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

Vorlesungen über die Grundlagen

3 praktische Übungen (Übungen 1 und 2 werden individuell umgesetzt, Übung 3 ist eine Gruppenübung)

Die Link zur online Vorlesung ist auf TUWEL.

Termine

Alle Vorlesungen am Dienstag 12:00 c.t.-13:45.

1. Kickoff-Session, data science process, community, solution examples, Python introduction, Introduction to DOPP (5.10.2021)

2. Data wrangling on the command line, Text stream processing (12.10.2021)

3. SciPy, NumPy, vectorisation, visualisation, benchmarking (19.10.2021)

4. Preprocessing, Pandas (9.11.2021)

5. Data suitability, Data biases (16.11.2021)

6. Intro to Machine Learning (23.11.2021)

7. Network Analysis (30.11.2021)
   

Exercise-related sessions

Review meetings for exercise 3 (15 minutes for each group):

• 14.12.2021, 9:00-16:00
• 15.12.2021, 9:00-16:00

Project presentation: 25.1.2022, 9:00-18:00

Aufwand:

Python tutorial: 4h
Lectures: 7 sessions @ 2h: 14h
Exercises:
    EX1 (data wrangling): 8h
    EX2 (pandas + sklearn): 12h
    EX3 (project): 37h [includes review meeting (topic + questions + work plan)]
SUM: 75h

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