Modulhandbuch (Module manual)

Zurück zum Verzeichnis

M.184.3321 Methoden der Data Science
(Methods of Data Science)

Koordinator (coordinator):	Prof. Dr. Oliver Müller
Ansprechpartner (contact):	Prof. Dr. Oliver Müller (oliver.mueller[at]uni-paderborn.de) Katharina Brennig (katharina.brennig[at]uni-paderborn.de)
Credits:	5 ECTS
Workload:	150 Std (h)
Semesterturnus (semester cycle):	WS/SoSe
Studiensemester (study semester):	5
Dauer in Semestern (duration in semesters):	1

Lehrveranstaltungen (courses):
	Nummer / Name (number / title)	Art (type)	Kontaktzeit (contact time)	Selbststudium (self-study)	Status (P/WP) (status)	Gruppengröße (group size)
a)	K.184.33211 / Methoden der Data Science				P
Wahlmöglichkeiten innerhalb des Moduls (Options within the module):
Keine

Empfohlene Voraussetzungen (prerequisites):
M.184.1471 Grundzüge der Statistik I oder M.184.1473 Grundzüge der angewandten Statistik für Wirtschaftsinformatiker

Inhalte (short description):
In unserer vernetzten Welt werden in bisher ungekannter Art und Weise Daten generiert und gesammelt. Data Science (Film) bezeichnet die Extraktion von Wissen aus diesen Daten. Das Modul vermittelt grundlegende Konzepte und Methoden entlang des Lebenszyklus eines Data Science Projektes, von der Formulierung der Problemstellung über die Sammlung, Vorbereitung und Visualisierung der Daten bis hin zur Erkennung von Mustern und Trends in diesen mittels Verfahren des maschinellen Lernens (z. B. Regression, Klassifikation, Clustering). Das erlernte Methodenwissen wird kontinuierlich durch praxisnahe Übungen mit der Programmiersprache Python angewandt und vertieft. Das Modul umfasst eine Vorlesung sowie eine Übung. Die Veranstaltung findet im Wintersemester mit zweizügiger Übung regelmäßig in der Vorlesungszeit statt. Es gibt im Rahmen der Übungen drei, regelmäßig über das Semester verteilte, Bonuspunktaufgaben. Hierbei erlangte Punkte werden bei bestandener Abschlussprüfung zugerechnet. Das Modul schließt mit einer Klausurprüfung in der dafür vorgesehenen Phase nach der Vorlesungszeit ab.

Inhalte (short description):

In unserer vernetzten Welt werden in bisher ungekannter Art und Weise Daten generiert und gesammelt. Data Science (Film) bezeichnet die Extraktion von Wissen aus diesen Daten. Das Modul vermittelt grundlegende Konzepte und Methoden entlang des Lebenszyklus eines Data Science Projektes, von der Formulierung der Problemstellung über die Sammlung, Vorbereitung und Visualisierung der Daten bis hin zur Erkennung von Mustern und Trends in diesen mittels Verfahren des maschinellen Lernens (z. B. Regression, Klassifikation, Clustering). Das erlernte Methodenwissen wird kontinuierlich durch praxisnahe Übungen mit der Programmiersprache Python angewandt und vertieft. Das Modul umfasst eine Vorlesung sowie eine Übung.

Die Veranstaltung findet im Wintersemester mit zweizügiger Übung regelmäßig in der Vorlesungszeit statt. Es gibt im Rahmen der Übungen drei, regelmäßig über das Semester verteilte, Bonuspunktaufgaben. Hierbei erlangte Punkte werden bei bestandener Abschlussprüfung zugerechnet.
Das Modul schließt mit einer Klausurprüfung in der dafür vorgesehenen Phase nach der Vorlesungszeit ab.

Lernergebnisse (learning outcomes):

Fachkompetenz Wissen (professional expertise):
Studierende... Die Studierenden … … kennen typische Datenqualitätsprobleme und können diese beschreiben … kennen verschiedene Diagramme zur Darstellung quantitativer Daten und können deren Vor- und Nachteile wiedergeben … kennen einfache Modelle des maschinellen Lernens und können deren Funktionsweise erläutern
Fachkompetenz Fertigkeit (practical professional and academic skills):
Studierende... … bereiten Rohdaten zur anschließenden Visualisierung und statistischen Analyse auf … visualisieren quantitative Daten mittels Diagrammen … wenden verschiedene Verfahren des maschinellen Lernens zur Erkennung von Mustern und Trends in quantitativen Daten an
Personale Kompetenz / Sozial (individual competences / social skills):
Studierende... … lösen betriebswirtschaftliche Problemstellungen durch die Anwendung von Data Science Methoden
Personale Kompetenz / Selbstständigkeit (individual competences / ability to perform autonomously):
Studierende... … evaluieren die Qualität von Rohdaten … wählen die passenden Methoden zur Visualisierung und statistischen Analyse gegebener Datensätze aus … bewerten die Qualität von Modellen des maschinellen Lernens

Prüfungsleistungen (examinations)
Art der Modulprüfung (type of modul examination): Modulabschlussprüfung
	Art der Prüfung (type of examination)	Umfang (extent)	Gewichtung (weighting)
a)	Klausur	60 Minuten	100.00 %

Studienleistung / qualifizierte Teilnahme (module participation requirements)
Nein

Voraussetzungen für die Teilnahme an Prüfungen (formal requirements for participating in examinations)
Keine

Voraussetzungen für die Vergabe von Credits (formal requirements for granting credit points)
Die Vergabe der Credits erfolgt, wenn die Modulnote mindestens „ausreichend“ ist

Gewichtung für Gesamtnote (calculation of overall grade)
Das Modul wird mit der doppelten Anzahl seiner Credits gewichtet (Faktor: 2)

Verwendung des Moduls in den Studiengängen (The module can be selected in the following degree programmes)
B.Sc. International Business Studies, B.Sc. Wirtschaftsinformatik, B.Sc. Wirtschaftswissenschaften

Umfang QT (participation requirements):

Lernmaterialien, Literaturangaben (learning material, literature):

Teilnehmerbegrenzung (participant limit):
Keine

Sonstige Hinweise (additional information):
Wintersemester: Vorlesung und Übungen, Abschlussprüfung Sommersemester: Nur Wiederholerprüfung (keine Vorlesung oder Übungen). Die Klausuren (regulär und Wiederholer) finden im Rahmen des Prüfungszeitraums der Fakultät für Wirtschaftswissenschaften statt.

Zum Seitenanfang
Zurück zum Verzeichnis