Back
| Semester | spring semester 2024 |
| Course frequency | Every 2nd spring sem |
| Lecturers | Michael Merz (michael.merz@unibas.ch, Assessor) |
| Content | 1. Einleitung 2. Grundlagen der statistischen Lerntheorie 3. Lineare Modelle für Regressionsprobleme 4. Lineare Modelle für Klassifikationsprobleme 5. Neuronale Netze 6. Klassifikations- und Regressionbäume 7. Hauptkomponentenanalyse und Hauptkomponentenregression 8. Clusteranalyse |
| Learning objectives | Die Studierenden sollen ihre statistischen Kenntnisse in Richtung Statistische Lerntheorie erweitern und auf finanz- und versicherungswirtschaftliche Fragestellungen anwenden. Den Studierenden werden hierzu grundlegende und vertiefende Kenntnisse über die wichtigsten Modelle und Methoden der statistischen Lerntheorie zur Vorhersage von Trends, Mustern, Klassenzugehörigkeiten und zukünftigen Ereignissen vermittelt. Sie werden damit befähigt, die vorgestellten Verfahren eigenständig auf finanz- und versicherungswirtschaftliche Fragestellungen anzuwenden und qualifizierte Prognosen zu erstellen. |
| Bibliography | ABU-MOSTAFA, Y. S., ET AL. (2012): Learning From Data: A Short Course, AMLBook. BHIMASANKARAM, P., SESHADRI, S. (2019): Essentials of Business Analytics, Springer. BISHOP, C. (2007): Pattern Recognition and Machine Learning, Springer. DE MELLO, R. F., PONTI, M. A. (2018): Machine Learning: A Practical Approach on the Statistical Learning Theory, Springer. DINOV, I. D. (2018): Data Science and Predictive Analytics, Springer. FORSYTH, D. (2019): Applied Machine Learning, Springer. FROCHTE, J. (2019): Maschinelles Lernen, Hanser. HASTIE, T., ET AL. (2009): The Elements of Stastistical Learning: Data Mining, Inference, and Prediction, Springer. JAMES, G., ET AL. (2013): An Introduction to Statistical Learning: With Applications in R, Springer. KUHN, M., JOHNSON, K. (2018): Applied Predictive Modeling, Springer. MURPHY, K. P. (2012): Machine Learning: A Probabilistic Perspective, MIT Press. RICHTER, S. (2019): Statistisches und maschinelles Lernen, Springer. SIEGEL, E. (2016): Predictive Analytics, Wiley. |
| Comments | Die Vorlesung beginnt in der zweiten Vorlesungswoche, am Montag, 4. März 2024. In die Vorlesungen sind Übungen in Form von Beispielen integriert. Die Vorlesungsunterlagen finden Sie auf ADAM. Hörer*innen müssen die Berechtigung für den Zugriff auf die Distributionsplattform ADAM bei der Studiengangsleitung Actuarial Science (j.bucher@unibas.ch) beantragen. |
| Weblink | https://adam.unibas.ch |
| Admission requirements | Grundkenntnisse in Statistik, wie sie üblicherweise in einer einführenden Lehrveranstaltung in den B.Sc.-Studiengängen Mathematik, Computer Science, Wirtschaftswissenschaften und Wirtschaftsmathematik vermittelt werden. |
| Language of instruction | German |
| Use of digital media | Online, mandatory |
| Course auditors welcome |
| Interval | Weekday | Time | Room |
|---|---|---|---|
| wöchentlich | Monday | 09.15-12.00 | Spiegelgasse 5, Seminarraum 05.002 |
| Comments | Die Vorlesung beginnt in der zweiten Vorlesungswoche, am Montag, 4. März 2024. |
| Date | Time | Room |
|---|---|---|
| Monday 04.03.2024 | 09.15-12.00 | Spiegelgasse 5, Seminarraum 05.002 |
| Monday 11.03.2024 | 09.15-12.00 | Spiegelgasse 5, Seminarraum 05.002 |
| Monday 18.03.2024 | 09.15-12.00 | Spiegelgasse 5, Seminarraum 05.002 |
| Monday 25.03.2024 | 09.15-12.00 | Spiegelgasse 5, Seminarraum 05.002 |
| Monday 01.04.2024 | 09.15-12.00 | Ostern |
| Monday 08.04.2024 | 09.15-12.00 | Spiegelgasse 5, Seminarraum 05.002 |
| Monday 15.04.2024 | 09.15-12.00 | Spiegelgasse 5, Seminarraum 05.002 |
| Monday 22.04.2024 | 09.15-12.00 | Spiegelgasse 5, Seminarraum 05.002 |
| Monday 29.04.2024 | 09.15-12.00 | Spiegelgasse 5, Seminarraum 05.002 |
| Monday 06.05.2024 | 09.15-12.00 | Spiegelgasse 5, Seminarraum 05.002 |
| Monday 13.05.2024 | 09.15-12.00 | Spiegelgasse 5, Seminarraum 05.002 |
| Monday 20.05.2024 | 09.15-12.00 | Pfingstmontag |
| Monday 27.05.2024 | 09.15-12.00 | Spiegelgasse 5, Seminarraum 05.002 |
| Modules |
Module: Applied Mathematics (Bachelor's Studies: Mathematics) Module: Non-Life Insurance (Master's Studies: Actuarial Science) |
| Assessment format | continuous assessment |
| Assessment details | Der Inhalt dieser Lehrveranstaltung wird in der letzten Vorlesungswoche mit einer schriftlichen Prüfung geprüft. |
| Assessment registration/deregistration | Reg.: course registration, dereg: cancel course registration |
| Repeat examination | no repeat examination |
| Scale | 1-6 0,5 |
| Repeated registration | as often as necessary |
| Responsible faculty | University of Basel |
| Offered by | Fachbereich Mathematik |