401-3632-00L  Computational Statistics

Lehrveranstaltungen

Katalogdaten

Kurzbeschreibung	We discuss modern statistical methods for data analysis, including methods for data exploration, prediction and inference. We pay attention to algorithmic aspects, theoretical properties and practical considerations. The class is hands-on and methods are applied using the statistical programming language R.
Lernziel	The student obtains an overview of modern statistical methods for data analysis, including their algorithmic aspects and theoretical properties. The methods are applied using the statistical programming language R.
Inhalt	See the class website
Voraussetzungen / Besonderes	At least one semester of (basic) probability and statistics. Programming experience is helpful but not required.
Kompetenzen	Fachspezifische Kompetenzen Konzepte und Theorien geprüft Verfahren und Technologien geprüft Methodenspezifische Kompetenzen Analytische Kompetenzen geprüft Medien und digitale Technologien geprüft Problemlösung geprüft Persönliche Kompetenzen Kreatives Denken geprüft Kritisches Denken geprüft

Leistungskontrolle

Information zur Leistungskontrolle (gültig bis die Lerneinheit neu gelesen wird)
Leistungskontrolle als Semesterkurs
ECTS Kreditpunkte	8 KP
Prüfende	M. Mächler
Form	Sessionsprüfung
Prüfungssprache	Englisch
Repetition	Die Leistungskontrolle wird in jeder Session angeboten. Die Repetition ist ohne erneute Belegung der Lerneinheit möglich.
Prüfungsmodus	schriftlich 180 Minuten
Zusatzinformation zum Prüfungsmodus	This is a computer exam. Some of the questions require the use of the statistical programming language R.
Hilfsmittel schriftlich	One sheet of paper (A4, front and back) with a machine- or handwritten summary.
Digitale Prüfung	Die Prüfung findet auf Geräten statt, die von der ETH Zürich zur Verfügung gestellt werden.
Fernprüfung	Das Ablegen als Fernprüfung ist nicht möglich.
Diese Angaben können noch zu Semesterbeginn aktualisiert werden; verbindlich sind die Angaben auf dem Prüfungsplan.

Lernmaterialien

Gruppen

Einschränkungen

Angeboten in

Studiengang	Bereich	Typ
CAS in Informatik	Vertiefungsfächer und Wahlfächer	W
Computational Biology and Bioinformatics Master	Theorie	W
Cyber Security Master	Wahlfächer	W
DAS in Data Science	Einführungskurse	W
Data Science Master	Statistics	W
Informatik Master	Wahlfächer	W
Mathematik Bachelor	Kernfächer aus Bereichen der angewandten Mathematik ...	W
Mathematik Master	Kernfächer aus Bereichen der angewandten Mathematik ...	W
Mikro- und Nanosysteme Master	Modelling and Simulation	W
Rechnergestützte Wissenschaften Master	Kernfächer	W
Statistik Master	Applied Statistics	W