Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage, Daten in der ausgewählten Spezialisierungsdomäne zu verarbeiten und zu analysieren, geeignete Methoden basierend auf den Datenvoraussetzungen auszuwählen, Methoden auf reale Daten anzuwenden und Lösungen für domänenspezifische Aufgabenstellungen zu entwickeln.

Projekt zu einer domänspezifischen Fragestellung.

Das interdisziplinäre Projekt ist Teil des entsprechenden Moduls im Data Science Curriculum und bildet einen inhaltlichen Block gemeinsam mit der Ringvorlesung 194.046 Interdisciplinary Lecture Series on Data Science, sowie der LVA 194.047 Fachspezifische Lehrveranstaltungen in Data Science. 

Prinzipiell stehen alle in der Ringvorlesung 194.046 Interdisciplinary Lecture Series on Data Science der vergangenen Jahre vorgestellten Themenbereiche / Disziplinen, mit den jeweiligen Vortragenden als Haupt-Betreuer, für das Projekt zur Verfügung.

Die disziplinspezifische LVA, auszuwählen aus der dort angeführten Liste, liefert die jeweils benötigten Grundkompetenzen für die Arbeiten im entsprechenden interdisziplinären Projekt. Diese sollte daher idealerweise vor, möglicherweise auch begleitend zum Projekt absolviert werden.

Schritte für das interdisziplinäre Projekt in Data Science

1. Wählen Sie einen Hauptbetreuer/eine Hauptbetreuerin für das Projekt aus.

•     In der Regel nicht von der Fakultät für Informatik oder Mathematik
•     Nicht notwendigerweise von der TU Wien
•     Alle Vortragenden der Ringvorlesung (194.046) der letzten Jahre (siehe vortragsunterlagen im TUWEL-Kurs der Ringvorlesung) als Haupt-Betreuer zur Verfügung.

 
2. Besprechen Sie das Projekt mit dem ausgewählten Hauptbetreuer/der ausgewählten Hauptbetreuerin, vereinbaren Sie einen 1 bis 2-seitigen Entwurf und identifizieren Sie die entsprechende domainspezifische Vorlesung in Data Science  (aus der Liste in LVA 194.068).

3. Auswahl eines Co-Betreuers/einer Co-Betreuerin für das Projekt

•     In der Regel von der Fakultät für Informatik (oder Mathematik)
•     Muss von der TU Wien sein.
•     Vor allem jede/jeder, die/der einen der Data Science Kurse gehalten hat (Liste unten).

4. Besprechen Sie den 1 bis 2-seitigen Entwurf mit dem Co-Betreuer/der Co-Betreuerin.. Stellen Sie insbesondere sicher, dass die Methoden, welche im Data Science Studium gelehrt wurden, im Entwurf entsprechend angeführt und im Projekt berücksichtigt werden (z.B. CRISP-DM, Experiment Design, Reproduzierbarkeit, Data Science LVA spezifische Methoden ...)

5. Verfeinern Sie den Entwurf, bis beide Betreuer/innen mit der Version einverstanden sind und laden Sie diese in TUWEL hoch

6. Machen Sie das Projekt

7. Regelmäßige Diskussion mit den Betreuern/innen

8. Schreiben Sie den Bericht  und erstellen Sie ein Poster 

9. Laden Sie den Abschlussbericht und Poster auf TUWEL hoch

Beachten Sie, dass ein Projekt mit dem Unternehmen, für das Sie derzeit arbeiten, im Allgemeinen nicht gut zu den Anforderungen für dieses interdisziplinäre Projekt passt.

Potenzielle Betreuer/innen

Schauen Sie die Liste von Vortragenden der Interdisziplinären Ringvorlesung in den letzten Jahren an.

Potenzielle Co-Betreuer/innen

Alessio Arleo

Alexander Schindler

Allan Hanbury

Andreas Rauber

Cem Okulmus

Christian Bors

Davide Ceneda

Dimitrios Sacharidis

Elmar Kiesling

Fajar Ekaputra

Florina Piroi

Ivona Brandic

Jesper Larsson Träff

Klaus Nordhausen

Kresimir Matkovic

Manuela Waldner

Margit Pohl

Markus Zlabinger

Marta Sabou

Matthias Lanzinger

Nysret Musliu

Peter Filzmoser

Peter Knees

Rudolf Mayer

Sascha Hunold

Sebastian Hofstätter

Silvia Miksch

Theresia Gschwandtner

Tomasz Miksa

Victor Schetinger

Wolfgang Aigner

Ein praktisches Problem in einer interdisziplinären Projektarbeit lösen

Bericht schreiben

Posterpräsentation erstellen

Steps in the Module “DSA – Domain-Specific Aspects of Data Science”

1. Attend the Interdisciplinary Lecture Series on Data Science (194.046)
2. Choose an area
3. Get theoretical knowledge through attending a lecture in this area (3,0/2,0 VO/VU/SE Fachspezifische Lehrveranstaltungen)
4. Solve a practical problem in inter-disciplinary project work – Interdisciplinary Project in Data Science (194.060/194.047)

Proposal Outline:

• Title

• Your name and student ID number

• The name of the main supervisor (from the Lecture Series 194.046) and the co-supervisor (from lectures in the Data Science curriculum)

• Short abstract

• Motivation / problem statement / well-defined, non-trivial research question(s)

• The methodology and process being applied. Ensure, specifically, that the key methods covered in the Data Science Curriculum are referred to and will be properly applied in the project. (e.g. CRISP-DM, Experiment Design, Reproducibility, specific methods from other Data Science lectures)

• Expected results (KPI/Success Criteria) as well as approaches, baseline and metrics for evaluation

• Domain-specific lecture(s) selected (from the list available for course 194.068), plus indication whether already completed or to be done in parallel to the project

Bericht über die Ergenbisse

Zeugnis

Wenn der/die Betreuer_in und der/die Co-Betreuer_in nicht das Recht haben, ein Zeugnis auszustellen, sollte der/die Betreuer_in oder der/die Co-Betreuer_in eine E-Mail an allan.hanbury@tuwien.ac.at (mit allen beteiligten Personen in cc) schicken, die die Note für das Projekt enthält. Das Zeugnis wird dann auf den Namen des/der Betreuers/Betreuerin und des/der Co-Betreuers/Betreuerin (soweit dies aufgrund der Zugehörigkeit zur TU Wien möglich ist) ausgestellt.