Statistics for Bio- and Neuroengineering

Worum geht's

Du lernst grundlegende Wahrscheinlichkeits- und Statistikmethoden sowie deren Anwendung für datenbasierte Fragestellungen in Biomedizin und Neurowissenschaften. Am Ende kannst du statistische Verfahren begründen, Daten analysieren, Versuchsdesigns unter ethischen Gesichtspunkten planen und informationstheoretische Konzepte in der Neuroforschung anwenden.

Was du danach kannst

Zentrale Konzepte der Wahrscheinlichkeits- und Statistiktheorie anwenden
Statistisch und ethisch fundierte Experimente planen
Statistische Methoden für Datenanalyse herleiten und anwenden
Informationstheorie in neurowissenschaftlichen Fragestellungen nutzen

Aus was das Modul besteht

VorlesungVermittlung von Theorie, Beweisen und Beispielen an Datensätzen
Übungsaufgaben/ÜbungssektionenPraxis im Herleiten und Anwenden statistischer Methoden durch Hausaufgaben und Übungen
Labor/PraktikumPraxis mit statistischer Datenanalyse-Software (Python/pandas)

Lehrmethode

Theorie und Beweisezur Vermittlung der mathematischen Grundlagen und Ableitungen
Datensatz-Beispieleum Anwendung der Konzepte auf reale biomedizinische/neuroengineering Fragestellungen zu zeigen
Hausaufgaben und Übungssektionenfür Trainings im Herleiten und Anwenden von Analyseverfahren
Laborpraktikum mit Python/pandasfür praktische Erfahrung in der Datenanalyse

Termine

Vorlesung mit ÜbungStatistics for Bio- and Neuroengineering2 Gruppen zur Wahl

ADi.11:30–13:00
N2128, Seminarraum (0101.02.128)
14× · 13.10.–02.02.
- 13.10.
- 27.10.
- 03.11.
- 10.11.
- 17.11.
- 24.11.
- 01.12.
- 08.12.
- 15.12.
- 22.12.
- 12.01.
- 19.01.
- 26.01.
- 02.02.
ADi.11:30–13:00N1135, Seminarraum (0101.01.135)einmalig am 20.10.
BDo.11:30–13:00
N2128, Seminarraum (0101.02.128)
14× · 15.10.–04.02.
- 15.10.
- 22.10.
- 29.10.
- 05.11.
- 12.11.
- 19.11.
- 26.11.
- 10.12.
- 17.12.
- 07.01.
- 14.01.
- 21.01.
- 28.01.
- 04.02.

Aus dem laufenden Semester, unverbindlich. Von mehreren Gruppen besucht man eine; der Stundenplan schlägt automatisch die mit den wenigsten Überschneidungen vor.

Filter