pb379 - Data Science with Python (Vollständige Modulbeschreibung)

pb379 - Data Science with Python (Vollständige Modulbeschreibung)

Originalfassung Englisch PDF Download
Modulbezeichnung Data Science with Python
Modulkürzel pb379
Kreditpunkte 6.0 KP
Workload 180 h
Einrichtungsverzeichnis Institut für Biologie und Umweltwissenschaften (IBU)
Verwendbarkeit des Moduls
  • Fach-Bachelor Betriebswirtschaftslehre mit juristischem Schwerpunkt (Bachelor) > Professionalisierungsbereich
  • Fach-Bachelor Biologie (Bachelor) > Professionalisierungsbereich
  • Fach-Bachelor Chemie (Bachelor) > Professionalisierungsbereich
  • Fach-Bachelor Comparative and European Law (Bachelor) > Professionalisierungsbereich
  • Fach-Bachelor Engineering Physics (Bachelor) > Professionalisierungsbereich
  • Fach-Bachelor Informatik (Bachelor) > Professionalisierungsbereich
  • Fach-Bachelor Mathematik (Bachelor) > Professionalisierungsbereich
  • Fach-Bachelor Nachhaltigkeitsökonomik (Bachelor) > Professionalisierungsbereich
  • Fach-Bachelor Pädagogik (Bachelor) > Professionalisierungsbereich
  • Fach-Bachelor Pädagogisches Handeln in der Migrationsgesellschaft (Bachelor) > Professionalisierungsbereich
  • Fach-Bachelor Physik, Technik und Medizin (Bachelor) > Professionalisierungsbereich
  • Fach-Bachelor Sozialwissenschaften (Bachelor) > Professionalisierungsbereich
  • Fach-Bachelor Umweltwissenschaften (Bachelor) > Professionalisierungsbereich
  • Fach-Bachelor Wirtschaftsinformatik (Bachelor) > Professionalisierungsbereich
  • Fach-Bachelor Wirtschaftswissenschaften (Bachelor) > Professionalisierungsbereich
  • Professionalisierungsbereich 2FB (Bachelor) > Professionalisierungsbereich Zwei-Fächer-Bachelor außerschulisch
Zuständige Personen
  • Winklhofer, Michael (Modulverantwortung)
Teilnahmevoraussetzungen
Stud.IP Registration
Kompetenzziele
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
Modulinhalte
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
Unterrichtssprache Englisch
Dauer in Semestern 1 Semester
Angebotsrhythmus Modul jährlich
Aufnahmekapazität Modul 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 Kommentar SWS Angebotsrhythmus Workload Präsenz
Vorlesung 4 WiSe 56
Übung 3 WiSe 42
Präsenzzeit Modul insgesamt 98 h
Prüfung Prüfungszeiten Prüfungsform
Gesamtmodul
Nach Ankündigung