inf040 Einführung in Data Science (Complete module description)

Module label	Einführung in Data Science
Modulkürzel	inf040
Credit points	6.0 KP
Workload	180 h
Verwendbarkeit des Moduls	Erweiterungsfach Gymnasium Informatik > Informatik Fach-Bachelor Informatik > Akzentsetzungsbereich - Wahlbereich Informatik Fach-Bachelor Nachhaltigkeitsökonomik > Wahlpflichtbereich Fach-Bachelor Wirtschaftsinformatik > Akzentsetzungsbereich Praktische Informatik und Angewandte Informatik Master Applied Economics and Data Science > Data Science more... Master Data Science and Machine Learning > Kernbereich Pflichtmodule Master Informatik > Praktische Informatik Master of Education (Gymnasium) Informatik > Wahlpflichtmodule (Praktische Informatik) Master of Education (Gymnasium) Informatik > Wahlpflichtmodule (Theoretische Informatik) Master of Education (Haupt- und Realschule) Informatik > Mastermodule Master of Education (Wirtschaftspädagogik) Informatik > Akzentsetzungsbereich
Zuständige Personen	Wingerath, Wolfram (module responsibility) Lehrenden, Die im Modul (Prüfungsberechtigt)
Prerequisites	Grundlagen von Datenbanken, Python-Programmierung und Statistik
Skills to be acquired in this module	Das Modul vermittelt Grundlagen aus dem Bereich Data Science und behandelt dabei Einsatzzwecke, Herausforderungen und übliche Best Practices. Fachkompetenzen Die Studierenden: verfügen über Kenntnisse zu grundlegenden Konzepten, Problemstellungen und Lösungsansätzen aus dem Bereich Data Science können die Wahl konkreter Datenanalyseverfahren für eine gegebene Problemstellung begründen beziehen in die Bewertung von Analyseergebnissen mögliche Unwägbarkeiten bei der Analyse mit ein Methodenkompetenzen Die Studierenden: können Fragestellungen aus einer konkreten Domäne in eine durchführbare Analyse übertragen bearbeiten Data Science-Aufgabenstellungen und erweitern hierbei ihr Verständnis zu den verschiedenen Ansätzen und Methoden planen zeitliche Abläufe und andere Ressourcen Sozialkompetenzen Die Studierenden: diskutieren Lösungsansätze und aufgetretene Probleme in kleineren und größeren Gruppen Selbstkompetenzen Die Studierenden: reflektieren ihr Handeln beim Identifizieren von Lösungsansätzen und hinterfragen die eigenen Ergebnisse kritisch
Module contents	Data Science ist eine interdisziplinäre Wissenschaft an der Schnittstelle zwischen Statistik, maschinellem Lernen, Datenvisualisierung und mathematischer Modellierung. Diese Veranstaltung soll eine praktische Einführung in das Gebiet Data Science bieten, indem theoretische Grundlagen vermittelt und gleichzeitig auch praktisch angewendet werden. Das Spektrum der behandelten Themen reicht von der Datensammlung und -vorbereitung (Datenquellen & -formate, Data Cleaning, Data Bias) über die mathematischen Grundlagen (statistische Verteilungen, Korrelationsanalyse, Signifikanz) und Methoden zur Visualisierung (Tabellen & Plots, Histogramme, Best Practices) bis zur Entwicklung von Modellen zur Klassifizierung oder Prognose von Werten (lineare Regression,Klassifizierung, Clustering).
Literaturempfehlungen	The Data Science Design Manual (Seven Kiena, 2017) Invisible Women: Data Bias in a World Designed for Men (Caroline Criado-Perez, 2019)
Links
Language of instruction	English
Duration (semesters)	1 Semester
Module frequency	im WiSe
Module capacity	unrestricted
Lehr-/Lernform	V+Ü

Form of instruction	SWS	Frequency	Contact-time workload
Lecture	2	WiSe	28
Exercises	2	WiSe	28
Präsenzzeit Modul insgesamt			56 h

Examination	Prüfungszeiten	Type of examination
Final exam of module	Am Ende der Vorlesungszeit bzw. nach Absprache mit dem Lehrenden