Modul

Siehe Teilleistung.

Im Rahmen des Praktikums „Data Science für die Wissenschaften“ wird das theoretische Wissen aus der Vorlesung „Data Science“ mit Hilfe gängiger Softwaretools praktisch vertieft. Die Veranstaltung teilt sich in zwei Blöcke: Einen zum aktuellen Stand der Technik und einen darüberhinausgehenden Themenblock mit Forschungsfragen, die sich auf wissenschaftliche Daten beziehen. Im ersten Block wird unter Anlehnung an den KDD-Prozess ein Anwendungsbeispiel für die Wissensextraktion und Datenexploration durchgespielt. Es werden verschiedene Data Mining Verfahren näher beleuchtet. Das beinhaltet moderne Verfahren zum Clustering, der Klassifikation und der Regression und in manchen Fällen zur Bestimmung von häufigen Mustern und Association Rules. Im zweiten Block wird ein einzelner Schritt im KDD-Prozess und dessen Schwächen im Stand der Technik betrachtet. Die Studierenden werden für diese offenen Probleme sensibilisiert und angeleitet, eigene Lösungs¬ansätze zu diesen offenen Forschungsfragen zu entwickeln. Sowohl das Anwendungsbeispiel als auch die offenen Forschungsfragen werden in Teams bearbeitet.

Siehe Teilleistung.

Im Praktikum soll das in der Vorlesung „Data Science“ erlernte Wissen in die Praxis umgesetzt werden. Dabei sollen die Studierenden gängige einschlägige Softwaretools kennenlernen und diese in einer wissenschaftlichen Anwendung einsetzen. Im ersten Teil des Praktikums sollen die Studierenden mit der Vorverarbeitung von Rohdaten sowie mit den Analyseschritten im KDD-Prozess vertraut gemacht werden. Sie sollen lernen, wie man mit gängigen Analysetools die bestmöglichen Ergebnisse für einen gegebenen wissenschaftlichen Anwendungsfall erzielen kann. Im zweiten Teil des Praktikums sollen die Schwächen eines einzelnen Analyseschrittes näher untersucht werden. Die Studierenden werden mit ungelösten Problemen aus der Fachliteratur konfrontiert und lernen Lösungen dazu selbst zu entwickeln. Darüber hinaus sollen die Studenten lernen, im Team zusammenzuarbeiten, um die einzelnen Aufgaben erfolgreich zu lösen.

Präsenzzeit (15 x 2) = 30 h
Einarbeitung 25h
Eigenverantwortliches Arbeiten 105 h
Präsentationsvorbereitung 20h

Summe: 180h