Kausale InferenzModulbeschreibung #41042 / Version 2
- 6 LP
- Schriftliche Prüfung
- Benotet
- Wintersemester
- Englisch
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27).
| Modul / Version | #41042 / #2 |
|---|---|
| Gültigkeit | SoSe 2023 – SoSe 2024 |
| Verfügbare Sprache(n) | Deutsch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Runge, Jakob Gerhard Bernhard |
| Benotung | Benotet |
| Prüfungsform | Schriftliche Prüfung |
| Lehrsprache(n) | Englisch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Softwaretechnik und Theoretische Informatik |
| Fachgebiet | 34349202 FG Klimainformatik |
Kontakt
| Sekretariat | EN 15 |
|---|---|
| Ansprechpartner*in | Runge, Jakob Gerhard Bernhard |
| E-Mail-Adresse | runge@tu-berlin.de |
| Webseite | https://climateinformaticslab.com/ |
Lernergebnisse
“Korrelation ist nicht Kausalität” - nach diesem Mantra scheint sich die datenbasierte Inferenz von Kausalität einer wissenschaftlichen Behandlung zu entziehen. Doch in den letzten Jahrzehnten hat sich die moderne Kausalitätstheorie, begründet durch Informatiker wie Judea Pearl und Philosophen wie Peter Spirtes und Clark Glymour, immer mehr etabliert. Diese Theorie stellt die Beschreibung von Kausalbeziehungen auf eine mathematische Grundlage und erklärt, unter welchen Bedingungen sich kausale Abhängigkeiten aus Beobachtungsdaten schätzen lassen. Das Modul hat ein Verständnis der Kausalitätskonzepte wie auch der statistischen Schätzproblematik zum Ziel und wird die Methoden mit Anwendungsbeispielen insbesondere auch auf Zeitreihen illustrieren.
Lehrinhalte
Im Modul “Kausale Inferenz” werden grundlegende Konzepte der Kausalität nach Pearl und Spirtes eingeführt und der zugehörige mathematische Apparat vorgestellt. Ausgehend vom Konzept der Graphischen Modelle und bedingten Unabhängigkeiten werden Lernalgorithmen diskutiert. Ein wichtiger Teil ist die praktische Schätzproblematik für das Lernen kausaler Graphen und statistischer Verfahren zum Schätzen von bedingten Unabhängigkeiten. Da in vielen angewandten Wissenschaften Zeitreihendaten vorkommen, wird ein besonderer Schwerpunkt auf die für Zeitreihen charakteristischen Problemstellungen liegen. Den Abschluss bilden beispielhafte Anwendungen von kausalen Inferenzmethoden auf Klimazeitreihen.
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Kausale Inferenz | Vorlesung | Wintersemester | [en, de] | 2 | ISIS |
Arbeitsaufwand und Leistungspunkte
Kausale Inferenz (Vorlesung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 4 h | 60 h |
| 90 h | |||
Lehrveranstaltungsunabhängiger Aufwand
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Blockvorlesung Kausale Inferenz | 15 | 2 h | 30 h |
| Vor-/Nachbearbeitung | 15 | 4 h | 60 h |
| 90 h | |||
Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
Die Blockvorlesung besteht aus 15 Vorlesungen, die auf mehrere Blöcke aufgeteilt werden. Die Termine werden zum Anfang des Semesters festgelegt. Die Leistungsbewertung erfolgt über eine mündliche Prüfung.
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Mathematische Kenntnisse, insbesondere Wahrscheinlichkeitstheorie und Statistik. Programmierkenntnisse in Python.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Dieses Modul hat keine Prüfungsvoraussetzungen.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Schriftliche Prüfung |
| Sprache | Englisch |
| Dauer/Umfang | 30 Minuten |
Dauer des Moduls
Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.
Dieses Modul kann in folgenden Semestern begonnen werden: Wintersemester.
Maximale teilnehmende Personen
Die maximale Teilnehmerzahl beträgt 45.
Anmeldeformalitäten
Für die Anmeldung zur schriftlichen Prüfung ist die Deadline drei Wochen vor dem Ende des Semesters.
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
nicht verfügbar
Empfohlene Literatur
- Pearl, J. Causality: Models, reasoning, and inference. Cambridge University Press, 2009
- Spirtes, P., Glymour, C., and Scheines, R., Causation, Prediction, and Search (MIT Press, Boston, 2000)
Zugeordnete Studiengänge
Dieses Modul findet in keinem Studiengang Verwendung.
Sonstiges
Zuordnung Studiengebiete (Master): - Grundlagen der Informatik - Data and Software Engineering - Kognitive Systeme