Diff for "Main/WS12_SeminarKausalanalyse"

Differences between revisions 39 and 41 (spanning 2 versions)

Block-Seminar "Moderne Verfahren des Maschinellen Lernens: Kausalanalyse"

Termine und Informationen

Erster Termin für Themenvergabe	Donnerstag, 08.11.2012, 15:00-16:00 Uhr, Raum FR 6046
Termin für Blockseminar	nach Absprache
Verantwortlich	Prof. Dr. Klaus-Robert Müller
Ansprechtpartner(in)	Duncan Blythe, Irene Winkler
Sprache	Englisch
Anrechenbarkeit	Wahlpflicht in dem M.Sc. Modul Maschinelles Lernen 1

In diesem Seminar werden mathematische und statistische Modelle zur Erkennung von kausalen Zusammenhängen besprochen. Im Gegensatz zu reinen Vorhersagemodellen, die auf den Assoziationen/Korrelationen zwischen Variablen beruhen, ist das Ziel der empirischen Kausalanalyse, Ursache und Wirkung in komplexen Systemen zu identifizieren.

Die Vorträge sollen jeweils 30 Minuten (+ 10 Minuten Diskussion) dauern. Wir legen Wert auf diese Zeitvorgabe und werden Vorträge bei deutlicher Überschreitung abbrechen.

Als Entscheidungsmittel empfehlen wir den Eintrag Correlation does not imply Causation auf Wikipedia.

Thema	Betreuer	Student	Beschreibung
Pearl Diagrams and Causality.pdf	Duncan Blythe		J. Pearl ist ein großer Name in Kausalanalyse, graphischen Modellen usw. (Review paper)
Cointegration.pdf	Irene Winkler		Nobelpreis für Wirtschaft
Granger Causality.pdf	Duncan Blythe		Auch ein Nobel Preis Sieger
Rubin Model.pdf	Duncan Blythe		Ähnliche Vorgehensweise zur Granger Causality
PSI.pdf	Duncan Blythe		Granger Kausalität funktioniert nicht immer, z.b. im Gehirn ...
Cortical Interaction and Coherency.pdf	Duncan Blythe		Wie analysiert man Kausalität im Gehirn?
Nonlinearity and Causality.pdf	Duncan Blythe		Aus Nichtlinearität kann man oft eine kausale Richtung schliessen
Conditional Complexity.pdf	Duncan Blythe		Kausal Analyse mittels ein Maßes für bedingte Verteilungen der Komplexität
Information Geometry for Causality.pdf	Duncan Blythe		Für Mathe-Interessierte

Als Hintergrund zu den Schwierigkeiten bei der Kausalanalyse, mag Simpson's Paradox nutzlich sein.

Besonders motivierte Studenten können sich An Enquiry Concerning Human Understanding von David Hume anschauen, um das Thema in die historische Perspektive zu setzen.

IDA Wiki: Main/WS12_SeminarKausalanalyse (last edited 2012-11-13 12:36:20 by mlm)

-  ⇤ ← Revision 39 as of 2012-10-09 09:06:21 → 
  Size: 2862
  Editor: mlm
  Comment:
+   ← Revision 41 as of 2012-10-10 10:38:23 → ⇥
  Size: 2931
  Editor: DanielBartz
  Comment:
-Deletions are marked like this.
+Additions are marked like this.
 Line 13:
-In diesem Seminar werden mathematische und statistischen Modelle zum Erkennen von kausalen Zusammenhängen besprochen. Im Gegensatz zu reinen Vorhersagemodellen, die auf den Assoziationen/Korrelationen zwischen Variablen beruhen, ist das Ziel der empirischen Kausalanalyse, Ursache und Wirkung in komplexen Systemen zu identifizieren.
+In diesem Seminar werden mathematische und statistische Modelle zur Erkennung von kausalen Zusammenhängen besprochen. Im Gegensatz zu reinen Vorhersagemodellen, die auf den Assoziationen/Korrelationen zwischen Variablen beruhen, ist das Ziel der empirischen Kausalanalyse, Ursache und Wirkung in komplexen Systemen zu identifizieren.
 Line 17:
-Als Entscheidungsmittel empfehlen wir das Wikipedia Eintrag [[ https://en.wikipedia.org/wiki/Correlation_does_not_imply_causation | Correlation does not imply Causation]].
+Als Entscheidungsmittel empfehlen wir den  Eintrag [[ https://en.wikipedia.org/wiki/Correlation_does_not_imply_causation | Correlation does not imply Causation]] auf Wikipedia.
 Line 20:
-||  [[attachment:Information Geometry for Causality.pdf]] || Duncan Blythe ||  || Für die Mathe Interessenten||
||  [[attachment:Rubin Model.pdf]] || Duncan Blythe ||  || ||
||  [[attachment:Pearl Diagrams and Causality.pdf]] || Duncan Blythe ||  || Pearl ist ein Riesen in der Kausal Analyse; graphische Modelle usw. ||
+||  [[attachment:Pearl Diagrams and Causality.pdf]] || Duncan Blythe ||  || J. Pearl ist ein großer Name in Kausalanalyse, graphischen Modellen usw. (Review paper) ||
|| [[attachment:Cointegration.pdf]] || Irene Winkler || || Nobelpreis für Wirtschaft||
-Line 24:
+Line 23:
+||  [[attachment:Rubin Model.pdf]] || Duncan Blythe ||  || Ähnliche Vorgehensweise zur Granger Causality ||
 Line 25:
-||  [[attachment:Cortical Interaction and Coherency.pdf]] || Duncan Blythe ||  || Wie analysiert man dann Kausalität im Gehirn? ||
+||  [[attachment:Cortical Interaction and Coherency.pdf]] || Duncan Blythe ||  || Wie analysiert man Kausalität im Gehirn? ||
 Line 27:
-||  [[attachment:Conditional Complexity.pdf]] || Duncan Blythe || || Kausal Analyse mittels ein Mass fuer Konditional Verteilung Komplexität ||
|| [[attachment:Cointegration.pdf]] || Irene Winkler || || Nobel Preis für Wirtschaft||
+||  [[attachment:Conditional Complexity.pdf]] || Duncan Blythe || || Kausal Analyse mittels ein Maßes für bedingte Verteilungen der Komplexität ||
||  [[attachment:Information Geometry for Causality.pdf]] || Duncan Blythe ||  || Für Mathe-Interessierte ||
 Line 30:
-Als hintergrund zu den Schwierigkeiten bei der Kausal Analyse, mag [[http://plato.stanford.edu/entries/paradox-simpson/|Simpson's Paradox]] nutzlich sein.
-Line 32:
+Line 31:
-Besonders motivierte Studenten koennen sich [[http://www.gutenberg.org/files/9662/9662-h/9662-h.htm |An Enquiry Concerning Human Understanding]] von David Hume anschauen, um das Thema in die historisches Perspektive zu setzen.
+Als Hintergrund zu den Schwierigkeiten bei der Kausalanalyse, mag [[http://plato.stanford.edu/entries/paradox-simpson/|Simpson's Paradox]] nutzlich sein.

Besonders motivierte Studenten können sich [[http://www.gutenberg.org/files/9662/9662-h/9662-h.htm |An Enquiry Concerning Human Understanding]] von David Hume anschauen, um das Thema in die historische Perspektive zu setzen.