Bereits zum neunten Mal fand am Dienstag, 4. Februar, der Dortmunder Tag der Statistik (DOTS) statt. Unter dem Motto „Nichts als Erbsen zählen?“ widerlegte die Fakultät Statistik der TU Dortmund so manches Vorurteil über die vermeintlich trockene Welt der statistischen Datenerfassung. Rund 450 Schülerinnen und Schüler lernten in spannenden Vorträgen und abwechslungsreichen Mitmachaktionen, wie wichtig die Statistik inzwischen für viele Bereiche unserer Gesellschaft geworden ist.
(Text: Lisa Burgardt, Bildnachweis:Aliona Kardash/TU Dortmund)
23.01.2020 Dr. Sabrina Siebert (Consultant, Chrestos Concept GmbH & Co. KG, Essen)
Titel: "Chrestos…wir sind verrückt!"
In diesem Statistik im Beruf Vortrag gibt Frau Dr. Sabrina Siebert einen kurzen Einblick in die Arbeit als StatistikerIn in einer Contract Research Organization (CRO) im Pharmabereich. Dabei wird Sie sowohl die Vielseitigkeit zeigen, aber auch Hürden und Probleme, auf die man stoßen kann. Den Bereich Health Technology Assessment (HTA) wird Sie noch etwas näher beleuchten.
Der Vortrag findet am 23.01.2020 um 16.15 Uhr in Raum M/E 21 statt.
Aufgrund der positiven Resonanz in den letzten Semestern werden auch im aktuellen Wintersemester an ausgewählten Samstagen Räume für das freie studentische Arbeiten im Seminarraumgebäude 1 zur Prüfungsvorbereitung zur Verfügung gestellt.
Die Termine sind:
Das Gebäude wird von 09:00 Uhr bis 18:00 Uhr geöffnet und mit einem Pförtner besetzt.
16.01.2020 Barbara Bredner (Statistische Beratung und Lösungen, Essen, seit mehr als 15 Jahren Data Scientist in der Industrie)
Titel: "Data Scientists in der Industrie: ein aussterbender Beruf?"
Lange hieß es, Data Scientist sei der "sexiest job" des 21. Jahrhunderts und Daten das neue Öl. Deutschland würde mit Industrie 4.0 und anderen Initiativen vorhandene Daten aktiv auswerten und in Echtzeit nutzen. Der Fokus auf der Auswertung hat eine Nebenwirkung: Es wird sehr intensiv und erfolgreich an Verfahren gearbeitet, die automatisch, ohne Methodenkenntnisse Daten auswerten. Teilweise sind die automatischen Auswertung heute schon besser als die von Menschen gemachten.
Gibt es für Data Scientists (noch) eine Perspektive in der Industrie? Wie werden sich die Aufgabenstellungen verändern? Welche Fähigkeiten und Fertigkeiten werden dabei zukünftig wichtiger werden?
Der Vortrag findet am 16.01.2020 um 16.15 Uhr in Raum M/E 21 statt.
Am Dienstag, dem 4. Februar 2020, findet zum neunten Mal der Dortmunder Tag der Statistik statt. Spannende Vorträge und Mitmach-Aktionen zeigen die Vielfalt und die Bedeutung der Statistik in der heutigen Zeit. Diese Veranstaltungen richten sich vorrangig an Schülerinnen und Schüler der Sekundarstufe II und ihre Lehrerinnen und Lehrer, stehen aber natürlich auch allen Interessierten offen.
Weitere Informationen finden Sie hier.
(Bildnachweis: Martina Hengesbach/TU Dortmund)
Vom 03.02.2020 bis 07.02.2020 findet im CDI Raum 120/121 die Blockveranstaltung "Datenanalyse in der amtlichen Statistik" statt, die sich an Master-Studierende wendet. Die Veranstaltung beginnt täglich um 09.00 Uhr und endet gegen 16.00 Uhr. Die Blockveranstaltung können Sie sich für die Module MS VI/MS 6,7 bzw. MD IX, X/MD 10 anrechnen lassen.
Insbesondere kann die Veranstaltung für den Schwerpunkt „Amtliche Statistik (EMOS)“ im Master Statistik angerechnet werden.
Auszug aus der Prüfungsordnung zu EMOS
Eine Anmeldung für diesen Blockkurs ist nicht notwendig. Über eine rege Teilnahme freuen wir uns sehr.
Title: Reliable Data Mining in Uncertain Data
Speaker: Andreas Zuefle (George Mason University, USA)
When: 2020-01-30 16:15
Where: OH 14, E023
Our ability to extract knowledge from data is often impaired by unreliable, erroneous, obsolete, imprecise, sparse, and noisy data. Existing solutions for data mining often assume that all data are uniformly reliable and representative. Oblivious to sample size and sample variance, it is clear that mined patterns may be spurious, that is, caused by random variations rather than a causal signal. This is particularly problematic if latent features and deep learning methods are used to mine patterns, as their lack of interpretability prevents domain experts and decision makers from explaining spurious conclusions. This presentation will survey data mining algorithms that can exploit reliability information of data to enrich mined patterns with significance information. In detail, we will discuss the use of Monte Carlo and agent-based simulation to gain insights on the reliability of data mining results and we will look at applications for handling.