IT-Systems Engineering

Die Modellierung gehört zu den Kernaufgaben der Informatik. Sie stellt eine wesentliche Arbeitsmethode dar, die in allen Gebieten des Faches breite Anwendung findet. Probleme, seien sie das Verstehen oder Gestalten von Systemen, Lösen von Aufgaben, oder Strukturieren von Information,  werden häufig als Ganzes oder in Teilaspekten modelliert. Somit führt die Modellierung häufig zu einem besseren Verständnis desselben, was wiederum Voraussetzung für eine adäquate Lösung des Problems ist.

Modellierung ist ein essentieller Schritt zum Verstehen eines Problems und ermöglicht das Kommunizieren über das Problem. Sie liefert ein gedankliches Hilfsmittel zum Gestalten, Bewerten oder Kritisieren einer geplanten Lösung oder der Anforderungen an eine Lösung. Die bei der Modellierung gewonnenen Einblicke liefern darüber hinaus auch den Schlüssel für einen systematischen Entwurf. Deswegen werden Probleme modelliert, bevor man versucht sie oder Teile von ihnen durch den Entwurf von Software, Algorithmen, Daten und/oder Hardware zu lösen bzw. zu implementieren.


This course teaches (i) basic epidemiological concepts and (ii) biostatistical methods and their application for data analysis of large epidemiological datasets using the statistical software R (www.r-project.org) and the graphical interface RStudio (www.rstudio.com). To this aim, the class starts with an introduction to R and RStudio. R Markdown will be used as a tool for documentation and reporting of the analysis results. Next, the class covers data processing steps and introduces epidemiological study designs as well as theoretical and practical aspects of basic and more advanced biostatistical methods. In addition to classical biostatistical approaches such as linear and linear mixed models, newer methods how to deal with missing values, how to perform meta analyses, and for causal inference will be discussed and applied.

General Information

  • Lecturer: Dr. Stefan Konigorski (stefan.konigorski@hpi.de)
  • SWS: 4+2
  • ECTS: 6
  • Graded: Yes
  • Enrolment Deadline: 01.10. - 31.10.2022
  • Enrolment Type: Compulsory Elective Module
  • Course Language: English 

Content

  • Introduction to R, RStudio
  • Documentation and report writing using R Markdown
  • Data setup: create, import, export datasets in R
  • Format datasets in R: transform variables and manipulate datasets
  • Descriptive statistics
  • Tables and graphics to visualize data and results
  • Epidemiological study designs and study planning
  • Introduction to statistical parameter estimation and hypothesis testing
  • Statistical methods for dealing with missing values
  • Linear & logistic regression models
  • Linear mixed models for the analysis of clustered and longitudinal data
  • Meta analysis
  • Survival analysis
  • Statistical methods for causal inference

Learning goals

At the end of the course, the students will be able to

  • understand the main concepts of basic and more advanced biostatistical methods and select appropriate methods for data analysis of epidemiological studies
  • import and manipulate datasets in R for statistical analysis
  • perform the data analysis in R considering measurement error and missing values
  • document the analysis and report the results using R Markdown.

Teaching form

  • Lectures (via zoom) with interactive practical exercises in R
  • Video snippets (provided asynchronously) with additional information on the lecture content
  • Tutorials with discussion of homework

Prerequisites

Laptop with R and RStudio installation:

Condition for admission to final exam

  • Hand in solutions to 9 of the 11 weekly assignments

Final grade

Important

  • Please enrol to the course here on Moodle to obtain the zoom link for the lectures, or send an email to Stefan Konigorski


Die Veranstaltung "Complex Event Processing" (CEP) vertieft praktische Aspekte des Business Process Management. Während der Fokus der Veranstaltung "Prozessorientierte Informationssysteme" (POIS) auf der Modellierung von Prozessen und deren Gewinnung aus Daten/Ereignissen liegt, widmet sich CEP der Frage, wie diese Ereignisse zu Stande kommen und wie sie effizient und nützlich verarbeitet werden können.

Neben der Diskussion von generellen Konzepten, sieht die Vorlesung auch die praktische Umsetzung von Ereignisverabeitungs-Ansätzen anhand verschiedener Sprachen und Tools in den Übungen vor.