Servicenavigation


Sie sind hier:

Meldungen-Archiv

SFB 823 Vortrag

The talk is rescheduled

Speaker: Nadja Klein (Professuren für Statistik und Ökonometrie, Georg-August-Universität Göttingen)

When and where?

Tuesday, June 19, 2018, 4.30 pm, M / E21

 

SFB 823 Vortrag

A Bayesian Time-varying Approach to Risk Neutral Density Estimation

Speaker: Enrique ter Horst (Facultad de Administración, Universidad de los Andes in Bogotá, Colombia)

When and where?

Tuesday, June 12, 2018, 4.30 pm, M / E21

 

Statistik im Beruf

07.06.2018 PD Dr. Christine Müller-Graf (Fachgruppenleitung Epidemiologie, Statistik und mathematische Modellierung, Bundesinstitut für Risikobewertung, Berlin)

Titel: "Aufgabenfelder für Biometriker am Bundesinstitut für Risikobewertung"

Die Aufgaben und unterschiedlichen Arbeitsbereiche am Bundesinstitut für Risikobewertung werden beschrieben. Mögliche Arbeitsbereiche von Statistikern werden aufgezeigt und einige Beispiele unserer Arbeit vorgestellt. Das Bundesinstitut für Risikobewertung bietet interessante, abwechslungsreiche Möglichkeiten für Statistiker, die von der Analyse von Studiendaten über Stichprobenberechnungen bis zu Bayesianischen Modellen, PBPK-Modellen, Netzwerkanalysen, bioinformatischen Auswertungen und Machine Learning reichen.

Der Vortrag findet am 07.06.2018 um 16.15 Uhr in Raum M/E 21 statt.

 

SFB 876 Vortrag

Title: Just Machine Learning

Speaker: Tina Eliassi-Rad, Northeastern University Boston

When: Jun 5, 2018 4:15:00 PM

Where: OH 16, 205

Fairness in machine learning is an important and popular topic these days. Most papers in this area frame the problem as estimating a risk score. For example, Jack's risk of defaulting on a loan is 8, while Jill's is 2. These algorithms are supposed to produce decisions that are probabilistically independent of sensitive features (such as gender and race) or their proxies (such as zip codes). Some examples here include precision parity, true positive parity, and false positive parity between groups in the population. In a recent paper, Kleinberg, Mullainathan, and Raghavan (arXiv:1609.05807v2, 2016) presented an impossibility result on simultaneously satisfying three desirable fairness properties when estimating risk scores with differing base rates in the population. I take a boarder notion of fairness and ask the following two questions: Is there such a thing as just machine learning? If so, is just machine learning possible in our unjust world? I will describe a different way of framing the problem and will present some preliminary results

link

 

 

Informationsveranstaltung: Die zweite Entscheidung

Wann und Wo: 06. Juni 2018, 15:00-17:00 Uhr, FH Dortmund, Emil-Figge-Straße 38b, Seminarräume 119 und 120

Mehr Informationen

 

Vortrag SFB 876

Title: Consistent k-Clustering

Speaker: Silvio Lattenzi (Google)

Where: OH 14, E23

When: May 24, 2018 4:15 PM

The study of online algorithms and competitive analysis provide a solid foundation for studying the quality of irrevocable decision making when the data arrives in an online manner. While in some scenarios the decisions are indeed irrevocable, there are many practical situations when changing a previous decision is not impossible, but simply expensive. In this work we formalize this notion and introduce the consistent k- clustering problem. With points arriving online, the goal is to maintain a constant approximate solution, while minimizing the number of reclusterings necessary. We prove a lower bound, showing that O(k log n) changes are necessary in the worst case, for a wide range of objective functions. On the positive side, we give an algorithm that needs only O(k^2 log^4 n) changes to maintain a constant competitive solution. This is an exponential improvement on the naive solution of reclustering at every time step. Finally, we show experimentally that our approach performs much better than the theoretical bound, with the number of changes growing approximately as O(log n).

Joint work with Sergei Vassilvitskii.

 

 

Statistik im Beruf

24.05.2018 Janina Loske (Wissenschaftliche Mitarbeiterin, Forschungsdatenzentrum des Statistischen Bundesamtes, Wiesbaden)

Titel: "Was machen Statistiker im Statistischen Bundesamt?"

Der Vortrag zeigt verschiedene Einsatzbereiche mathematisch-statistischer Methoden in der amtlichen Statistik. Das Hauptaugenmerk wird auf dem Forschungsdatenzentrum des Statistischen Bundesamtes liegen. Dieses ermöglicht zusammen mit dem Forschungsdatenzentrum der Statistischen Ämter der Länder den Zugang zu Mikrodaten der amtlichen Statistik. Weitere methodische Schwerpunkte der amtlichen Statistik wie Stichprobenziehung, Plausibilisierung/Imputation und Geheimhaltung werden ebenfalls angesprochen.

Der Vortrag findet am 24.05.2018 um 16.15 Uhr in Raum M/E 21 statt.