Gastkurs mit re­no­mmierten Ex­per­ten

Die Ver­füg­bar­keit von gro­ßen Da­ten­sät­zen mit Mil­lio­nen Da­ten­punkten und einer Viel­zahl an At­tri­bu­ten er­öff­net die Not­wen­dig­keit für neue Schätzmetho­den. Un­ter dem Be­griff „Maschinel­les Ler­nen“ werden Me­tho­den sta­tisti­scher Auswer­tung von gro­ßen Da­ten­mengen zu­sam­men­ge­fasst, die es den Wis­sen­schaftle­rin­nen und Wis­sen­schaftlern er­laubt, komple­xe Zu­sammenhän­ge zu ent­de­cken. Auch Tex­te kön­nen durch ma­schinel­les Ler­nen ana­ly­siert und auf­be­rei­tet werden.

Prof. Dr. Ste­phen Hansen gab eine Gastvor­le­sung, in der die Stu­die­ren­den des Eli­te­stu­di­en­gangs „Master in Quantitative Economics“ so­wie Promo­vie­ren­de der MGSE ei­nen um­fas­sen­den Überblick über Me­tho­den und An­wendungsberei­che er­hiel­ten.

In sei­ner Gastvor­le­sung be­han­delte Prof. Hansen Me­tho­den, un­ter an­de­rem das „un­su­per­vi­sed lear­ning“ als auch das „su­per­vi­sed lear­ning“. Für die Stu­die­ren­den be­son­ders inte­res­sant wa­ren die An­wendungen im Be­reich von Textana­ly­sen, da bei­spielsweise gro­ßen Massen an Ver­trä­gen ana­ly­siert und aus­ge­wer­tet werden kön­nen, ohne je­den Ver­trag in­di­vi­duell zu prü­fen und zu be­wer­ten. Mit der Gastvor­le­sung er­hiel­ten die Stu­die­ren­den das nö­tige Wis­sen an die Hand, um selbst ma­schinel­les Ler­nen für zu­kunftsweisende For­schung ein­zu­set­zen.

Text: Elitestudiengang „Master in Quantitative Economics“