Lehre

Bezeichnung der Lehrveranstaltung: Einführung in statistische Methoden zur Analyse räumlicher Daten

Lernziele

Räumliche Daten sind in unserer Gesellschaft allgegenwärtig. In den letzten Jahren ist die Vielfalt und der Umfang räumlicher Daten durch die rasante Entwicklung von Sensortechniken (z.B. Instrumente an Bord von Satelliten, Drohnen, selbstfahrende Autos) und Citizen Science (z.B. Daten von Twitter, OpenStreetMaps) rapide gewachsen. Kern vieler geowissenschaftlicher Anwendungen sind statistische Analyseaufgaben wie räumliche Vorhersage, Bildklassifizierung und Erkennung von Veränderungen. In diesem Kurs werden die statistischen Methoden für die räumliche Analyse in realen Anwendungen vertieft. Während des Kurses werden die Studenten ein gutes statistisches Denken entwickeln und lernen, ihre eigenen geowissenschaftlichen Projekte zu entwickeln, um Probleme aus der Praxis zu lösen. Von den Studierenden wird erwartet, dass sie selbständig einen wissenschaftlichen Arbeitsablauf für ein geowissenschaftliches Problem entwerfen und Fragen beantworten können wie: Ist eine statistische Analyse notwendig? Welcher Datensatz soll gewonnen werden? Wie sind die Daten zu beschreiben? Welches statistische Modell kann nützlich sein? Was sind die voraussichtlichen Grenzen der Daten und der Modelle? Welche Vorhersagegenauigkeit kann das Modell mit den verfügbaren Daten erreichen? Wie ist das Modell zu interpretieren?

Lerninhalte

Nach einer Einführung in die Analyse räumlich-zeitlicher Daten werden wir uns auf verschiedene grundlegende Konzepte der Statistik und des maschinellen Lernens bei Regressions- und Klassifikationsproblemen konzentrieren. Der Kurs schließt mit einem Überblick über die Grenzen der räumlichen Analyse, und wir werden sehen, dass ein großer Teil der modernen geowissenschaftlichen Methoden der Datenwissenschaft auf den in diesem Kurs vorgestellten Methoden beruhen. Die Programmiersprache Python wird eingeführt und es werden Übungen durchgeführt. Anhand der Übungen werden die Studierenden die Grundlagen der Python-Programmierung erlernen und erfahren, wie sie diese für die Exploration und Analyse räumlicher Daten sowohl in simulierten als auch realen Anwendungen einsetzen können.

Stundenplan (Download)