Martin Mächler: Katalogdaten im Frühjahrssemester 2017 |
Name | Herr Prof. em. Dr. Martin Mächler |
Adresse | Seminar für Statistik (SfS) ETH Zürich, HG GO 14.2 Rämistrasse 101 8092 Zürich SWITZERLAND |
Telefon | +41 44 632 34 08 |
maechler@stat.math.ethz.ch | |
URL | http://stat.ethz.ch/~maechler |
Departement | Mathematik |
Beziehung | Titularprofessor im Ruhestand |
Nummer | Titel | ECTS | Umfang | Dozierende | |
---|---|---|---|---|---|
401-3632-00L | Computational Statistics | 10 KP | 3V + 2U | M. Mächler, P. L. Bühlmann | |
Kurzbeschreibung | "Computational Statistics" deals with modern methods of data analysis (aka "data science") for prediction and inference. An overview of existing methodology is provided and also by the exercises, the student is taught to choose among possible models and about their algorithms and to validate them using graphical methods and simulation based approaches. | ||||
Lernziel | Getting to know modern methods of data analysis for prediction and inference. Learn to choose among possible models and about their algorithms. Validate them using graphical methods and simulation based approaches. | ||||
Inhalt | Das Schliessen von beobachteten Daten auf komplexe Modelle ist ein zentrales Thema der rechnerorientierten Statistik. Die Modelle sind oft unendlich-dimensional und die statistischen Verfahren deshalb Computer-intensiv. Als Grundlage wird die klassische multiple Regression eingeführt. Danach werden einige nichtparametrische Verfahren für die Regression und die Klassifikation vorgestellt: Kernschätzer, glättende Splines, Regressions-/Klassifikationsbäume, additive Modelle, Projection Pursuit und (kurz) Neuronale Netze, wobei einige davon gut interpretierbar und andere für genaue Prognosen geeignet sind. Insbesondere werden auch die Problematik des Fluchs der Dimension und die stochastische Regularisierung diskutiert. Hochdimensionale Modelle werden mit LASSO u.ä. Verfahren regularisiert. Nebst dem Anpassen eines (komplexen) Modells werden auch die Evaluation, Güte und Unsicherheit von Verfahren und Modellen anhand von Resampling, Bootstrap und Kreuz-Validierung behandelt. In den Übungen wird mit dem Statistik-Paket R (https://www.R-project.org) gearbeitet. Es werden dabei auch praxis-bezogene Probleme bearbeitet. Aktive Teilnahme an den Übungen wird sehr empfohlen. Detailinformation sind auf https://stat.ethz.ch/lectures/ (-> "Computational Statistics"). | ||||
Skript | lecture notes are available online; see http://stat.ethz.ch/lectures/ (-> "Computational Statistics"). | ||||
Literatur | (see the link above, and the lecture notes) | ||||
Voraussetzungen / Besonderes | Basic "applied" mathematical calculus (incl. simple two-dimensional) and linear algebra (including Eigenvalue decomposition) similar to two semester "Analysis" in an ETH (math or) engineer's bachelor. At least one semester of (basic) probability and statistics, as e.g., taught in an ETH engineer's or math bachelor. Programming experience in either a compiler-based computer language (such as C++) or a high-level language such as python, R, julia, or matlab. The language used in the exercises and the final exam will be R (https://www.r-project.org) exclusively. If you don't know it already, some extra effort will be required for the exercises. | ||||
401-5640-00L | ZüKoSt: Seminar on Applied Statistics | 0 KP | 1K | M. Kalisch, P. L. Bühlmann, R. Furrer, L. Held, T. Hothorn, M. H. Maathuis, M. Mächler, L. Meier, N. Meinshausen, M. Robinson, C. Strobl, S. van de Geer | |
Kurzbeschreibung | 5 bis 6 Vorträge zur angewandten Statistik. | ||||
Lernziel | Kennenlernen von statistischen Methoden in ihrer Anwendung in verschiedenen Gebieten, besonders in Naturwissenschaft, Technik und Medizin. | ||||
Inhalt | In 5-6 Einzelvorträgen pro Semester werden Methoden der Statistik einzeln oder überblicksartig vorgestellt, oder es werden Probleme und Problemtypen aus einzelnen Anwendungsgebieten besprochen. 3 bis 4 der Vorträge stehen in der Regel unter einem Semesterthema. | ||||
Skript | Bei manchen Vorträgen werden Unterlagen verteilt. Eine Zusammenfassung ist kurz vor den Vorträgen im Internet unter http://stat.ethz.ch/talks/zukost abrufbar. Ankündigunen der Vorträge werden auf Wunsch zugesandt. | ||||
Voraussetzungen / Besonderes | Dies ist keine Vorlesung. Es wird keine Prüfung durchgeführt, und es werden keine Kreditpunkte vergeben. Nach besonderem Programm. Koordinator M. Kalisch, Tel. 044 632 3435 Lehrsprache ist Englisch oder Deutsch je nach ReferentIn. Course language is English or German and may depend on the speaker. | ||||
401-6228-00L | Programming with R for Reproducible Research | 1 KP | 1G | M. Mächler | |
Kurzbeschreibung | Deeper understanding of R: Function calls, rather than "commands". Reproducible research and data analysis via Sweave and Rmarkdown. Limits of floating point arithmetic. Understanding how functions work. Environments, packages, namespaces. Closures, i.e., Functions returning functions. Lists and [mc]lapply() for easy parallelization. Performance measurement and improvements. | ||||
Lernziel | |||||
Inhalt | See https://stat.ethz.ch/education/semesters/ss2014/Progr_R3 | ||||
Skript | Material available from https://stat.ethz.ch/education/semesters/ss2014/Progr_R3 | ||||
Literatur | Norman Matloff (2011) The Art of R Programming - A tour of statistical software design. no starch press, San Francisco. on stock at Polybuchhandlung (CHF 42.-). | ||||
Voraussetzungen / Besonderes | R Knowledge on the same level as after *both* parts of the ETH lecture 401-6217-00L Using R for Data Analysis and Graphics http://www.vvz.ethz.ch/Vorlesungsverzeichnis/lerneinheitPre.do?semkez=2013W&lerneinheitId=84563&ansicht=ALLE&lang=de |