In agricultural and environmental sciences, we
often deal with multidimensional data sets and non-linear relationships. Numerous agricultural decisions, agricultural
and environmental problems require their proper analysis. The statistical
software environment and programming language ‘R’ provides an adequate means to
do so.
In den Agrar- und Umweltwissenschaften haben wir es oft mit multidimensionalen Datensätzen und nichtlinearen Zusammenhängen zu tun. Zahlreiche landwirtschaftliche Entscheidungen, umwelt- und agrarwissenschaftliche Fragestellungen erfordern deren sachgerechte Analyse oder werden durch Tools und Modelle erleichtert, die auf Verfahren der multivariaten Statistik und des maschinellen Lernens basieren.
Das Modul „Werkstatt Datenauswertung II“ bietet eine praktische Einführung in die explorative Datenanalyse, sowie die Datenauswertung mit Methoden der multivariaten Statistik und des maschinellen Lernens.
In den Agrar- und Umweltwissenschaften haben wir es oft mit multidimensionalen Datensätzen und nichtlinearen Zusammenhängen zu tun. Zahlreiche landwirtschaftliche Entscheidungen, umwelt- und agrarwissenschaftliche Fragestellungen erfordern deren sachgerechte Analyse oder werden durch Tools und Modelle erleichtert, die auf Verfahren der multivariaten Statistik und des maschinellen Lernens basieren.
Das Modul „Werkstatt Datenauswertung I“ gibt eine Einführung in die Programmierung mit ‚R‘, ein Grundbaustein um Daten auswerten zu können.
In den Agrar- und Umweltwissenschaften haben wir es oft mit multidimensionalen Datensätzen und nichtlinearen Zusammenhängen zu tun. Zahlreiche landwirtschaftliche Entscheidungen, umwelt- und agrarwissenschaftliche Fragestellungen erfordern deren sachgerechte Analyse oder werden durch Tools und Modelle erleichtert, die auf Verfahren der multivariaten Statistik und des maschinellen Lernens basieren.
Das Modul „Methoden der Datenanalyse und ihre Anwendungsfelder“ dient als Eisbrecher um den Zugang zu Methoden der Datenanalyse in den Agrar- und Umweltwissenschaften zu erleichtern.
In den Agrar- und Umweltwissenschaften haben wir es oft mit multidimensionalen Datensätzen und nichtlinearen Zusammenhängen zu tun. Zahlreiche landwirtschaftliche Entscheidungen, umwelt- und agrarwissenschaftliche Fragestellungen erfordern deren sachgerechte Analyse oder werden durch Tools und Modelle erleichtert, die auf Verfahren der multivariaten Statistik und des maschinellen Lernens basieren.
Das Modul „Data Science und Modellierung im Themenkomplex Agrarlandschaften“ gibt eine Einführung.
In den Agrar- und Umweltwissenschaften haben wir es oft mit multidimensionalen Datensätzen und nichtlinearen Zusammenhängen zu tun. Zahlreiche landwirtschaftliche Entscheidungen, umwelt- und agrarwissenschaftliche Fragestellungen erfordern deren sachgerechte Analyse oder werden durch Tools und Modelle erleichtert, die auf Verfahren der multivariaten Statistik und des maschinellen Lernens basieren.
Das Modul „Einführung in das Datenmanagement mit PostgreSQL“ ist ein wichtiger Grundbaustein für die Arbeit mit großen und komplexen Datensätzen.
In den Agrar- und Umweltwissenschaften haben wir es oft mit multidimensionalen Datensätzen und nichtlinearen Zusammenhängen zu tun. Zahlreiche landwirtschaftliche Entscheidungen, umwelt- und agrarwissenschaftliche Fragestellungen erfordern deren sachgerechte Analyse oder werden durch Tools und Modelle erleichtert, die auf Verfahren der multivariaten Statistik und des maschinellen Lernens basieren.
Das Modul „Pedometrics – Sensorik, Datenauswertung und Modellierung“ gibt einen Einblick in das Forschungsgebiet Pedometrics, das an der Schnittstelle von Bodenforschung, Data Science und Geoinformatik angesiedelt ist. Untersuchungsgegenstand ist die räumlich-zeitliche Variabilität der Pedosphäre und deren Interaktion mit der Biosphäre, Atmosphäre und Hydrosphäre. Dies betrifft die Variabilität innerhalb eines landwirtschaftlichen Schlages im Kontext Precision Farming ebenso wie die Variabilität auf Landschaftsebene (z.B. im Kontext Landnutzungsplanung).