Peter L. Bühlmann: Katalogdaten im Herbstsemester 2023

NameHerr Prof. Dr. Peter L. Bühlmann
LehrgebietMathematik
Adresse
Seminar für Statistik (SfS)
ETH Zürich, HG G 17
Rämistrasse 101
8092 Zürich
SWITZERLAND
Telefon+41 44 632 73 38
Fax+41 44 632 12 28
E-Mailpeter.buehlmann@stat.math.ethz.ch
URLhttp://stat.ethz.ch/~peterbu
DepartementMathematik
BeziehungOrdentlicher Professor

NummerTitelECTSUmfangDozierende
401-3627-DRLHigh-Dimensional Statistics Belegung eingeschränkt - Details anzeigen
Only for ZGSM (ETH D-MATH and UZH I-MATH) doctoral students. The latter need to register at myStudies and then send an email to info@zgsm.ch with their name, course number and student ID. Please see https://zgsm.math.uzh.ch/index.php?id=forum0
2 KP2VP. L. Bühlmann
Kurzbeschreibung"High-Dimensional Statistics" deals with modern methods and theory for statistical inference when the number of unknown parameters is of much larger order than sample size. Statistical estimation and algorithms for complex models and aspects of multiple testing will be discussed.
LernzielKnowledge of methods and basic theory for high-dimensional statistical inference
InhaltLasso and Group Lasso for high-dimensional linear and generalized linear models; Additive models and many smooth univariate functions; Non-convex loss functions and l1-regularization; Stability selection, multiple testing and construction of p-values; Undirected graphical modeling
LiteraturPeter Bühlmann and Sara van de Geer (2011). Statistics for High-Dimensional Data: Methods, Theory and Applications. Springer Verlag.
ISBN 978-3-642-20191-2.
Voraussetzungen / BesonderesKnowledge of basic concepts in probability theory, and intermediate knowledge of statistics (e.g. a course in linear models or computational statistics).
401-3627-00LHigh-Dimensional Statistics4 KP2VP. L. Bühlmann
Kurzbeschreibung"High-Dimensional Statistics" deals with modern methods and theory for statistical inference when the number of unknown parameters is of much larger order than sample size. Statistical estimation and algorithms for complex models and aspects of multiple testing will be discussed.
LernzielKnowledge of methods and basic theory for high-dimensional statistical inference
InhaltLasso and Group Lasso for high-dimensional linear and generalized linear models; Additive models and many smooth univariate functions; Non-convex loss functions and l1-regularization; Stability selection, multiple testing and construction of p-values; Undirected graphical modeling
LiteraturPeter Bühlmann and Sara van de Geer (2011). Statistics for High-Dimensional Data: Methods, Theory and Applications. Springer Verlag.
ISBN 978-3-642-20191-2.
Voraussetzungen / BesonderesKnowledge of basic concepts in probability theory, and intermediate knowledge of statistics (e.g. a course in linear models or computational statistics).
401-5620-00LResearch Seminar on Statistics Information 0 KP1KP. L. Bühlmann, N. Meinshausen, J. Peters, A. Bandeira, R. Furrer, L. Held, T. Hothorn, D. Kozbur, M. Wolf
KurzbeschreibungResearch colloquium
Lernziel
401-5640-00LZüKoSt: Seminar on Applied Statistics Information 0 KP1KM. Kalisch, F. Balabdaoui, A. Bandeira, P. L. Bühlmann, R. Furrer, L. Held, T. Hothorn, M. Mächler, L. Meier, N. Meinshausen, J. Peters, M. Robinson, C. Strobl
KurzbeschreibungEtwa 3 Vorträge zur angewandten Statistik.
LernzielKennenlernen von statistischen Methoden in ihrer Anwendung in verschiedenen Anwendungsgebieten.
InhaltIn etwa 3 Einzelvorträgen pro Semester werden Methoden der Statistik einzeln oder überblicksartig vorgestellt, oder es werden Probleme und Problemtypen aus einzelnen Anwendungsgebieten besprochen.
Voraussetzungen / BesonderesDies ist keine Vorlesung. Es wird keine Prüfung durchgeführt, und es werden keine Kreditpunkte vergeben.
Nach besonderem Programm:
http://stat.ethz.ch/events/zukost
Lehrsprache ist Englisch oder Deutsch je nach ReferentIn.
KompetenzenKompetenzen
Fachspezifische KompetenzenKonzepte und Theoriengefördert
Verfahren und Technologiengefördert
Methodenspezifische KompetenzenEntscheidungsfindunggefördert
Problemlösunggefördert
Persönliche KompetenzenKreatives Denkengefördert
Kritisches Denkengefördert
401-5680-00LFoundations of Data Science Seminar Information 0 KPP. L. Bühlmann, A. Bandeira, H. Bölcskei, J. Peters, F. Yang
KurzbeschreibungResearch colloquium
Lernziel