W Weiterbildung – STADS Mannheim e.V.

Wir bringen unsere Mitglieder durch ein einzigartiges Weiterbildungskonzept voran

STADS | Weiterbildung – Übersicht HWS 19/20

VeranstaltungDatum und UhrzeitReferentenBeschreibungRaum
KURSE
Einführung Python for Data Science17. September - 05. NovemberJonas Kaendler
(Uni Mannheim, WIfo)
Einführung in Python für Anfänger/fortgeschrittene Anfänger: Python Base, NumPy, Pandas, Matplotlib/Seaborn, Review W-Theorie & Statistiksiehe Kursseite
WORKSHOPS
Einführung SQL
(Blockveranstaltung)
Freitag
25. Oktober
1400 - 1700 Uhr
André Ferdinand
(Uni Mannheim, WiMa)
Grundlagenwissen für DatenbankarbeitB6 A203
SPECIALIST SEMINARS
AUFTAKTVORTRAG:
Führt die reale statistische Praxis zu einer (Über-)Vereinfachung
der statistischen Methoden und des Programmierens?
Montag
30. September
1900 Uhr
Dr. Uwe Ligges
(R Core-Team Developer)
Anekdoten aus der statistischen Praxis: In diesem Vortrag wird Dr. Ligges sowohl Beispiele nennen, bei denen
Vereinfachungen essentiell waren, als auch Beispiele, wo
(Über-)Vereinfachungen
zu falschen Resultaten geführt haben.
B6 A101
Long Short-Term Memory (LSTM) &
Reinforcement Learning
Mittwoch
30. Oktober
1900 - 2030 Uhr
Felix Reinbott
(Uni Mannheim, WiMa) &
Frederik Nolte
(Uni Mannheim, WIfo)
Wie machen wir mit LSTM, einer Architektur für künstliche neuronale Netzwerke, ebenjene "intelligent"?
Im Anschluss: grundlegende Algorithmen des Reinforcement Learning: langfristige Nutzenmaximierung basierend auf gesammelter Erfahrung: Value Iteration, Policy Iteration, ..., Q-Learning
A5 C013
Natural Language Processing (NLP)Mittwoch
06. November
1900 - 2030 Uhr
Larissa Haas, Tommi Kramer
(sovanta AG)
Siri, Alexa, Google Übersetzer - Kaum ein Gebiet hat sich in den vergangenen Jahren so rasant und erfolgreich entwickelt wie das Natural Language Processing (NLP).
Gleichzeitig kommt dem NLP aufgrund des schnellen Wachstums von in Text- oder Sprachform vorliegenden Daten eine immer bedeutendere Rolle in der Zukunft zu.
Doch was steckt eigentlich hinter all diesen Technologien, welche die Interaktion von Mensch und Computer immer weiter vereinfachen?
B6 A101

Unser STADS-Weiterbildungskonzept

Der Erwerb von Kompetenzen im Bereich Data Analytics/Statistics gliedert sich in drei Schritte:

Schritt 1: Grundlagen

Wir setzen zu Beginn keine Vorkenntnisse voraus und führen alle Interessierte zunächst in eine der wichtigen Programmiersprachen im Bereich Data Analytics ein – Python oder R.

Ziel: Umgang mit R/Python.

Schritt 2: Aufbaukenntnisse in W-Theorie/Statistik

Nachdem Grundlagenkenntnisse in Programmierung und deskriptiver Statistik im Rahmen von Kursen/Studienmodulen erlangt worden sind, bauen wir mit Workshops und Specialist Seminars darauf auf.

Bei Workshops zeigen erfahrene STADSler interessante Pakete, um die Kenntnisse aus Schritt 1 zu komplementieren, bspw. Pakete für Data Cleaning oder zur Visualisierung.

Specialist Seminars sind ein flexibles Format, bei dem pro Seminar ein bestimmtes Thema kompakt eingeführt wird. Hierbei wird das Verstehen der theoretischen Hintergründe ausdrücklich beabsichtigt sowie zusammen mit den Teilnehmern eine Implementierung von ein paar Beispielen in R/Python entwickelt.

Schritt 3: Projektbefähigung

In diesem Abschnitt arbeiten STADSler an Übungsdatensätzen von z.B. Kaggle oder können direkt in einem unserer Projekt-Teams mitarbeiten. In diesem Schritt sind solide Kenntnisse in grundlegender Programmiermethodik unabdingbar, der Rest erfolgt durch “learning by doing” und über unsere Specialist Seminars & Workshops, die laufend von STADS angeboten werden.

Engagement bei STADS | Weiterbildung

Möchtest Du mitgestalten, wie STADS | Weiterbildung unsere Mitglieder mit methodologischen Kenntnissen ausstattet?
Möchtest Du einen stärkeren Fokus auf moderne statistische Theorie? Oder Workshops zu kausaler Inferenz mit STATA?
Dann würden wir uns freuen, wenn Du Dich bei STADS | Weiterbildung engagierst!

Einführung Python HWS 19/20

Im Herbst-Winter-Semester 2019/2020 bietet STADS einen Einführungskurs in Python an.
Klickt Euch für mehr Informationen durch die Slide-Show!
Die Anmeldung für das HWS 19/20 ist bereits geschlossen.

Einführung SQL HWS 19/20

Referent: André Ferdinand, Uni Mannheim Wirtschaftsmathematik

Freitag, 25. Oktober 2019
1400 Uhr – 1700 Uhr
Raum: tba

STADS bietet im Herbst-Winter-Semester 2019/2020 einen Blockkurs zur “Einführung SQL” an. Der erste Schritt in der Datenanalyse ist die Baschaffung von Daten. So banal es klingen mag, so ist das nicht ganz selbstverständlich. Oft sind Daten in irgendwelchen Datenbanken gespeichert und noch nicht in klarem Excel- oder csv-Format verfügbar. Um nicht schon an dieser Hürde zu scheitern, zeigt André Euch in einem Blockkurs die Grundlagen von SQL – die Standard-Sprache für Datenbankabfrage.

Specialist Seminar – Auftaktveranstaltung mit Dr. Uwe Ligges, R Core-Team Developer

“Führt die reale statistische Praxis zu einer (Über-)Vereinfachung
der statistischen Methoden und des Programmierens?

Referent: Dr. Uwe Ligges ist einer von sehr wenigen, die sich als Teil des R Core Development Teams bezeichnen können. Diesem Engagement entsprechend steht er an der Spitze einer riesigen und weltweit aktiven Community. Er ist am Lehrstuhl für computergestützte Statistik der TU Dortmund tätig.

Montag, 30. September
1900 Uhr
B6 Raum A101

Am Statistical Consulting Center der Univ. Dortmund wird ein großes Spektrum an statistischen Methoden und Programmiersprachen verwendet.
Oft werden Standardmethoden angewandt, ohne dass die Probleme wirklich standard sind. Es “richtig” zu machen kann jedoch sehr schwierig, zeitaufwändig, und letztendlich finanziell nicht tragbar sein.
Schlimmer noch, offensichtlich inadequate “Standardverfahren” werden zum Teil sogar von wissenschaften Zeitschriften gefordert.
In diesem Vortrag werde ich sowohl Beispiele nennen, bei denen Vereinfachungen essentiell waren, als auch Beispiele, wo (Über-)Vereinfachungen zu falschen Resultaten geführt haben.

Specialist Seminar – LSTM und Reinforcement Learning

Referenten: Felix Reinbott, Uni Mannheim Wirtschaftsmathematik und Frederik Nolte, Uni Mannheim Wirtschaftsinformatik

Datum: Mittwoch, 30. Oktober 2019
Uhrzeit: 1900 Uhr
Raum: A5,6 C013

Teil 1: Kann ein Neuronales Netz die klassischen Datenanalyseverfahren schlagen? Und falls ja, welche Netzarchitektur kann “intelligent” werden?
Falls Dich diese Fragen beschäftigen oder Du einfach einen Einblick in die Welt der Neuronalen Netze möchtest: Felix wird nach einer kurzen Einführung in die “Architektur” der Long Short Term Memory (LSTM) Netze vorgestellen, wie man ebendiese für die Analyse von echten Daten in der Praxis verwenden kann.

Materialien und Notebook-Präsentation auf github: https://github.com/FelixRb96/lstm_seminar

Teil 2: Nach der Einführung in LSTM präsentiert Frederik die wichtigsten Algorithmen des Reinforcement Learning. Reinforcement Learning versucht das Lernverhalten von Lebewesen zu modellieren, indem ein Agent basierend auf gesammelter Erfahrung eine Strategie entwickelt, um einen definierten langfristigen Nutzen zu maximieren.
Neben Supervised und Unsupervised Learning stellt Reinforcement Learning die dritte grundlegende Art von Machine Learning Algorithmen dar. Im Seminar werden grundlegende modellbasierte Algorithmen, wie Value-Iteration und Policy-Iteration, sowie modellfreie Algorithmen, wie Q-Learning, behandelt.

Specialist Seminar – Natural Language Processing (NLP)

Referenten: Larissa Haas, Tommi Kramer (beide sovanta AG)

Datum: Mittwoch, 06. November 2019
Uhrzeit: 1900 Uhr
Raum: B6, A101

Siri, Alexa, Google Übersetzer – Kaum ein Gebiet hat sich in den vergangenen Jahren so rasant und erfolgreich entwickelt wie das Natural Language Processing (NLP).
Gleichzeitig kommt dem NLP aufgrund des schnellen Wachstums von in Text- oder Sprachform vorliegenden Daten eine immer bedeutendere Rolle in der Zukunft zu.
Doch was steckt eigentlich hinter all diesen Technologien, welche die Interaktion von Mensch und Computer immer weiter vereinfachen?

Specialist Seminar – EM-Algorithm

Referent: Borui Niklas Zhu, Uni Mannheim Volkswirtschaftslehre

Datum: Mitte November
Raum, Uhrzeit: tba

Der “Expectation-Maximisation (EM) Algorithm” gehört zu den bedeutendsten Algorithmen im Bereich Machine Learning. EM wird eingesetzt, um bei statistischen Modellen mit latenten (d.h. unbeobachteten, versteckten) Variablen Maximum-Likelihood Schätzungen durchzuführen.
In diesem Specialist Seminar werden wir den EM-Algorithmus kennenlernen und auf sogenannte “mixture models” loslassen – bei dieser Klasse von Modellen sind zwei oder mehr parametrische Verteilungen gegeben und es ist Zufall, zu welcher der Verteilungen eine gegebene Observation gehört. Diese Zuteilung ist hier die latente Variable.
Wir werden den Algorithmus für solche Beispiele von Hand herleiten und dann in R implementieren.

empfohlenes Vorwissen: Einführung in die Wahrscheinlichkeitstheorie (WiMa) oder Statistik I & II (VWL); insbesondere die gängigen Verteilungsklassen & Maximum-Likelihood Estimation.

Genauere Informationen werden zu gegebener Zeit bekanntgegeben.
Du möchtest den Specialist Seminar nicht verpassen? Dann werde Mitglied, um den STADS-Newsletter zu abonnieren.

Hast Du Fragen zum Engagement bei STADS | Weiterbildung?
Wende Dich gerne an unseren Leiter Weiterbildung:

Borui Zhu

Leiter Weiterbildung