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:
Drei praktische Übungen sind Teil vom Kurs.
Aufwand:
Python tutorial: 4hLectures: 7 sessions @ 2h: 14hExercises: EX1 (OO vs. DO): 5h EX2 (pandas + sklearn): 10h EX3 (project): 42h [includes review meeting (topic + questions + work plan)]SUM: 75h
Alle Vorlesungen am Dienstag 11:30st-13:00. Vorlesungen im Hauptgebäude HS6.
Kickoff-Session, data science process, community, solution examples [Hanbury] (9.10)
Python tutorial [Böck] (23.10)
SciPy, NumPy, vectorisation, visualisation, benchmarking [Böck] (30.10)
Preprocessing, Pandas [Kiesling] (6.11)
Intro to Machine Learning/sklearn [Hanbury] (13.11)
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.