Website
Modulhandbuch WS 2016/17 bis WS 2018/19

Modul CS1800-KP04

Einführung in Web und Data Science (EinfWebDat)

Dauer:


1 Semester
Angebotsturnus:


Jedes Wintersemester
Leistungspunkte:


4 (Typ B)
Studiengang, Fachgebiet und Fachsemester:
  • Bachelor IT-Sicherheit 2016 (Wahlpflicht), fächerübergreifend, Beliebiges Fachsemester
  • Bachelor Informatik 2019 (Pflicht), Kanonische Vertiefung Web und Data Science, 1. Fachsemester
  • Bachelor Informatik 2019 (Wahlpflicht), Einführungsveranstaltung Informatik, 1. Fachsemester
  • Bachelor Informatik 2016 (Pflicht), Kanonische Vertiefung Web und Data Science, 1. Fachsemester
  • Bachelor Informatik 2016 (Wahlpflicht), Einführungsveranstaltung Informatik, 1. Fachsemester
Lehrveranstaltungen:
  • CS1800-Ü: Einführung in Web und Data Science (Übung, 1 SWS)
  • CS1800-V: Einführung in Web und Data Science (Vorlesung, 2 SWS)
Workload:
  • 20 Stunden Prüfungsvorbereitung
  • 55 Stunden Selbststudium
  • 45 Stunden Präsenzstudium
Lehrinhalte:
  • Klassifikation vs. Regression, parametrisches und nicht-parametrisches überwachtes Lernen
  • Netze aus differenzierbaren Modulen (
  • Häufungsanalysen, Warenkorbanalyse, Empfehlungen
  • Statistische Grundlagen: Stichproben, optimale Schätzer, Verteilung, Dichte, kumulative Verteilung, Skalen: Nominal-, Ordinal-, Intervall- und Verhältnisskala, Hypothesentests, Konfidenzintervalle, Pearson-Korrelationskoeffizient
  • Stochastische Grundlagen, Bayessche Netze zur Spezifikation von diskreten Verteilungen, Anfragen, Anfragebeantwortungsalgorithmen, Lernverfahren für Bayessche Netze bei vollständigen Daten
  • Induktives Lernen: Versionsraum, Informationstheorie, Entscheidungsbäume, Lernen von Regeln
  • Ensemble-Methoden, Bagging, Boosting, Random Forests
  • Clusterbildung, K-Means, Analyse der Variation (Analysis of Variation, ANOVA), t-Test, Inter-Cluster-Variation, Intra-Cluster-Variation, F-Statistik, Bonferroni-Korrektur, MANOVA
  • Analyse Sozialer Strukturen
  • Deep Learning, Embedding Spaces
Qualifikationsziele/Kompetenzen:
  • Für alle in den Lehrinhalten unter der Spiegelstrichen genannten Themen können die Studierenden die zentralen Ideen benennen, die jeweils relevanten Begriffe definieren und die Funktionsweise von Algorithmen anhand von Anwendungsbeispielen erläutern.
Vergabe von Leistungspunkten und Benotung durch:
  • Klausur
Modulverantwortlicher:
Lehrende:
Literatur:
  • J. Stanton: An Introduction to Data Science - Syracuse University, 2013
  • Chr. Manning, P. Raghavan, H. Schütze: An Introduction to Information Retrieval - Online edition, Cambridge, UK, 2009
  • M. Welling: A First Encounter with Machine Learning - 2011
Sprache:
  • Wird nur auf Deutsch angeboten
Bemerkungen:

Zulassungsvoraussetzungen zur Belegung des Moduls:
- Keine

Zulassungsvoraussetzungen zur Teilnahme an Modul-Prüfung(en):
- Erfolgreiche Bearbeitung von Übungsaufgaben gemäß Vorgabe am Semesteranfang

Modulprüfung(en):
- CS1800-L1: Einführung in Web und Data Science, Klausur, 90min, 100% der (nicht vorhandenen) Modulnote

Letzte Änderung:
22.2.2024

Modulhandbuch online

Zur Liste aller Module

Modulhandbuch als PDF