Quantitative Methoden

Aktuelle Lehrveranstaltungen

Melanie Gohr-Mellersh

Statistik Werkstatt


Diese Veranstaltung richtet sich an Studierende, die im Rahmen ihrer Semester- oder Abschlussarbeit (BA, Master, Phd) statistische Methoden anwenden möchten.

Sie finden hier Hilfe von der Konzeption der Studie bis zur Erstellung eines Fragebogens, der Durchführung der Umfrage bis hin zur Wahl der Anwendung von geeigneten quantitativen Auswertungsmethoden sowie der korrekten Interpretation der Ergebnisse.

Die Termine bestehen aus einzelnen kurzen Workshops, in denen das nötige Grundwissen vermittelt wird, sodass - ergänzt durch passende Literatur - Studierende die jeweilige Methode selbständig anwenden können und sich gegenseitig helfen können. Die Auswertungen finden meist in SPSS statt.

Die Themen sind an den Bedarfen der Studierenden orientiert, senden Sie mir gerne eine E-Mail mit Themenvorschlägen (gohr-mellersh@leuphana.de).

Oder kommen Sie mit Ihrem Projekt zu den angegebenen Terminen (vorab anmelden und auch den Anmeldebogen per E-Mail bitte zusenden - siehe Materialordner).

Ziel: Studierende erlernen Grundlagen und erhalten individuelle Unterstützung bei der Umsetzung von empirisch, quantitativen Arbeiten.

Msc. Ing. Dalia Farghaly

Introduction to working with ARCGIS


The seminar provides an overview about the geographic information systems and is aimed at students who will work with spatial data within their work or their final thesis. They will learn how to install and use ARCGIS 10 in creating, querying and analyzing the spatial data and creating a map.

Ziel: Training the students how to use ARCGIS in their work.

Prof. Dr. Alexander Freund

Diagnostik: Theorie und Anwendung


- Diagnostischer Prozess

- Diagnostisches Interview

- Diagnostische Beobachtung

- Diagnostisches Gutachten

- Einsatz diagnostischer Verfahren in der Praxis

Testverfahren I


Ziel: Kennenlernen und Erproben von ausgewählten psychmetrischen Testverfahren

Testverfahren II


Ziel: Kennenlernen und Erproben von ausgewählten psychmetrischen Testverfahren

Interview und Beobachtung I


Grundlagen der Kommunikation

Merkmale und Ziele von Interviews

Struktur eines Explorationsgesprächs

Erstellen eines Gesprächsleitfadens

Grundlagen der Verhaltensbeobachtung

Ziel: Erproben und Einüben von Interviewführung sowie Verhaltensbeobachtung

Einführung in die psychologische und pädagogische Diagnostik


In der Vorlesung werden die folgenden Inhalte behandelt:

- Grundlagen des diagnostischen Prozesses

- Diagnostische Urteilsbildung

- Testtheorie und -konstruktion

- Gütekriterien

Ziel: Erwerb von Basiswissen im Bereich der Diagnostik; Verständnis des diagnostischen Prozesses.

Prof. Dr. Ulf Brefeld

Machine Learning Lab


Address a learning task in a data-driven fashion. After reviewing related work, you'll formalize the problem, derive an appropriate method to solve it, implement the method, define an experimental setup and identify relevant baselines and empirically evaluate your approach. The learning task can be arbitrarily defined. We provide fallback problems but bringing your own idea(s) and/or data is more than welcome! The final report may have the form of a research paper. We'll have milestones where progress is reported in short presentations.

Ziel: Learn to appropriately address a task in a data-driven fashion (related work, technical approach, empirical evaluation and interpretation of outcomes).

Forschungskolloquium Wirtschaftsinformatik & Data Science


Im Kolloquium stellen Promovierende, Mitglieder des Instituts und externe Gäste Ihre Forschungsvorhaben vor.

Ziel: Teilnehmerinnen und Teilnehmer erhalten einen Einblick in aktuelle Forschungsprojekte der Wirtschaftsinformatik und im Bereich Data Science. Promovierende lernen, ihre eigene Forschungsvorhaben vorzustellen und Ergebnisse im Kolloquim zu präsentieren und zu verteidigen.

Statistik für Wirtschaftsinformatiker/innen


• Einführung in die Wahrscheinlichkeitstheorie

• Zufallsvariablen und Wahrscheinlichkeitsverteilungen

• Parametertests

• Konfidenzintervalle

• Hypothesentests

Ziel: Fachkompetenz: Grundkenntnisse wesentlicher Gebiete, die praktische Relevanz für die Informatik besitzen,

Beurteilung der Anwendbarkeit mathematischer Methoden und Denkweisen für Problemstellungen aus der Informatik.

Methodenkompetenz: Umgang mit mathematischen Definitionen, Sätzen und Vorgehensweisen;

Auswahl mathematischer Methoden und Modelle und deren Umsetzung auf praktische Problemstellungen;

Umgang mit mathematischer Fachliteratur.

Sozial- und Selbstkompetenz: Entwicklung der Leistungsbereitschaft auch im Umgang mit komplexen und abstrakten Fragestellungen

Maschinelles Lernen und Data Mining


Im Modul werden die Grundbegriffe des Lernens aus Daten eingeführt. Unterschiedliche Techniken des überwachten und unüberwachten maschinellen Lernens und Data Mining werden hergeleitet und ihre Eigenschaften besprochen. Beispiele sind theoretische/empirische Risikominimierung, Entscheidungsbäume, Random Forests, Regularisierung, Perzeptron, Multilayer Netzwerke, Support Vector Machines, k-means, probabilistische Clustering-Verfahren mittels Expectation Maximization. Weitere Themen sind Experimentalaufbau, Interpretation der Ergebnisse, Kommunikation der Ergebnisse, z.B. Kreuzvalidierung sowie nichtlineare Merkmalsgenerierung, z.B. mittels Kernfunktionen.

Masterforum


Weitere Angaben zu den Lehrveranstaltungen finden Studierende im Studienportal myStudy.