Servicenavigation

Statistik: mehr als Erbsen zählen

Sie sind hier:

Kontakt

Fakultät Statistik

Technische Universität Dortmund
44221 Dortmund

Telefon: 0231 - 755 3109
(Dekanat)

Telefon: 0231 - 755 3079
(Sekretariat)

 

Fakultätsrat

Nächste Sitzung: 11.11.2020

Aktuelles

Pandemieregelungen der TU Dortmund und der Fakultät Statistik

Logo: Stop Corona

(laufend aktualisiert, Stand 20.03.2020)

 

Die Regelungen der TU Dortmund sind bindend und werden laufend aktualisiert bzw. können jederzeit geändert werden.

 

 

Sie erreichen Ihre Ansprechpartner in unserer Fakultät per E-Mail wie folgt:

 

Das Wintersemester wird hybrid

Logo der Fakultät

Das Wintersemester 2020/21 wird in hybrider Form stattfinden: sowohl mit Veranstaltungen in Präsenzform (soweit möglich) als auch mit digitalen Veranstaltungen.

Das Vorlesungsverzeichnis wurde aktualisiert.

 

Informationen zu Spezialgebieten im Wintersemester 2020/21

Fakultätslogo

Die Foliensätze aus der Informationsveranstaltung zu den Spezialgebieten im Wintersemester können jetzt im Vorlesungsverzeichnis eingesehen werden.

 

Termine

Studienstart: Von Anfang an richtig

Logo: Studienstart

Die Zentrale Studienberatung bietet die Online-Vortragsreihe „Von Anfang an richtig“ an.

Insgesamt finden vom 08. September bis zum 2. November mehr als zehn Termine mit unterschiedlichen Inhalten statt:

  • Wie organisiere ich meine Zeit?
  • Welche Lernstrategien gibt es?
  • Wie funktioniert das Studium überhaupt?
  • Wie finanziere ich mir mein Studium?
  • Was heißt es, wissenschaftlich zu arbeiten?

Das Format umfasst jeweils einen ca. 30 minutigen Vortrag mit einer anschließenden Fragerunde.

Hier geht es zur kompletten Übersicht aller Termine und weiteren Informationen.

 

MatchWorkParty #3 für Studentinnen

2 Studentinnen

Kontakte knüpfen für den späteren Jobeinstieg kann unterhaltsam und völlig entspannt sein. Das ist jedenfalls das Konzept der dritten Dortmunder MatchWorkParty, die am 27. Oktober im Freischütz Schwerte mit Moderator Olli Briesch von 1LIVE stattfindet.

Hier könnt Ihr innovative Unternehmen aus der Region kennenlernen, um über Perspektiven für Praktika, Abschlussarbeiten und Jobs ins Gespräch zu kommen. Als Studentin oder Young Professional – egal, welcher Fachrichtung – seid Ihr herzlich zur MatchWorkParty #3 eingeladen. Wer möchte, kann im Vorfeld einen kostenlosen Workshop zum Thema Selbstmarketing und Netzwerken besuchen.

Veranstalter sind das Kompetenzzentrum Frau & Beruf sowie die Wirtschaftsförderung Dortmund. Die Teilnahme ist kostenlos, die Zahl der Teilnehmerinnen ist begrenzt, daher meldet euch bitte frühzeitig an.

Weitere Informationen gibt es hier.

 

SFB 876 Vortrag

Title: Semi-Structured Deep Distributional Regression

Speaker: David Rügamer, LMU Munich

When: 29.10.2020, 16:15

Where: OH 14, E023 / hybrid

Semi-Structured Deep Distributional Regression (SDDR) is a unified network architecture for deep distributional regression in which entire distributions can be learned in a general framework of interpretable regression models and deep neural networks. The approach combines advanced statistical models and deep neural networks within a unifying network, contrasting previous approaches that embed the neural network part as a predictor in an additive regression model. To avoid identifiability issues between different model parts, an orthogonalization cell projects the deep neural network part into the orthogonal complement of the statistical model predictor, facilitating both estimation and interpretability in high-dimensional settings. The framework is implemented in an R software package based on TensorFlow and provides a formula user interface to specify the models based on the linear predictors. In the second part of the talk, models in which tasks are represented as direct acyclic graphs (DAGs) are considered, and methods for guaranteeing both timing constraints and memory feasibility are presented. In particular, solutions for bounding the worst-case memory space requirement for parallel tasks running on multi-core platforms with scratchpad memories are discussed.