Beschreibung des Angebots

In Naturwissenschaft, Technik, Politik, Soziologie, Wirtschaft, Medizin usw. spielt die Analyse von Daten eine immer wichtigere Rolle, und auch in den Medien werden viele Themen anhand von Grafiken und statistischen Analysen erläutert. Grundlagen der Statistik sind Bestandteil vieler Studiengänge, und ein grundlegendes Verständnis für Zahlen und numerische Argumentationen wird als selbstverständlich vorausgesetzt.
Viele WissenschaftlerInnen sehen sich aber in der Praxis mit sehr umfassenden Fragen konfrontiert, die mit Grundlagenkenntnissen nicht mehr lösbar sind.
Das Programm bietet die Möglichkeit, die bestehenden statistischen Grundkenntnisse deutlich zu erweitern, aus der statistischen Perspektive einen Einblick ins weite Feld der Data Science zu erhalten und die Methodenkenntnisse in angewandter Statistik dem eigenen Bedarf entsprechend zu vertiefen.

Pflichtmodule:

• Unüberwachtes Lernen und Dimensionsreduktion
• Lineare gemischte Modelle
• Analyse kategorieller Daten
• Rechenintensive Verfahren
• Bayes-Statistik
• Prädiktion

Praxismodul:

• Vorstellung eigener Daten und Problemstellungen, Diskussion im Plenum, Verfassen eines Berichts

Wahlmodule (drei Wahlmodule erforderlich):

• Analyse hochdimensionaler Daten
• Zeitreihenanalyse
• Analyse von Ereigniszeiten
• Versuchsplanung
• Fortgeschrittene nichtparametrische Methoden
• Stichprobenerhebungen
• Risiko- und Extremwertanalyse
• weitere aktuelle Themen (gemäss Ausschreibung)

Gesamtumfang: 16 ECTS

Lernziel

Aufbauend auf den Vorkenntnissen aus dem CAS "Statistical Data Science" lernen die Teilnehmenden fortgeschrittene und spezialisierte statistische Methoden und Modelle kennen. Sie können

• die im Studiengang vorgestellten fortgeschrittenen und spezialisierten Methoden und Modelle der angewandten Statistik erläutern,
• die theoretischen Konzepte, die den Methoden und Modellen zugrunde liegen, erläutern,
• für konkrete Probleme der Datenanalyse geeignete Methoden und Modelle auswählen und diesen Entscheid begründen,
• die Methoden und Modelle korrekt auf entsprechende Problemstellungen anwenden – einerseits unter Verwendung einer vorgegebenen Statistik-Software, andererseits in einfachen Fällen auch ohne Software,
• die Ergebnisse von Analysen mit Bezug auf die ursprüngliche Fragestellung korrekt interpretieren.