188.995 Datenorientierte Programmierparadigmen
Diese Lehrveranstaltung ist in allen zugeordneten Curricula Teil der STEOP.
Diese Lehrveranstaltung ist in mindestens einem zugeordneten Curriculum Teil der STEOP.

2022W, VU, 2.0h, 3.0EC
  • TUWEL Online-Kurs verfügbar ab: 03.10.2022 00:00.

Merkmale

  • Semesterwochenstunden: 2.0
  • ECTS: 3.0
  • Typ: VU Vorlesung mit Übung
  • Format der Abhaltung: Hybrid

Lernergebnisse

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.

Inhalt der Lehrveranstaltung

Die folgende Themen werden in den Vorlesungen behandelt:

  • Einführung in praktische Data Science
  • SciPy, NumPy, Vectorisierung, execution performance measurement
  • Daten Vorbereitung, Strukturierung, Fusionierung mit Pandas
  • Data Science Lösungsansätze und Fallstudien
  • Einführung in maschinelles Lernen
  • Einführung in Netzwerkanalyse

Methoden

Vorlesungen über die Grundlagen

2 praktische Übungen (Übung 1 wird individuell umgesetzt, Übung 2 ist eine Gruppenübung)

Prüfungsmodus

Prüfungsimmanent

Weitere Informationen

Die Vorlesungen sind online. Die Link zur online Vorlesung ist auf TUWEL.

Alle andere Termine finden in Präsenz statt (falls sie wegen der Pandemie online stattfinden müssen, werden eine entsprechende Ankündigung gemacht).

 

Termine

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

  1. Kickoff-Session, data science process, community, solution examples, introduction to DOPP (4.10.2022)

  2. SciPy, NumPy, vectorisation, visualisation, benchmarking (11.10.2022)

  3. Preprocessing, Pandas (18.10.2022)

  4. Intro to Machine Learning (25.10.2022)

  5. Network Analysis (8.11.2022)

  6. Introduction to Text Processing (22.11.2022)
  7. Data suitability, Data biases (29.11.2022)

Exercise-related sessions

Review meetings for exercise 2 (15 minutes for each group):

  • 13.12.2022, 9:00-16:00
  • 14.12.2022, 9:00-16:00

Exercise 2 Sprechstunden in EI11 zu den üblichen Vorlesungszeiten (freiwillig):

  • 20.12.2022
  • 10.1.2023
  • 17.1.2023

Project presentation: 24.1.2023, 9:00-18:00


Aufwand:

Python test: 3h
Lectures: 7 sessions @ 2h: 14h

Exercises:
    EX1 (data science process): 22h
    EX2 (project): 36h [includes review meeting (topic + questions + work plan)]

SUM: 75h



Vortragende Personen

Institut

LVA Termine

TagZeitDatumOrtBeschreibung
Di.12:00 - 14:0004.10.2022 - 24.01.2023 OnlineVorlesungen
Di.18:00 - 20:0011.10.2022FH Hörsaal 5 - TPH Python Test
Di.18:00 - 20:0011.10.2022EI 7 Hörsaal - ETIT Python Test
Mo.14:00 - 16:0017.10.2022EI 7 Hörsaal - ETIT Python test 2
Mo.14:00 - 16:0017.10.2022FH 8 Nöbauer HS - MATH Python test 2
Di.09:00 - 16:0013.12.2022 Besprechungen mit Gruppen
Di.12:00 - 14:0020.12.2022 - 17.01.2023EI 11 Geodäsie HS - GEO Ex 2 Consultation Session
Di.09:00 - 18:0024.01.2023FAV Hörsaal 3 Zemanek (Seminarraum Zemanek) Präsentationen
Di.09:00 - 18:0024.01.2023FAV Hörsaal 2 Präsentationen
Di.09:00 - 18:0024.01.2023Seminarraum FAV EG B (Seminarraum von Neumann) Präsentationen
Datenorientierte Programmierparadigmen - Einzeltermine
TagDatumZeitOrtBeschreibung
Di.04.10.202212:00 - 14:00 OnlineVorlesungen
Di.11.10.202212:00 - 14:00 OnlineVorlesungen
Di.11.10.202218:00 - 20:00FH Hörsaal 5 - TPH Python Test
Di.11.10.202218:00 - 20:00EI 7 Hörsaal - ETIT Python Test
Mo.17.10.202214:00 - 16:00EI 7 Hörsaal - ETIT Python test 2
Mo.17.10.202214:00 - 16:00FH 8 Nöbauer HS - MATH Python test 2
Di.18.10.202212:00 - 14:00 OnlineVorlesungen
Di.25.10.202212:00 - 14:00 OnlineVorlesungen
Di.08.11.202212:00 - 14:00 OnlineVorlesungen
Di.22.11.202212:00 - 14:00 OnlineVorlesungen
Di.29.11.202212:00 - 14:00 OnlineVorlesungen
Di.06.12.202212:00 - 14:00 OnlineVorlesungen
Di.13.12.202209:00 - 16:00 Besprechungen mit Gruppen
Di.13.12.202212:00 - 14:00 OnlineVorlesungen
Di.20.12.202212:00 - 14:00EI 11 Geodäsie HS - GEO Ex 2 Consultation Session
Di.20.12.202212:00 - 14:00 OnlineVorlesungen
Di.10.01.202312:00 - 14:00EI 11 Geodäsie HS - GEO Ex 2 Consultation Session
Di.10.01.202312:00 - 14:00 OnlineVorlesungen
Di.17.01.202312:00 - 14:00EI 11 Geodäsie HS - GEO Ex 2 Consultation Session
Di.17.01.202312:00 - 14:00 OnlineVorlesungen

Leistungsnachweis

Die Python Prüfung am Anfang muss bestanden werden, um die LVA erfolgreich abschließen zu können. Unterstützung dafür ist vorhanden - Details im Abschnitt "Vorkenntnisse". Die Selbsteinschätzung ist ein guter Indikator dafür, was Sie für die Prüfung wissen müssen. Beachten Sie, dass nur einer der beiden angebotenen Python-Tests abgelegt werden muss.

Zwei praktische Übungen. Die 2. Übung ist anhand von einem Bericht, Jupyter Notebook und Präsentation der Ergebnisse beurteilt.

LVA-Anmeldung

Von Bis Abmeldung bis
06.09.2022 15:30 07.11.2022 23:00 18.11.2022 23:55

Curricula

StudienkennzahlSemesterAnm.Bed.Info
045 006 Digitale Kompetenzen STEOP
Lehrveranstaltung erfordert die Erfüllung der Studieneingangs- und Orientierungsphase STEOP
066 645 Data Science
066 645 Data Science
066 646 Computational Science and Engineering
066 926 Business Informatics
175 FW Freie Wahlfächer - Wirtschaftsinformatik
880 FW Freie Wahlfächer - Informatik

Literatur

Es wird kein Skriptum zur Lehrveranstaltung angeboten.

Vorkenntnisse

Grundlegende Kenntnisse in der Programmierung mit Python werden für diese Vorlesung vorausgesetzt. Eine Selbsteinschätzung ist vorhanden: https://github.com/tuw-python/tuw-python-2022WS/blob/main/self_assessment.ipynb

Um die erforderlichen Python-Kenntnisse zu erreichen, kann der einwöchige Intensivkurs "194.123 Programmieren in Python" besucht werden. Die Unterlagen für diesen Kurs stehen allen zur Verfügung und können auch ohne Teilnahme am Kurs durchgearbeitet werden.

Zu Beginn des Kurses wird ein Python-Kenntnistest durchgeführt. Das Bestehen dieses Tests ist Voraussetzung für das Bestehen des Kurses. Das Nichtbestehen des Python-Tests bedeutet, dass Sie den Kurs nicht fortsetzen können, führt aber nicht zu einen negativen Zeugnis für den gesamten Kurs.

 

 

Vorausgehende Lehrveranstaltungen

Begleitende Lehrveranstaltungen

Sprache

Englisch