Im Rahmen des Statistischen Kolloquiums hält Herr Prof. Dr. Karsten Lübke (FOM Hochschule, Dortmund) am Dienstag, dem 25.Juni 2019, 16:00 s.t. im Raum M/E21 einen Vortrag mit dem Titel "Teaching Statistics for Data Literacy".
Alle Mitglieder der Fakultät sind herzlich eingeladen!
13.06.2019 Josef Schäfer (ehemals Projektleiter Zensus 2021, Statistisches Landesamt NRW, Düsseldorf)
Titel: "Von der Volkszählung 1987 zum Zensus 2021 - mehr als drei Jahrzehnte amtliche Statistik"
Diplom-Statistiker Josef Schäfer hat mehr 30 Jahre beim Statistischen Landesamt Nordrhein-Westfalen in Düsseldorf gearbeitet. Schwerpunkt seiner Arbeit war anfangs die Volkszählung 1987, später die Entwicklung des Modells eines registergestützten Zensus. Herr Schäfer möchte seine Erfahrungen in der amtlichen Statistik im kommenden Wintersemester auch im Rahmen einer Vorlesung für den Studienschwerpunkt "Amtliche Statistik" einbringen.
Der Vortrag findet am 13.06.2019 um 16.15 Uhr in Raum M/E 21 statt.
Extending the Validity of Frequency Domain Bootstrap Methods to General Stationary Processes
Speaker: Jens-Peter Kreiß (Institut für Mathematische Stochastik, Technische Universität Braunschweig)
When and where?
Tuesday, June 11, 2019, 4.30 pm, M / E21
Das Dortmunder Zentrum Studienstart informiert:
Sie zweifeln an Ihrer Studienentscheidung und sind sich nicht sicher, ob Sie den richtigen Studiengang gewählt haben?
Bestätigen Sie Ihre Studienwahl oder finden Sie Alternativen.
Datum: 06. Juni 2019
Uhrzeit: 15:00-17:00 Uhr
Ort: FH Dortmund, Emil-Figge-Straße 38b, Seminarraum 220
Multiscale Inference for Nonparametric Time Trends
Speaker: Michael Vogt (Wirtschaftswissenschaftlicher Fachbereich, Statistische Abteilung,
Universität Bonn)
When and where?
Tuesday, Mai 21, 2019, 4.30 pm, M / E21
Title: Generative Models
Speaker: Igor Babuschkin (DeepMind)
When: 13.6.2019 16:15
Where: OH 14, E23
Generative models are a set of unsupervised learning techniques, which attempt to model the distribution of the data points themselves instead of predicting labels from them. In recent years, deep learning approaches to generative models have produced impressive results in areas such as modeling of images (BigGAN), audio (WaveNet), language (Transformer, GPT-2) and others. I'm going to give an overview of the three most popular underlying methods used in deep generative models today: Autoregressive models, generative adversarial networks and variational autoencoders. I will also go over some of the state of the art models and explain how they work.
Feature estimation for linear regression with time series regressors
Speaker: Suhasini Subba Rao (Department of Statistics, Texas A&M University, USA)
When and where?
Tuesday, Mai 14, 2019, 4.30 pm, M / E21