Jonas Peters: Katalogdaten im Herbstsemester 2023

NameHerr Prof. Dr. Jonas Peters
LehrgebietStatistik
Adresse
Professur für Statistik
ETH Zürich, HG G 12
Rämistrasse 101
8092 Zürich
SWITZERLAND
Telefon+41 44 632 75 84
E-Mailjonas.peters@stat.math.ethz.ch
DepartementMathematik
BeziehungOrdentlicher Professor

NummerTitelECTSUmfangDozierende
401-4632-DRLCausality Information 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 Link with their name, course number and student ID. Please see Link
2 KP2GJ. Peters
KurzbeschreibungIn statistics, we are used to search for the best predictors of some random variable. In many situations, however, we are interested in predicting a system's behavior under manipulations. For such an analysis, we require knowledge about the underlying causal structure of the system. In this course, we study concepts and theory behind causal inference.
LernzielAfter this course, you should be able to
- understand the language and concepts of causal inference
- know the assumptions under which one can infer causal relations from observational and/or interventional data
- describe and apply different methods for causal structure learning
- given data and a causal structure, derive causal effects and predictions of interventional experiments
InhaltThe material covered in this course has a significant overlap with the
material that has been covered in 401-3620-22L Student Seminar in
Statistics: Causality FS2023.
LiteraturParts of this course will be based on the book "Elements of Causal Inference" (MIT Press, open access). More details will follow.
Voraussetzungen / BesonderesPrerequisites: basic knowledge of probability theory and regression
KompetenzenKompetenzen
Fachspezifische KompetenzenKonzepte und Theoriengeprüft
Verfahren und Technologiengeprüft
401-4632-15LCausality Information 4 KP2GJ. Peters
KurzbeschreibungIn statistics, we are used to search for the best predictors of some random variable. In many situations, however, we are interested in predicting a system's behavior under manipulations. For such an analysis, we require knowledge about the underlying causal structure of the system. In this course, we study concepts and theory behind causal inference.
LernzielAfter this course, you should be able to
- understand the language and concepts of causal inference
- know the assumptions under which one can infer causal relations from observational and/or interventional data
- describe and apply different methods for causal structure learning
- given data and a causal structure, derive causal effects and predictions of interventional experiments
InhaltThe material covered in this course has a significant overlap with the
material that has been covered in 401-3620-22L Student Seminar in
Statistics: Causality FS2023.
LiteraturParts of this course will be based on the book "Elements of Causal Inference" (MIT Press, open access). More details will follow.
Voraussetzungen / BesonderesPrerequisites: basic knowledge of probability theory and regression
KompetenzenKompetenzen
Fachspezifische KompetenzenKonzepte und Theoriengeprüft
Verfahren und Technologiengeprüft
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
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