Data Science

Lehrinhalte

  • Einführung in die verschiedenen Bereiche von Data Science
  • Überblick über die Programmiersprachen R und Python
  • Statistisches Lernen
  • Verwendung von R für die Datenbereinigung mit Big Data
  • Datenvisualisierung
  • Überblick über Deep Learning

Art der Vermittlung

Präsenzveranstaltung

Art der Veranstaltung

Pflichtfach

Empfohlene Fachliteratur

Statistik mit R: Eine praxisorientierte Einführung in R, Zuckarelli, Auflage: 1, O’Reilly, 2018
Ng, Soo, Data Science – was ist das eigentlich?!: Algorithmen des maschinellen Lernens verständlich erklärt, Auflage 1, Springer, 2018
Data Science Using Python and R (Wiley Series on Methods and Applications in Data Mining), Auflage 1, Larose, 2019
Grundlagen der Datenanalyse mit R: Eine anwendungsorientierte Einführung (Statistik und ihre Anwendungen), Wollschläger, Auflage 4, Springer Spektrum, 2017
Moderne Datenanalyse mit R: Daten einlesen, aufbereiten, visualisieren, modellieren und kommunizieren (FOM-Edition), Sauer, Auflage 1, Springer Gabler, 2019
Data Science mit Python: Das Handbuch für den Einsatz von IPython, Jupyter, NumPy, Pandas, Matplotlib und Scikit-Learn (mitp Professional), mitp, 2018

Lern- und Lehrmethode

ILV, Vortrag, Übungsaufgaben, Mitarbeitstests, Gruppenarbeit, Präsentation, Diskussion

Prüfungsmethode

Immanente Leistungsbeurteilung (Qualität der von den Studierenden erledigten Arbeitsaufträge und Zielvorgaben, Präsentationen; 2 schriftliche Mitarbeitstests) und schriftlichen Prüfung

Voraussetzungen laut Lehrplan

Wirtschaftsinformatik

Schnellinfos

Akademischer Grad

Bachelor

ECTS Credits

3.00

Unterrichtssprache

Englisch

Studienplan

Vollzeit

Studienjahr, in dem die Lerneinheit angeboten wird

2023

Semester in dem die Lehrveranstaltung angeboten wird

3 WS

Incoming

Nein

Lernergebnisse der Lehrveranstaltung

Nach erfolgreichem Abschluss der Lehrveranstaltung sind die Studierenden in der Lage,

  • die Methoden zum Extrahieren nützlicher Informationen aus Rohdaten zu benennen,
  • ihre Anwendungsbereiche abgrenzen zu können,
  • Tools für die Datenexploration und das Data Mining auszuwählen,
diese auf Finanzrohdaten anzuwenden,
  • die unterschiedlichen Bereiche von Data Science zu benennen und voneinander abzugrenzen.

Kennzahl der Lehrveranstaltung

1229-19-01-VZ-EN-19