Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage

• den Einsatz von visueller Datenanalyse im Data Science Workflow zu verstehen,
• verschiedene Techniken aus der Visualisierung und visuellen Analytik für die explorative Datenanalyse einzusetzen,
• verschiedene Techniken aus der Visualisierung und visuellen Analytik für die Präsentation von Ergebnissen einzusetzen,
• Techniken aus dem Bereich Human-Computer-Interaction (HCI) und Wahrnehmung zu verwenden um Visualisierungen zu verbessern, und
• die Unterschiede zwischen verschiedenen aktuellen Softwarebibliotheken und Anwendungen zu verstehen.

Der Vorlesungsteil beinhaltet eine theoretische Einführung in die Visualisierung, Visual Analytics, und ihre Anwendung in verschiedenen Programmierumgebungen und Applikationen. Dies beinhaltet unter anderem eine Vorstellung aktueller Visualisierungslösungen für verschiedene Data Science Bereiche.
Der Übungsteil basiert auf den verschiedenen Stufen einer Datenanalyse-Pipeline (Discover, Wrangle, Profile, Model, und Report). Anhand von praktischen Beispielen wird die Anwendung von visuellen Tools in jedem Schritt der Pipeline ausprobiert.

Vorlesungsteil: Vortrag mit Folien (hybrid), Lösen von Aufgaben im TUWEL
Übungsteil: Programmierbeispiele, Erstellen von Reports, Präsentationsvideo

ECTS-Breakdown: 3 ECTS = 75 Arbeitsstunden, davon
  55 Arbeitsstunden (73%) Übungsteil, und
  20 Arbeitsstunden (27%) Vorlesungsteil

Im Ganzen können durch die Kombination von Vorlesungs- und Übungsteil für die Lehrveranstaltung 100 Punkte erreicht werden. Die Studierenden entscheiden dabei selbst in welchen Bereichen sie wieviele Punkte erreichen möchten. Am Schluss bestimmt die Anzahl der Punkte die Note.

Die Anmeldung zur LVA kann über TISS oder TUWEL erfolgen.

• Data Science Grundlagen (statistische Analyse, Regression, Modellierung)
• Programmierkenntnisse (z.B. Python, R)
• Basiswissen über Visualisierung von Vorteil