pb379 Data Science with Python (Complete module description)

Module label	Data Science with Python
Modulkürzel	pb379
Credit points	6.0 KP
Workload	180 h
Verwendbarkeit des Moduls	Fach-Bachelor Betriebswirtschaftslehre mit juristischem Schwerpunkt > Professionalisierungsbereich Fach-Bachelor Biologie > Professionalisierungsbereich Fach-Bachelor Chemie > Professionalisierungsbereich Fach-Bachelor Comparative and European Law > Professionalisierungsbereich Fach-Bachelor Engineering Physics > Professionalisierungsbereich more... Fach-Bachelor Informatik > Professionalisierungsbereich Fach-Bachelor Mathematik > Professionalisierungsbereich Fach-Bachelor Nachhaltigkeitsökonomik > Professionalisierungsbereich Fach-Bachelor Pädagogik > Professionalisierungsbereich Fach-Bachelor Pädagogisches Handeln in der Migrationsgesellschaft > Professionalisierungsbereich Fach-Bachelor Physik, Technik und Medizin > Professionalisierungsbereich Fach-Bachelor Sozialwissenschaften > Professionalisierungsbereich Fach-Bachelor Umweltwissenschaften > Professionalisierungsbereich Fach-Bachelor Wirtschaftsinformatik > Professionalisierungsbereich Fach-Bachelor Wirtschaftswissenschaften > Professionalisierungsbereich Professionalisierungsbereich 2FB > Professionalisierungsbereich Zwei-Fächer-Bachelor außerschulisch
Zuständige Personen	Winklhofer, Michael (module responsibility)
Prerequisites	Stud.IP Registration
Skills to be acquired in this module	In-depth understanding of programming concepts in python Ability to write effective scripts for data analysis Application of machine learning for predictive modelling and efficient processing of big data Understanding of concepts of numerical mathematics, Application of python to computer simulation of physical problems
Module contents	Programming concepts in python; scientific modules numpy, scipy etc Machine learning: Regression, decision trees, random forests, neuronal networks Analysis of time series data and noise models Elements of numerical mathematics, numerical solution of differential equations
Literaturempfehlungen	J.Grus, Data Science from Scratch – First principles with python. (O’Reilly) A.Geron, Hands on Machine Learning with scikit-learn and tensor flow (O’Reilly) A. Scopatz & K.D. Huff, Effective Computation in Physics – Field guide to research with Python (O’Reilly)
Links	http://scipy-lectures.org/intro/index.html
Language of instruction	English
Duration (semesters)	1 Semester
Module frequency	jährlich
Module capacity	30
Modulart	Ergänzung/Professionalisierung
Modullevel	PB (Professionalisierungsbereich / Professionalization)
Lehr-/Lernform	Lectures and supervised exercises
Vorkenntnisse	Basic knowledge in mathematics (e.g., algebra, analysis) and physics

Lehrveranstaltungsform	SWS	Frequency	Workload of compulsory attendance
Lecture	4	WiSe	56
Exercises	3	WiSe	42
Präsenzzeit Modul insgesamt			98 h

Examination	Prüfungszeiten	Type of examination
Final exam of module	Nach Ankündigung	Fachpraktische Übungen (max. 12 Programmieraufgaben)