Statistische Versuchsplanung und Analyse sind das Herzstück der Datenwissenschaft. In diesem Kurs werden Sie statistische Experimente entwerfen und die Ergebnisse mit modernen Methoden analysieren. Sie werden auch die üblichen Fallstricke bei der Interpretation statistischer Argumente erkunden, insbesondere im Zusammenhang mit Big Data. Insgesamt wird Ihnen dieser Kurs dabei helfen, einen Kernbestand an praktischen und effektiven Methoden und Konzepten des maschinellen Lernens zu verinnerlichen und sie zur Lösung einiger realer Probleme anzuwenden. Lernziele: Nach Abschluss dieses Kurses werden Sie in der Lage sein: 1. Effektive Experimente zu entwerfen und die Ergebnisse zu analysieren 2. Resampling-Methoden anwenden, um klare und stichhaltige statistische Argumente zu liefern, ohne sich auf esoterische Notationen zu berufen 3. Einen Kernsatz von Klassifizierungsmethoden mit zunehmender Komplexität (Regeln, Bäume, Zufallswälder) und die damit verbundenen Optimierungsmethoden (Gradientenabstieg und Varianten) erklären und anwenden 4. Erklären und Anwenden einer Reihe von Konzepten und Methoden des unüberwachten Lernens 5. Beschreiben Sie die gebräuchlichen Redewendungen der groß angelegten Graphenanalyse, einschließlich Strukturabfragen, Traversalen und rekursiven Abfragen, PageRank und Community-Erkennung