Zur Merkliste hinzufügen
Zurück zur Auswahl

 

66096-01 - Vorlesung mit Übungen: Mathematics of Data Science (8 KP)

Semester Herbstsemester 2026
Angebotsmuster Jedes Herbstsemester
Dozierende Foivos Alimisis (foivos.alimisis@unibas.ch)
Lorenzo Baldassari (lorenzo.baldassari@unibas.ch)
Aurelien Lucchi (aurelien.lucchi@unibas.ch, BeurteilerIn)
Inhalt This course provides an introduction to modern probability theory and its applications in high-dimensional data analysis. We begin with the fundamentals of probability, conditioning, and independence, then study limiting phenomena and concentration inequalities. Building on these foundations, the course explores random vectors, high-dimensional geometry, and random matrix theory, with applications to understanding spectral properties, the Marchenko–Pastur law, and double descent phenomena. Advanced topics include matrix concentration bounds, functional calculus, and stochastic processes. The course combines theory with exercises and a mid-term exam to reinforce understanding of these topics.

 

Unterrichtssprache Englisch
Einsatz digitaler Medien kein spezifischer Einsatz
HörerInnen willkommen

 

Intervall Wochentag Zeit Raum
wöchentlich Montag 16.15-18.00 Kollegienhaus, Hörsaal 116
wöchentlich Dienstag 16.15-18.00 Kollegienhaus, Seminarraum 104
wöchentlich Donnerstag 08.15-10.00 Kollegienhaus, Hörsaal 119

Einzeltermine

Datum Zeit Raum
Montag 14.09.2026 16.15-18.00 Uhr Kollegienhaus, Hörsaal 116
Dienstag 15.09.2026 16.15-18.00 Uhr Kollegienhaus, Seminarraum 104
Donnerstag 17.09.2026 08.15-10.00 Uhr Kollegienhaus, Hörsaal 119
Montag 21.09.2026 16.15-18.00 Uhr Kollegienhaus, Hörsaal 116
Dienstag 22.09.2026 16.15-18.00 Uhr Kollegienhaus, Seminarraum 104
Donnerstag 24.09.2026 08.15-10.00 Uhr Kollegienhaus, Hörsaal 119
Montag 28.09.2026 16.15-18.00 Uhr Kollegienhaus, Hörsaal 116
Dienstag 29.09.2026 16.15-18.00 Uhr Kollegienhaus, Seminarraum 104
Donnerstag 01.10.2026 08.15-10.00 Uhr Kollegienhaus, Hörsaal 119
Montag 05.10.2026 16.15-18.00 Uhr Kollegienhaus, Hörsaal 116
Dienstag 06.10.2026 16.15-18.00 Uhr Kollegienhaus, Seminarraum 104
Donnerstag 08.10.2026 08.15-10.00 Uhr Kollegienhaus, Hörsaal 119
Montag 12.10.2026 16.15-18.00 Uhr Kollegienhaus, Hörsaal 116
Dienstag 13.10.2026 16.15-18.00 Uhr Kollegienhaus, Seminarraum 104
Donnerstag 15.10.2026 08.15-10.00 Uhr Kollegienhaus, Hörsaal 119
Montag 19.10.2026 16.15-18.00 Uhr Kollegienhaus, Hörsaal 116
Dienstag 20.10.2026 16.15-18.00 Uhr Kollegienhaus, Seminarraum 104
Donnerstag 22.10.2026 08.15-10.00 Uhr Kollegienhaus, Hörsaal 119
Montag 26.10.2026 16.15-18.00 Uhr Kollegienhaus, Hörsaal 116
Dienstag 27.10.2026 16.15-18.00 Uhr Kollegienhaus, Seminarraum 104
Donnerstag 29.10.2026 08.15-10.00 Uhr Kollegienhaus, Hörsaal 119
Montag 02.11.2026 16.15-18.00 Uhr Kollegienhaus, Hörsaal 116
Dienstag 03.11.2026 16.15-18.00 Uhr Kollegienhaus, Seminarraum 104
Donnerstag 05.11.2026 08.15-10.00 Uhr Kollegienhaus, Hörsaal 119
Montag 09.11.2026 16.15-18.00 Uhr Kollegienhaus, Hörsaal 116
Dienstag 10.11.2026 16.15-18.00 Uhr Kollegienhaus, Seminarraum 104
Donnerstag 12.11.2026 08.15-10.00 Uhr Kollegienhaus, Hörsaal 119
Montag 16.11.2026 16.15-18.00 Uhr Kollegienhaus, Hörsaal 116
Dienstag 17.11.2026 16.15-18.00 Uhr Kollegienhaus, Seminarraum 104
Donnerstag 19.11.2026 08.15-10.00 Uhr Kollegienhaus, Hörsaal 119
Montag 23.11.2026 16.15-18.00 Uhr Kollegienhaus, Hörsaal 116
Dienstag 24.11.2026 16.15-18.00 Uhr Kollegienhaus, Seminarraum 104
Donnerstag 26.11.2026 08.15-10.00 Uhr Kollegienhaus, Hörsaal 119
Montag 30.11.2026 16.15-18.00 Uhr Kollegienhaus, Hörsaal 116
Dienstag 01.12.2026 16.15-18.00 Uhr Kollegienhaus, Seminarraum 104
Donnerstag 03.12.2026 08.15-10.00 Uhr Kollegienhaus, Hörsaal 119
Montag 07.12.2026 16.15-18.00 Uhr Kollegienhaus, Hörsaal 116
Dienstag 08.12.2026 16.15-18.00 Uhr Kollegienhaus, Seminarraum 104
Donnerstag 10.12.2026 08.15-10.00 Uhr Kollegienhaus, Hörsaal 119
Montag 14.12.2026 16.15-18.00 Uhr Kollegienhaus, Hörsaal 116
Dienstag 15.12.2026 16.15-18.00 Uhr Kollegienhaus, Seminarraum 104
Donnerstag 17.12.2026 08.15-10.00 Uhr Kollegienhaus, Hörsaal 119
Module Modul: Data Engineering (Masterstudium: Computer Science)
Modul: Data Engineering (Master Studienfach: Computer Science)
Modul: Machine Intelligence (Masterstudium: Computer Science)
Modul: Machine Intelligence (Master Studienfach: Computer Science)
Modul: Mathematical Foundations (Masterstudium: Data Science)
Prüfung Lehrveranst.-begleitend
Hinweise zur Prüfung Mid-term exam on XX.XX.XXXX

Information regarding the assessment:
Continuous assessment 20%
Short exercises in class (15min)*6
Mid-term exam 35%
Final exam 45%

Final exam on XX.XX.XXXX
An-/Abmeldung zur Prüfung Anm.: Belegen Lehrveranstaltung; Abm.: stornieren
Wiederholungsprüfung keine Wiederholungsprüfung
Skala 1-6 0,5
Belegen bei Nichtbestehen beliebig wiederholbar
Zuständige Fakultät Philosophisch-Naturwissenschaftliche Fakultät, studiendekanat-philnat@unibas.ch
Anbietende Organisationseinheit Departement Mathematik und Informatik

Zurück zur Auswahl