Beate Sick: Katalogdaten im Herbstsemester 2022

NameFrau Prof. Dr. Beate Sick
Adresse
Universität Zürich
Hirschengraben 84
EBPI, Abteilung Biostatistik
8001 Zürich
SWITZERLAND
E-Mailsickb@ethz.ch
DepartementPhysik
BeziehungDozentin

NummerTitelECTSUmfangDozierende
447-6265-00LDeep Learning: Ein probabilistischer Ansatz Belegung eingeschränkt - Details anzeigen
Nur für DAS und CAS in Angewandter Statistik.
2 KP1GO. Dürr, B. Sick
KurzbeschreibungDieser Kurs führt in probabilistisches deep learning (DL) ein. DL ist die Methode der Wahl für komplexe Daten, wie Bilder usw. Hier wird deep learning als Fortführung bekannter probabilistischer Modelle, wie logistische Regression im Framework von maximum Likelihood und Bayes Methoden behandelt.
LernzielDer Kurs wird auf Deutsch gegeben. Alle Unterrichtsmaterialien sind auf Englisch, daher sind auch die Lernziele auf Englisch formuliert.

You will learn about different neural network architectures (e.g. fully connected and convolutional neural networks) and how to choose the appropriate NN architecture for your task at hand.

You will learn to model different outcome distributions such as Gaussians, Poissonians, or Multinomial for the task at hand.

You will get practical experiences in setting up probabilistic DL models, learn how to tune them, and learn how to control the training procedure.
465-0953-00LBiostatistics4 KP2V + 1UB. Sick
KurzbeschreibungDer Kurs behandelt einfache quantitative und graphische als auch komplexere Methoden der Biostatistik. Inhalt: Deskriptive Statistik, Prüfung von Hypothesen, Konfidenzintervalle, Korrelation, einfache und multiple lineare Regression, Klassifikation und Prognose, Diagnostische Tests, Bestimmung der Zuverlässigkeit von Messungen, Kausalität versus Korrelation
Lernziel- Kennen der gängigsten Methoden der Biostatistik
- einfache Analysen können mit R durchgeführt werden