inf040 - Einführung in Data Science (Vollständige Modulbeschreibung)

Grundlagen von Datenbanken, Python-Programmierung und Statistik

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

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).

• The Data Science Design Manual (Seven Kiena, 2017)
• Invisible Women: Data Bias in a World Designed for Men (Caroline Criado-Perez, 2019)

Am Ende der Vorlesungszeit bzw. nach Absprache mit dem Lehrenden

Klausur oder mündliche Prüfung oder Portfolio oder Projekt oder fachpraktische Übung