Online courses directory (3)

Ganz gleich in welcher Wissenschaftsdisziplin, Statistik ist das Schweizer Armeemesser für die Behandlung von vielen Zahlen – um daraus wenige Zahlen zu machen. Das klingt unspektakulär, hat aber schon so manchen Studierenden der Human-, Wirtschafts- und Naturwissenschaften an den Rand der Verzweiflung geführt. Dabei ist Statistik überall, in den alltäglichsten Situationen und den komplexesten Forschungsfragen.

In dieser Einführung kümmern wir uns um das Fundament der Statistik, die Wahrscheinlichkeitstheorie. Das klingt schlimm, ist es aber nicht. Wir erfahren etwas über die männliche Sicht weiblichen Intellekts, antike Cassettenhüllen, gezinkte Würfel, Milchreis, Hochrisiko-Sportfeste und vieles mehr, das uns den Einstieg in die Welt der Wahrscheinlichkeit so leicht macht als sei die Statistik auf eine strenge Diät gegangen.

Kursüberblick

Der Kurs beschäftigt sich mit Inhalten rund um das Gebiet der Wahrscheinlichkeitsrechnung. Ausgehend von verschiedene Definitionen für Wahrscheinlichkeit widmen wir uns schnell den praxisnäheren Fragen, die mit Wahrscheinlichkeitsrechnung beantwortet werden können. Wir erfahren den Unterschied zwischen Häufigkeit und Wahrscheinlichkeit, lernen den Satz von Bayes kennen und danach direkt Bernoullis Zufallsexperimente. Diese bringen uns zu den diskreten Wahrscheinlichkeitsverteilungen, von denen wir die Binomialverteilung, die Poissonverteilung und die Hypergeometrische Verteilung näher kennenlernen werden. Danach kümmern wir uns um stetige Wahrscheinlichkeitsverteilungen und deren wichtigsten Vertreter, die Normalverteilung. Links liegen lassen wir während des ganzen Kurses die von Vielen gefürchtete Kombinatorik, die wir nur an zwei Stellen wirklich benötigen.

Lernergebnisse

Am Ende des Kurses wirst Du die grundlegenden formalen Elemente der Wahrscheinlichkeit kennen. Du wirst verstanden haben, was sich Pierre Simon Laplace und Nikolaj Kolmogoroff unter dem Begriff Wahrscheinlichkeit vorgestellt haben. Du wirst mit bedingten Wahrscheinlichkeiten und dem Satz von Bayes umgehen können. Und schließlich wirst Du Dich in vielen Wahrscheinlichkeitsverteilungen zurechtfinden wie der Binomialverteilung, der Poissonverteilung, der hypergeometrischen Verteilung und der Normalverteilung.

Vorkenntnisse

Alles, was Du zum Genuss der Wahrscheinlichkeitstheorie brauchst, lernst Du hier. Du brauchst keine besonderen Vorkenntnisse, denn mehr als Plus, Minus, Mal und Geteilt wird hier kaum gerechnet. Versprochen! Also schau vorbei und lern mit uns die Statistik von einer ganz neuen Seite kennen.

FAQ

Für grundsätzliche Fragen findest du hier die FAQs.

Course Summary

Modelling and simulation make a particular part of the world easier to define, visualize and understand. Both require the identification of relevant aspects of a situation in the real world and then the use of different types of models for different objectives and the definition of the most suitable model parameters.

This course provides to you a number of methods suitable for modelling technical systems and processes in a wide range of applications. These applications cover a range from image processing via machine learning to face recognition.

After introducing the techniques in general, you train their application to real problems employing the widely used modelling and simulation tool MATLAB®.

What will I learn?

• You will be acquainted with the concepts of modelling and simulation
• You will be able to implement and simulate models using MATLAB®.
• You will acquire further knowledge of Image Processing, Optical Character Recognition, Machine Learning and Face Recognition.
• If you are an enthusiastic student with only rudimentary programming knowledge you can acquire an understanding of basic MATLAB® programming.

What do I have to know?

The course will be taught on an academic level for undergraduate students. Therefore, mathematics and physics knowledge of at least secondary education level as well as programming knowledge is a prerequisite. MATLAB® is commercial software. As a result of support from MathWorks, students will be granted a downloadable license to MATLAB® for the duration of the course.

Course Schedule

Chapter 1: Introduction to MATLAB Concepts

Chapter 2: Modelling and Simulation

Chapter 3: The Basic Problem Solving Toolbox

Chapter 4: Advanced Problem Solving Methods

Chapter 5: Statistics and Image Processing

Chapter 6: Machine Learning in a Nutshell

Chapter 7: Optical Character Recognition

Cahpter 8: Face Recognition