Modul CS1800-KP04

Einführung in Web und Data Science (EinfWebDat)

Dauer:

1 Semester

Angebotsturnus:

Jedes Wintersemester

Leistungspunkte:

4 (Typ B)

Studiengang, Fachgebiet und Fachsemester:

Bachelor IT-Sicherheit 2016 (Wahlpflicht), fächerübergreifend, Beliebiges Fachsemester
Bachelor Informatik 2019 (Pflicht), Kanonische Vertiefung Web und Data Science, 1. Fachsemester
Bachelor Informatik 2019 (Wahlpflicht), Einführungsveranstaltung Informatik, 1. Fachsemester
Bachelor Informatik 2016 (Pflicht), Kanonische Vertiefung Web und Data Science, 1. Fachsemester
Bachelor Informatik 2016 (Wahlpflicht), Einführungsveranstaltung Informatik, 1. Fachsemester

Lehrveranstaltungen:

CS1800-Ü: Einführung in Web und Data Science (Übung, 1 SWS)
CS1800-V: Einführung in Web und Data Science (Vorlesung, 2 SWS)

Workload:

20 Stunden Prüfungsvorbereitung
55 Stunden Selbststudium
45 Stunden Präsenzstudium

Lehrinhalte:

Klassifikation vs. Regression, parametrisches und nicht-parametrisches überwachtes Lernen
Netze aus differenzierbaren Modulen (
Häufungsanalysen, Warenkorbanalyse, Empfehlungen
Statistische Grundlagen: Stichproben, optimale Schätzer, Verteilung, Dichte, kumulative Verteilung, Skalen: Nominal-, Ordinal-, Intervall- und Verhältnisskala, Hypothesentests, Konfidenzintervalle, Pearson-Korrelationskoeffizient
Stochastische Grundlagen, Bayessche Netze zur Spezifikation von diskreten Verteilungen, Anfragen, Anfragebeantwortungsalgorithmen, Lernverfahren für Bayessche Netze bei vollständigen Daten
Induktives Lernen: Versionsraum, Informationstheorie, Entscheidungsbäume, Lernen von Regeln
Ensemble-Methoden, Bagging, Boosting, Random Forests
Clusterbildung, K-Means, Analyse der Variation (Analysis of Variation, ANOVA), t-Test, Inter-Cluster-Variation, Intra-Cluster-Variation, F-Statistik, Bonferroni-Korrektur, MANOVA
Analyse Sozialer Strukturen
Deep Learning, Embedding Spaces

Qualifikationsziele/Kompetenzen:

Für alle in den Lehrinhalten unter der Spiegelstrichen genannten Themen können die Studierenden die zentralen Ideen benennen, die jeweils relevanten Begriffe definieren und die Funktionsweise von Algorithmen anhand von Anwendungsbeispielen erläutern.

Vergabe von Leistungspunkten und Benotung durch:

Klausur

Modulverantwortlicher:

Prof. Dr. Diedrich Wolter

Lehrende:

Institut für Informationssysteme

Literatur:

J. Stanton: An Introduction to Data Science - Syracuse University, 2013
Chr. Manning, P. Raghavan, H. Schütze: An Introduction to Information Retrieval - Online edition, Cambridge, UK, 2009
M. Welling: A First Encounter with Machine Learning - 2011

Sprache:

Wird nur auf Deutsch angeboten

Bemerkungen:

Zulassungsvoraussetzungen zur Belegung des Moduls:
- Keine

Zulassungsvoraussetzungen zur Teilnahme an Modul-Prüfung(en):
- Erfolgreiche Bearbeitung von Übungsaufgaben gemäß Vorgabe am Semesteranfang

Modulprüfung(en):
- CS1800-L1: Einführung in Web und Data Science, Klausur, 90min, 100% der (nicht vorhandenen) Modulnote

Letzte Änderung:

22.2.2024

Modulhandbuch online

Zur Liste aller Module

Modulhandbuch als PDF

Modulhandbuch Bachelor Informatik