Veranstaltungsdetails

Veranstaltungsdetails

Data Science
SWS:
Block
Dozierende:
Granitzer, Michael, Prof. Dr., Schlötterer, Jörg, Jurgovsky, Johannes
Veranstaltungstyp:
Vorlesung
Veranstaltungsart:
Vorveranstaltung
Beschreibung:
Data Science describes a set of methods and processes for extracting knowledge from large data sets. This module introduces the process of data science, gives an overview on the different methods for every stage and their application in different application scenarios. In the exercise, students apply those methods on example data sets.
The course emphasizes practical over theoretical aspects and a more programmatic approach, rather than a mathematical one.

Topics :
• Data science: history and background
• The Knowledge Discovery Process: data gathering, feature engineering, data mining, machine learning and visualizations, discovery, exploration, testing and evaluation
• Programming paradigms and database systems: NoSQL Database Management Systems, parallel processing for data analysis, graph paradigms
• Feature Engineering: feature selection, feature transformation, dimensionality reduction
o Machine Learning
o Foundations
• Black box models: Random Forests, Neural Networks, Support Vector Machines, Ensembles, deep learning and spectral methods: Ways to boost base models
• Visualizations
o Multivariate visualization, explorative data analysis, text and network visualizations
• Important business problems: Recommendation engine; Fraud detection; Simulators, Forecasting and Classification; Social Network Analysis, Text Mining
• Current trends
Ort:
(Die Zeiten/Räume entnehmen Sie bitte dem SS 2017)
Zeiten:
Termine am Montag. 18.09. 08:00 - 18:00
Erster Termin:Mo , 18.09.2017 08:00 - 18:00, Ort: (Die Zeiten/Räume entnehmen Sie bitte dem SS 2017)
Semester:
WS 17/18
Veranstaltungsnummer:
5779V+UE
TeilnehmerInnen
Bachelorstudierende Internet Computing und Informatik und Bachelorstudierende Mathematik im Wahlfach Data Science
Lernorganisation:
Vorlesung und Übungen auf Englisch, Präsentation von Folien, Übungsaufgaben praktische Beispiele,
Leistungsnachweis:
90minütige Klausur oder mündliche Prüfung (20 Minuten); die genaue Prüfungsart wird zu Beginn des Semesters durch Aushang und auf den Internetseiten der Fakultät bekannt gegeben
Anrechenbar f?r:

Die Angaben zu den Anrechenbarkeiten an der FIM sind ohne Gewähr. Bitte beachten Sie die verbindliche Liste der Anrechenbarkeiten .

Studienangebote in anderen Sprachen > Studienangebot in englischer Sprache
Fakultät für Informatik und Mathematik > Bachelor Informatik
Fakultät für Informatik und Mathematik > Bachelor Internet Computing
Fakultät für Informatik und Mathematik > Bachelorstudiengang Mathematik
Fakultät für Informatik und Mathematik > Master Mobile and Embedded Systems
Sonstiges:
A C H T U N G !!!
Die Vorlesung findet in den letzten beiden Sommer-Semester-Wochen als Blockveranstaltung statt.
Die Anmeldung erfolgt über das SS 2017
ECTS-Punkte:
5
Literatur:
wird in Vorlesung und Übung bekanntgegeben
Weitere Informationen zu dieser Veranstaltung:
Heimatinstitut: Lehrstuhl für Data Science
Angemeldete Teilnehmer: 58
Anzahl der Postings im Forum: 2