Kurse

Maschinelles Lernen kommt ohne Algorithmen und statistische Methoden nicht aus. Ausgerichtet auf das Ziel prädiktiver Analytik, zählen einige dieser Algorithmen und Methoden zum Kernbestand maschinellen oder statistischen Lernens. Der Kurs macht mit diesen Lernverfahren vertraut, behandelt deren Grundlagen, Komponenten und Varianten, und zeigt auf, wie sie im Kontext von Regression und Klassifikation praktisch angewendet und wie ihre Ergebnisse interpretiert werden können. Behandelt werden die lineare und logistische Regression, Regression Splines zur Modellierung nichtlinearer Beziehungen sowie die regressions-, ähnlichkeits-, wahrscheinlichkeits- und informationsbasierte Klassifikation.  

Wer Daten selbst analysieren will, benötigt zum einen Kenntnisse in datenwissenschaftlichen Konzepten und Methoden statistischen Lernens und zum anderen Fertigkeiten in der Programmierung. Erst wenn methodologische und statistische Kernntnisse aus der Datenwissenschaft auf praktische Programmierfertigkeiten treffen, werden eigene Datenanalysen möglich. Der Kurs vermittelt diese für Datenanalysen erforderlichen Fertigkeiten und setzt innerhalb dieses Rahmens die Themenschwerpunkte in Abstimmung mit den Teilnehmenden. Das Themenspektrum umfasst das Arbeiten mit R und R-Bibliotheken (praktische Nutzung der Infrastruktur und Programmieroptionen von R), Datenkonzepte und Datenmanagement zur Vorbereitung und Durchführung von Datenanalysen (z.B. Kodierung, Rekodierung, Subsetting, Handling von NAs, Schreiben von Funktionen), zur Erstellung von Grafiken mit R. 

Für datenwissenschaftliche Analysen gelten üblicherweise zwei Standards: sie sind primär auf die Optimierung von Vorhersagegenauigkeit ausgerichtet und sie legen starken Wert auf eine fundierte Validierung der Analyse. Entsprechend stehen prädiktive Analytik verbunden mit ausgefeilten Techniken der Validierung im Zentrum einer jeden datenwissenschaftlichen Analyse. Demgegenüber spielt in der Methodologie und Forschungspraxis der empirischen, mit quantitativen Methoden arbeitenden Sozialwissenschaft das Ziel der kausalen Inferenz in Verbindung mit dem Management der Datenqualität traditionell eine starke Rolle. Der Kurs greift auf, wie sich im Kontext statistischen Lernens die Ziele der prädiktiven Analytik und kausalen Inferenz miteinander verbinden lassen und Techniken der prädiktiven, kausalen und statistischen Inferenz in kohärenter Weise praktisch eingesetzt werden können.

Selbst wenn alle formalen Regeln zur Ziehung von Schlussfolgerungen aus Daten eingehalten werden, können diese Schlussfolgerungen noch stark durch mangelnde Datenqualität beeinträchtigt werden. Gründe dafür liegen typischerweise in selektiv verzerrten Auswahlen, fehlenden Werten und Messfehlern. Der Kurs macht mit diesen Fehlerquellen vertraut, stellt die zu ihrer Lösung eingesetzten Konzepte und Techniken vor und zeigt auf, wie diese Konzepte und Techniken unter Verwendung von R und R Bibliotheken praktisch angewandt werden können. Behandelt werden Unit und Item Nonresponse und darauf bezogene Missing Data Techniken (Imputationsverfahren und Gewichtung), zufällige und systematische Messfehler und darauf bezogene Lösungen (systematische Replikation, Sensitivitätsanalyse, Latente Variablenanalyse), Management von selektiv begrenzten Daten durch die Kombination von Wahrscheinlichkeits- und Nichtwahrscheinlichkeitsauswahlen.