Modulkataloge

Professor Dr. Christian Pigorsch

Bewertete Übungsaufgaben während der Vorlesungszeit (50%), 60-minütige Klausur im Prüfungszeitraum (50%). Die Benotung des Moduls ergibt sich auf Grundlage der Gesamtpunktzahl und die Teilleistungen müssen nicht einzeln bestanden werden. Die erzielten Punkte in den bewerteten Übungsaufgaben können bei einer möglichen Wiederholung der Modulprüfung angerechnet werden.

Präsentationsfolien der Veranstaltung, weitere Literatur wird in der Vorlesung bekannt gegeben.

Deutsch

keine

BW24.1 Basismodul Empirische und Experimentelle Wirtschaftsforschung, BW30.1 Basismodul Statistik

184 B.Sc. Wirtschaftswissenschaften, 984 B.A. Wirtschaft und Sprachen, 030 B.A. Interkulturelle Wirtschaftskommunikation, 679 B.Sc. Angewandte Informatik, 184 B.A. Wirtschaftswissenschaften, 276 B.Sc. Wirtschaftsmathematik: Wahlpflichtmodul

Vorlesung (2 SWS), Übung (2 SWS)

Im Modul werden die Grundlagen des maschinellen Lernens behandelt. Es werden verschiedene Konzepte und Algorithmen des maschinellen Lernens betrachtet und praxisnah angewendet. Darüber hinaus werden Performance-Metriken, Kreuzvalidierung, Überanpassung und Unteranpassung sowie Ensemble-Methoden thematisiert.

Die Studierenden besitzen die Fähigkeit zur selbständigen Analyse und Implementierung von Algorithmen des maschinellen Lernens in der Programmiersprache Python. Sie sind in der Lage, die jeweils angemessenen Methoden auszuwählen und auf empirische Fragestellungen anzuwenden.

keine