Der Kurs ist eine Einführung in die Klassifikationsmethoden:

1. Diskriminanzanalyse (Einführung; binäre Klassifikation; mehrklassige Klassifikation)
2. Splines (Bézier-Kurven und Splines; Splines glatter)
3. Generalisierte additive Modelle und Regressionsbäume (Generalisierte additive Modelle; Klassifikations- und Regressionsbäume; MARS; Verstärkungsalgorithmen)
4. Random forests und transformation forests

Die theoretischen Konzepte und die Methoden werden durch praktische Anwendungen illustriert. Als Software wird R eingesetzt.

Der Kurs ist Teil des Masterkurses zur angewandten Statistik. Dieser besteht aus vier Semesterkursen mit 4.5 ECTS (1 je Semester) über einen Zeitraum von 2 Jahren:

1. Ausgewählte Themen der multivariaten Statistik
2. Einführung in die Bayessche Statistik
3. Inferenz, Bewertung und Auswahl von Modellen
4. Klassifikationsmethoden

Die Kurse bilden eine Einheit, können aber voneinander unabhängig ausgewählt werden. Von allgemeinem Interesse ist, dass die vier Kurse zusammen einen Überblick über die aktuellen Probleme und Methoden der angewandten Statistik und Data Science bieten. Die Kurse werden durch einen Server für Jupyter-Notebooks unterstützt. 

Es gibt kein bevorzugtes Zielpublikum. Obwohl ursprünglich für die Studierenden der Fakultät Wirtschafts- und Sozialwissenschaften (SES) bestimmt, sind die Kurse für andere Fakultäten oder Universitäten offen. 

Die Studierenden erwerben nicht nur Theoriekenntnisse, sondern werden zur Anwendung der im Kurs gezeigten Methoden ausgebildet. 

Der Kurs wird von einem Skript mit der Fachbuchliste begleitet. Die Studierenden finden auch auf der Kursplattform moodle weitere Quellen.