Vorlesungsverzeichnis
Suchen Sie hier über ein Suchformular im Vorlesungsverzeichnis der Leuphana.
Veranstaltungen von Prof. Sebastian Wallot
Lehrveranstaltungen
Methods of Psychology - Group A (Übung)
Dozent/in: Sebastian Wallot
Termin:
wöchentlich | Donnerstag | 10:15 - 11:00 | 13.10.2025 - 30.01.2026 | C 11.307 Seminarraum
wöchentlich | Donnerstag | 10:15 - 11:00 | 23.10.2025 - 27.11.2025 | C 11.308 Seminarraum
Inhalt: This seminar will introduce the basics of R, a language for statistical computing. Furthermore, it will provide you with hands-on practice for some of the basic statistical procedures that are discussed in the accompanying lecture. Please bring your Laptop computer so that you can participate in the exercises.
Methods of Psychology - Group B (Übung)
Dozent/in: Sebastian Wallot
Termin:
wöchentlich | Donnerstag | 11:00 - 11:45 | 16.10.2025 - 30.01.2026 | C 11.307 Seminarraum
Inhalt: This seminar will introduce the basic of R, a language for statistical computing. Furthermore, it will provide you with hands-on practice for some of the basic statistical procedures that are discussed in the lecture. Please bring your Laptop computer so that you can participate in the exercises.
Cognitive Modeling in Psychology (FSL) (Seminar)
Dozent/in: Sebastian Wallot
Termin:
wöchentlich | Freitag | 08:15 - 09:45 | 24.10.2025 - 30.01.2026 | C 12.105 Seminarraum
Inhalt: This course is about implementing psychological theories into mathematical models, which in turn can be used to generate predictions that can be testet on empirical data. First, we will start by familiarizing ourselfs with selected psychologcial theories that have been developed into mathematical models. Then, we discuss the notion of a model in terms of simple statistical models that we usually use for data analysis, but that can also be used to generate data. In class work, we will also begin to formulate and program one simple such models ourselves. Finally, we will learn and discuss how to compare and evaluate such models. For students who want to take this course, but have no prior experience with basic statistics, self-learn materials will be provided to reach a working level of statistics that is necessary to understand cognitive models. For student who want to take this course, but have not prior experience in programming in R, self-learn materials will be provided to reach a sufficient skill level in programming in order to implement some of these models during the course.
DATAx: Datenanalyse mit Python (13) (Übung)
Dozent/in: Sebastian Wallot
Termin:
wöchentlich | Montag | 10:00 - 10:55 | 13.10.2025 - 30.01.2026 | C 14.203 Seminarraum
Inhalt: Diese Übung führt in die Programmierung und Datenanalyse mit der Programmiersprache Python ein. Sie richtet sich speziell an Studierende ohne Vorkenntnisse oder Erfahrung im Programmieren. Im Laufe des Kurses lernen die Studierenden: - Die Anwendung grundlegender Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen. - Einen effektiven Umgang mit Large Language Models (LLMs) in Chat AI. - Die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Mithilfe vorgefertigter Jupyter-Notebooks betreuen Dozenten aus verschiedenen Fachbereichen die ersten praktischen Erfahrungen der Studierenden mit Python in Jupyter-Notebooks, darunter auch Sitzungen zu Datenanalyse und maschinellem Lernen. Regelmäßige Aufgaben motivieren die Studierenden, praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln und ihr neu erworbenes Wissen auf ihr Studienfach anzuwenden. Am Ende des Semesters arbeiten die Studierenden in einer Lerngruppe an einem datengesteuerten Projekt, übernehmen verschiedene Rollen und lernen, gemeinsam Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren. Während der gesamten Übung stehen erfahrene und engagierte Tutoren (Teaching Assistants) zur Verfügung, um die Studierenden auf dem Campus zu unterstützen. Die Unterrichtssprachen in den Tutorien sind Deutsch und Englisch.
DATAx: Datenanalyse mit Python (14) (Übung)
Dozent/in: Sebastian Wallot
Termin:
wöchentlich | Montag | 11:00 - 11:55 | 13.10.2025 - 30.01.2026 | C 14.203 Seminarraum
Inhalt: Diese Übung führt in die Programmierung und Datenanalyse mit der Programmiersprache Python ein. Sie richtet sich speziell an Studierende ohne Vorkenntnisse oder Erfahrung im Programmieren. Im Laufe des Kurses lernen die Studierenden: - Die Anwendung grundlegender Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen. - Einen effektiven Umgang mit Large Language Models (LLMs) in Chat AI. - Die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Mithilfe vorgefertigter Jupyter-Notebooks betreuen Dozenten aus verschiedenen Fachbereichen die ersten praktischen Erfahrungen der Studierenden mit Python in Jupyter-Notebooks, darunter auch Sitzungen zu Datenanalyse und maschinellem Lernen. Regelmäßige Aufgaben motivieren die Studierenden, praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln und ihr neu erworbenes Wissen auf ihr Studienfach anzuwenden. Am Ende des Semesters arbeiten die Studierenden in einer Lerngruppe an einem datengesteuerten Projekt, übernehmen verschiedene Rollen und lernen, gemeinsam Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren. Während der gesamten Übung stehen erfahrene und engagierte Tutoren (Teaching Assistants) zur Verfügung, um die Studierenden auf dem Campus zu unterstützen. Die Unterrichtssprachen in den Tutorien sind Deutsch und Englisch.
Methods of Psychology (Vorlesung)
Dozent/in: Alon Tomashin, Sebastian Wallot
Termin:
wöchentlich | Donnerstag | 08:30 - 10:00 | 16.10.2025 - 30.01.2026 | C HS 3
Inferential Statistics II (Vorlesung)
Dozent/in: Moritz Bammel, Monika Tschense, Sebastian Wallot
Termin:
wöchentlich | Dienstag | 10:15 - 11:45 | 14.10.2025 - 30.01.2026 | C HS 4
Inhalt: Quantitative methods covered in the lecture will be repeated in the seminar and practically applied by means of exercises. For independent consolidation of the methods, the students work on a weekly assignment sheet, which is handed in to the tutor. The practical exercises are done with the free open source software R (http://www.r-project.org/).