Diese Lehrveranstaltung vermittelt die grundlegende Programmieransätze in Data Science. Der Schwerpunkt liegt auf Computational Thinking, die Formulierung von Problemen und ihre Lösungsformen, sodass ein Computer sie ausführen können. Methoden für die Erhöhung der Effizienz der Lösungen werden auch besprochen. Fallbeispiele zeigen die praktische Umsetzung von Data Science Lösungen.

Die folgende Themen werden in den Vorlesungen behandelt:

• Einführung in Data-Oriented programming Paradigms
• Python
• SciPy, NumPy, Vectorisierung, execution performance measurement
• Daten Vorbereitung, Strukturierung, Fusionierung
• Data Science Lösungsansätze und Fallstudien
• Einführung in Netzwerkanalyse

Drei praktische Übungen sind Teil vom Kurs.

Aufwand:

Python tutorial: 4h
Lectures: 7 sessions @ 2h: 14h
Exercises:
    EX1 (OO vs. DO): 5h
    EX2 (pandas + sklearn): 10h
    EX3 (project): 42h [includes review meeting (topic + questions + work plan)]
SUM: 75h

Termine

Alle Vorlesungen am Dienstag 11:30st-13:00. Vorlesungen im Hauptgebäude HS6.

1. Kickoff-Session, data science process, community, solution examples [Hanbury] (9.10)

2. Introduction to DOPP, text stream processing [Böck] (16.10)
   

3. Python tutorial [Böck] (23.10)

4. SciPy, NumPy, vectorisation, visualisation, benchmarking [Böck] (30.10)

5. Preprocessing, Pandas [Kiesling] (6.11)

6. Intro to Machine Learning/sklearn [Hanbury] (13.11)

7. Network Analysis [Hanbury] (27.11)
   

Exercise-related sessions

Review meetings for exercise 3. 18.12.2018, 14:00-18:00 (15 minutes for each group)

Project presentation. 21.1.2019 in Hörsaal 6, 9:00-16:00

Kickoff-Session, data science process, community, solution examples

Ex1, Ex2: 1..100 points. Minimum 35.

Grade=0.25*Ex1+0.75*Ex2. Minimum 50.