Causal Inference in Time Series

Worum geht's

Du lernst Methoden der kausalen Inferenz für Zeitreihen kennen und anzuwenden. Am Ende kannst du kausale Strukturen in dynamischen Netzwerken identifizieren, geeignete Algorithmen einsetzen und Ergebnisse praktisch an realen Datensätzen umsetzen.

Was du danach kannst

• Verständnis kausaler Modelle und kausalen Denkens in dynamischen Systemen
• Erkennen, wann Probleme als Netzwerke modelliert werden können
• Analyse von Daten mit verschiedenen netzwerkanalytischen Techniken
• Anwenden unterschiedlicher Verfahren zur kausalen Strukturerkennung
• Ableiten von Handlungsoptionen basierend auf Interpretation von Netzwerk-Analysen
• Weiterarbeit an komplexen Problemen und Finden optimaler Lösungen
• Kritisches Denken (kausales Reasoning)
• Quellen recherchieren und bewerten

Aus was das Modul besteht

• VorlesungVermittlung der theoretischen Grundlagen zu kausaler Inferenz und Zeitreihen
• Übung/Praktische AufgabenAnwendung der Theorie auf praktische Probleme und Besprechung von Lösungen
• ProjektAnalyse eines realen Datensatzes und Implementierung von Softwarecode zur Anwendung der erlernten Methoden

Lehrmethode

• VorlesungPräsentation und Erklärung der theoretischen Hintergründe
• DiskussionenVertiefung und kritische Auseinandersetzung mit Inhalten
• Übungen mit ÜbungsblätternSelbstständiges Vertiefen und Anwenden des Vorlesungsstoffs; Lösungen werden besprochen