Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage, daten-orientiert in Python zu programmieren, unter Verwendung von SciPy, Numpy und Pandas, die Grundlagen von maschinellen Lernen und Netzwerkanalyse zu erklären und ein Data Science Projekt umtzsetzen.

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 mit Pandas
• Data Science Lösungsansätze und Fallstudien
• Einführung in maschinelles Lernen
• Einführung in Netzwerkanalyse

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 11:00 c.t.-12:45. Vorlesungen im Hauptgebäude HS6.

1. Kickoff-Session, data science process, community, solution examples [Hanbury] (8.10.2019)

2. Introduction to DOPP, text stream processing [Böck] (15.10.2019)

3. Python tutorial [Böck] (22.10.2019)

4. SciPy, NumPy, vectorisation, visualisation, benchmarking [Böck] (29.10.2019)

5. Preprocessing, Pandas [Piroi] (5.11.2019)

6. Intro to Machine Learning [Hanbury] (19.11.2019)

7. Network Analysis [Hanbury] (3.12.2019)
   

Exercise-related sessions

Review meetings for exercise 3: 17.12.2019, 12:00-18:00 (15 minutes for each group) - Meeting Room HC 01 15, Favoritenstraße 9, 1st Floor

Project presentation. 27.1.2020 in Hörsaal 6, 9:00-16:00

Drei praktische Übungen. Die 3. Übung ist anhand von einem Bericht, Jupyter Notebook und Präsentation der Ergebnisse beurteilt.