|
|
Risk Data Analytics und Machine Learning (RDAML)5 ECTS
(englische Bezeichnung: Risk Data Analytics und Machine Learning)
Modulverantwortliche/r: Wolfgang Stummer
Lehrende:
Wolfgang Stummer
| Start semester: |
WS 2018/2019 | Duration: |
1 semester | Cycle: |
jährlich (WS) |
| Präsenzzeit: |
45 Std. | Eigenstudium: |
105 Std. | Language: |
Deutsch |
Lectures:
Empfohlene Voraussetzungen:
Module Stochastische Modellbildung, Analysis I, II und III, Lineare Algebra I und IIIt is recommended to finish the following modules before starting this module:
Stochastische Modellbildung (SS 2018)
Lineare Algebra II (SS 2018)
Analysis II (SS 2018)
Lineare Algebra I (WS 2017/2018)
Analysis III (WS 2017/2018)
Analysis I (WS 2017/2018)
Inhalt:
Aktuelle grundlegende Verfahren der Risikoanalyse und des Maschinellen Lernens, die zur Modellierung von modernen unsicherheitsbehafteten Fragestellungen angewendet werden können.
Die aktualisierten definitiven Inhalte werden zeitnah veröffentlicht.
Die Präsentation des Stoffes erfolgt in Vorlesungsform. Die weitere Aneignung der wesentlichen Begriffe und Techniken erfolgt durch wöchentliche Hausaufgaben
Lernziele und Kompetenzen:
Die Studierenden
erlernen und verwenden diverse vielseitig nutzbare, nichtautomatisierte und automatisierte Methoden zur Quantifizierung von Unsicherheiten und setzen diese zur Lösung von zeitgemäßen Problemstellungen (z.B. aus der Finanzwirtschaft, Versicherungswirtschaft, etc.) eigenständig ein; sammeln und bewerten relevante quantitative unsicherheitsbehaftete Informationen und erkennen entsprechende komplexe Zusammenhänge, welche sie für einschlägige risikobezogene Entscheidungsprozesse nutzen; klassifizieren Probleme und lösen diese selbständig - auf fortgeschrittene Art und Weise – analytisch.
Literatur:
Es gibt ein eigenes Vorlesungsmanuskript, das über die elektronische Lehrplattform StudOn bereitgestellt wird.
Bemerkung:
Die konkrete Prüfungsform wird spätestens in der zweiten
Vorlesungswoche festgelegt.
Möglichkeiten:
20 Minuten mündlich 60 Minuten schriftlich
Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:
Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
- Mathematik (Bachelor of Science)
(Po-Vers. 2015w | NatFak | Mathematik (Bachelor of Science) | Fachmodule Mathematik | Angewandte Mathematik | Wahlmodul Angewandte Mathematik)
- Mathematik (Bachelor of Science)
(Po-Vers. 2015w | NatFak | Mathematik (Bachelor of Science) | Fachmodule Mathematik | Angewandte Mathematik | Wahlmodul Angewandte Mathematik)
- Wirtschaftsmathematik (Bachelor of Science)
(Po-Vers. 2015w | NatFak | Wirtschaftsmathematik (Bachelor of Science) | Wahlmodule Mathematik | Wahlmodul Mathematik)
- Wirtschaftsmathematik (Bachelor of Science)
(Po-Vers. 2015w | NatFak | Wirtschaftsmathematik (Bachelor of Science) | Wahlmodule Mathematik | Wahlmodul Mathematik)
Studien-/Prüfungsleistungen:
Mündliche Prüfung: Wahlmodul Mathematik (Prüfungsnummer: 58411)(diese Prüfung gilt nur im Kontext der Studienfächer/Vertiefungsrichtungen [3])
- Untertitel: Risk Data Analytics und Machine Learning
(englischer Untertitel: Risk Data Analytics and Machine Learning)
- Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 20, benotet, 5.0 ECTS
- Anteil an der Berechnung der Modulnote: 100.0 %
- Erstablegung: WS 2018/2019, 1. Wdh.: WS 2018/2019
| 1. Prüfer: | Wolfgang Stummer |
Mündliche Prüfung: Wahlmodul Angewandte Mathematik (Prüfungsnummer: 52611)(diese Prüfung gilt nur im Kontext der Studienfächer/Vertiefungsrichtungen [2])
- Untertitel: Risk Data Analytics und Machine Learning
(englischer Untertitel: Risk Data Analytics and Machine Learning)
- Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 20, benotet, 5.0 ECTS
- Anteil an der Berechnung der Modulnote: 100.0 %
- Erstablegung: WS 2018/2019, 1. Wdh.: WS 2018/2019
| 1. Prüfer: | Wolfgang Stummer |
|
|
|