Prüfung | Lehrveranst.-begleitend |
| Hinweise zur Prüfung | Der Inhalt dieser Lehrveranstaltung wird in der letzten Vorlesungswoche mit einer schriftlichen Prüfung geprüft. |
| An-/Abmeldung zur Prüfung | Anm.: Belegen Lehrveranstaltung; Abm.: stornieren |
| Wiederholungsprüfung | keine Wiederholungsprüfung |
| Skala | 1-6 0,5 |
| Belegen bei Nichtbestehen | beliebig wiederholbar |
| Zuständige Fakultät | Universität Basel |
| Anbietende Organisationseinheit | Fachbereich Mathematik |