Modulname |
Einführung in die Methoden des Data Science B |
Gebiet |
|
Profil |
Profil Freie Studien
|
CPs |
5 CP |
Campus |
Hier geht
es zum Vorlesungsverzeichnis |
Voraussetzungen |
Voraussetzung für die Teilnahme ist ein mathematisches Vorwissen auf dem Niveau der Mathematik-Vorlesungen für eines der ingenieur- oder naturwissenschaftlichen Fächer. |
Besonderheiten |
Beginn: 7.10.2024 um 09:00 Uhr mit einer Vorbesprechung Die Veranstaltung findet voraussichtlich in Zoom und bei Anwesenheit von nicht deutschsprachigen Teilnehmern in englischer Sprache statt. Beachten Sie die Hinweise im Moodle-Kurs zur Veranstaltung, in dem Sie sich vom voraussichtlich von 1.9.2024-14.10.2024 ohne Kennwort anmelden können. Maximale Teilnehmerzahl: 15 |
Blockseminar |
Nein |
Vorkenntnisse |
Ein mathematisches Vorwissen auf dem Niveau der Mathematik-Vorlesungen für eines der ingenieur- oder naturwissenschaftlichen Fächer. |
Veranstaltungszeit |
Montag 08:15 - 10:30, Montag 11:30 - 13:45 |
Dozenten |
Nicolai Bissantz |
Arbeitsaufwand |
Kriterium für den Leistungsnachweis ist die Bearbeitung von Übungsaufgaben in der Veranstaltung und die Auswertung eines Datensatzes mit Vorstellung der Ergebnisse in einem kurzen Vortrag. |
Literatur |
Wird in der ersten Veranstaltung bekannt gegeben. Es werden Folien bzw. Skript zur Vorlesung in Moodle zur Verfügung gestellt. |
Modulteil |
[150293] Praktische Übungen zu Einführung in die Methoden des Data Science - WS 24/25, [] Praktische Übungen zu Einführung in die Methoden des Data Science Teil B - WS 24/25, [150292] Einführung in die Methoden des Data Science - WS 24/25, [150295] Einführung in die Methoden des Data Science B - WS 24/25 |
Modultyp |
|
Modulanbieter |
Fakultät für Mathematik |
Inhalt |
Anrechenbarkeit: Als Masterveranstaltung: Pflichtveranstaltung im Masterschwerpunkt Data Science und im Masterstudiengang Data Science der Fakultät für Mathematik mit 9CP Als Bachelorveranstaltung: Als Modul 5 als Statistikpraktikum mit 10 CP des 1-Fach B.Sc.-Studiengangs Mathematik Als Modul 10 mit 10 CP des 1-Fach B.Sc.-Studiengangs Mathematik wenn beabsichtigt ist, die Bachelorarbeit in der Stochastik, Statistik oder Informatik zu schreiben. Teil A oder Teil B im 2-Fach B.A. Mathematik mit 5CP als Seminar. Als Optionalbereichsveranstaltung: Teil A und Teil B jeweils mit 5CP. Auch beide Teile können besucht werden, so daß dann 5+5 CP erreicht werden können. Besonders geeignet für Masterstudierende und Doktoranden aus den MINT-Fächern, die sich auch für einen tieferen Einblick in die algorithmischen Verfahren der Statistik bzw. des statistischen Lernens interessieren. Voraussetzung für die Teilnahme ist ein mathematisches Vorwissen auf dem Niveau der Mathematik-Vorlesungen für eines der ingenieur- oder naturwissenschaftlichen Fächer. Für den Optionalbereich stehen 5 Plätze zur Verfügung. Andere Studierende wenden sich bitte an den Dozenten für Rückfragen zur Belegung des |
Lernziele |
Die Veranstaltung besteht aus zwei Teilen: Teil A (erste 7 Wochen des Semesters) behandelt die angewandten Statistik, insbesondere deskriptive Statistik, statistische Tests und Modellbildung und die Umsetzung in der Software R, Teil B (Rest des Semesters) statistisches und maschinelles Lernen und die Umsetzung in Python. Es ist auch möglich, nur Teil A bzw. B als Veranstaltung mit 2 SWS Vorlesung und 1 SWS Übung zu besuchen. Bei erfolgreicher Teilnahme erhalten Sie dafür jeweils einen in der Regel unbenoteten Leistungsnachweis mit 5CP in ecampus. Kriterium für den Leistungsnachweis ist die regelmäßige aktive Teilnahme an den in der Veranstaltung integrierten bzw. dazu angebotenen Übungen zur Veranstaltung mit aktiver Teilnahme am wissenschaftlichen Diskurs über die dort gestellten Datenprobleme. Außerdem muß in Teil A ein Datensatz ausgewertet und in einem kurzen Vortrag vorgestellt werden und in Teil B ein Vortrag in dem in die Veranstaltung integrierten Seminar gehalten werden. Teilnehmer in der Bachelorphase können Ihre Vorträge ausnahmsweise in Absprache mit dem Dozenten im Einzelfall auch in Deutsch oder Alemannisch gehalten werden. |