Zugangsvoraussetzungen: keine.

Qualifikationsziele: Die Studierenden beherrschen komplexe Methoden der statistischen Modellierung, der Datenwissenschaften und des maschinellen Lernens. Sie sind in der Lage, univariate und raumzeitliche Datensätze im Zusammenhang mit geowissenschaftlich relevanten Fragestellungen zu analysieren und zu modellieren. Sie können die Möglichkeiten und Defizite der behandelten Ansätze abschätzen. Weiterhin sind sie in der Lage, die in der Vorlesung behandelten Analyseansätze und Modelle praktisch im Rahmen einer statistischen Programmierumgebung umzusetzen, auf eigene Fragestellungen anzuwenden und sicher zu interpretieren und können eigenständig an aktuellen Projekten mitarbeiten.

Inhalte: Die Studierenden lernen erweiterte Grundlagen aus der Statistischen Modellierung kennen. Sie befassen sich mit lineare und additive Regressionsverfahren, sowie mit Modellen und Ansätzen für die Klassifikation und Clustering. Sie beschäftigen sich mit der Verifikation probabilistischer Vorhersagen, mit stochastischen Prozessen und geostatistischen Ansätze insbesondere für Fragestellungen aus dem Bereich der Atmosphärenwissenschaften.