Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage rechtliche und ethische Aspekten der Verwendung von Daten zu diskutieren, ein Problem für die Lösung durch Data Science-Ansätze zu formulieren, rigorose Data Science Experimente zu entwerfen und die Ergebnisse von komplexen Datenanalysen zu interpretieren.
Die folgende Themen werden in den Vorlesungen behandelt:
- Einführung in Data Science
- Daten und der Daten Life Cycle
- Konzeptuelle Entwurf von Experimenten
- Workflow Paradigmen
- Daten Management, Reproduzierbarkeit und Nachverfolgbarkeit
- Fehler Analyse und statistische Tests
- Fortgeschrittene Entwurf von Experimenten
Zwei praktische Übungen sind Teil vom Kurs.
Aufwand:
9 2-Stunden Vorlesungen: 18h
Übungsbeispiel 1: 15h
Übungsbeispiel 2 (inkl. Präsentation): 25h
Vorbereitung Prüfung: 16h
Prüfung: 1h
SUMME: 75h
Termine
(alle EI8, Do, 14-16h c.t.)
BLOCK 1
3.10.2019 Introduction to data science - data science process -Hanbury
10.10.2019 Data and the data lifecycle, ethical and legal aspects -Hanbury
BLOCK 2
17.10.2019 Conceptual Experiment Design 1: Planning and Execution of Experiments, hypotheses, ML basics -Knees
24.10.2019 Conceptual Experiment Design 2: Planning and Execution of Experiments, hypotheses, ML basics -Knees
Exercise 1: Design an experimental workflow for a given dataset
31.10.2019 Workflow paradigms and environments -Schindler, Knees
BLOCK 3
14.11.2019 Experiment Error Analysis and Statistical Testing 1 -Knees
21.11.2019 Experiment Error Analysis and Statistical Testing 2 -Knees
5.12.2019 Reproducibility and traceability 1 - Rauber
12.12.2019 Reproducibility and traceability 2 - Rauber
Exercise 2 (in groups): Reproduce experimental results from a paper
16.1.2020 Group Presentations of Exercise 2
23.1.2020 Written Exam
19.3.2020 Exam repeat
