Servicenavigation

Statistik: mehr als Erbsen zählen

Sie sind hier:

Meldungen-Archiv

Virtuelle Fachschaftsvollversammlung am 4. November

Logo der Fakulät

Der Fachschaftsrat lädt alle Studierenden der Fakultät herzlich ein zur virtuellen Faschaftsvollversammlung.

Sie findet am 4.November um 16:15 Uhr in einem Zoom-Meeting statt.

Die Zugangsdaten erhalten alle Studierenden per E-Mail, sie können aber auch beim Fachschaftsrat erfragt werden.

Hauptthema der FVV ist eine Änderung der Satzung, durch die eine virtuelle Neuwahl des FSR ermöglicht werden soll.

 

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.

 

Drei Fragen an Dr. Henrike Weinert zu Data Literacy

Mathetower

Dr. Henrike Weinert lehrt und forscht an der Fakultät Statistik und ist dort insbesondere im Projekt Data Competence Network (DaCoNet) tätig. Im Win­ter­se­mes­ter hält sie die Ver­an­stal­tung „Data Literacy - Elementares Datenverständnis“, die sich an Bachelor-Stu­die­ren­de aller Fächer richtet. Im Interview er­klärt Dr. Henrike Weinert, was Data Literacy eigentlich ist und welche Idee hinter dem Lehrangebot steht.

 

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.

 

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.

 

Info-Veranstaltung: Rahmenbedingungen einer erfolgreichen Promotion

Das Graduiertenzentrum bietet am 16.Oktober 2020 die Info-Veranstaltung „Rahmenbedingungen einer erfolgreichen Promotion“ an.

Diese richtet sich an Master-Studierende mit Interesse an einer Promotion sowie and Promovierende aller Fachrichtungen.

 

Absolventenfeier 2020 in Präsenz entfällt.

Es wird an einer innovativen Lösung gearbeitet. Weitere Informationen folgen.