inf040 - Einführung in Data Science (Veranstaltungsübersicht)

inf040 - Einführung in Data Science (Veranstaltungsübersicht)

Department für Informatik 6 KP
Modulteile Semesterveranstaltungen Sommersemester 2024 Prüfungsleistung
Vorlesung
  • Uneingeschränkter Zugang 2.01.040 - Data Science I Lehrende anzeigen
    • Prof. Dr. Wolfram Wingerath

    Dienstag: 16:00 - 18:00, wöchentlich (ab 02.04.2024)
    Donnerstag: 16:00 - 18:00, wöchentlich (ab 11.04.2024)
    Data Science is an interdisciplinary science at the intersection of statistics, machine learning, data visualization, and mathematical modeling. This course is designed to provide a practical introduction to the field of Data Science by teaching theoretical principles while also applying them practically. Topics covered range from data collection and preparation (data sources & formats, data cleaning, data bias), mathematical foundations (statistical distributions, correlation analysis, significance) and methods for visualization (tables & plots, histograms, best practices) to the development of models for classifying or predicting values (linear regression, classification, clustering).
Übung
  • Uneingeschränkter Zugang 2.01.040 - Data Science I Lehrende anzeigen
    • Prof. Dr. Wolfram Wingerath

    Dienstag: 16:00 - 18:00, wöchentlich (ab 02.04.2024)
    Donnerstag: 16:00 - 18:00, wöchentlich (ab 11.04.2024)
    Data Science is an interdisciplinary science at the intersection of statistics, machine learning, data visualization, and mathematical modeling. This course is designed to provide a practical introduction to the field of Data Science by teaching theoretical principles while also applying them practically. Topics covered range from data collection and preparation (data sources & formats, data cleaning, data bias), mathematical foundations (statistical distributions, correlation analysis, significance) and methods for visualization (tables & plots, histograms, best practices) to the development of models for classifying or predicting values (linear regression, classification, clustering).
Hinweise zum Modul
Teilnahmevoraussetzungen

Grundlagen von Datenbanken, Python-Programmierung und Statistik
Prüfungszeiten

Am Ende der Vorlesungszeit bzw. nach Absprache mit dem Lehrenden
Prüfungsleistung Modul

Klausur oder mündliche Prüfung oder Portfolio oder Projekt oder fachpraktische Übung
Kompetenzziele

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