en

Willkommen Gast


  • Login
Full load

Wintersemester 2021/2022
Vorlesung Datenwelten I: Einführung in Data Science
Allgemeine Information
Veranstaltungs-Nr. 24-100.10
Veranstaltungs-Type Vorlesung
Veranstalter Prof. Dr. -Ing Norbert Ritter, Prof. Dr. Ingrid Schirmer
Ort Digital
Zeit Mo 16-19
Eignung Verwendbar im Freien Wahlbereich bzw. Studium generale.
Inhalt
Die Vorlesung führt in informationstechnische und statistische Grundlagen der Data Science ein. Sie ist Teil eines zweisemestrigen Zyklus zu Datenwelten. Im Sommersemester folgt eine zweite Vorlesung, die sich Datenethik, Datenrecht und erkenntnistheoretischen Reflektionen auf eine verdatete Welt befassen wird.

Beide Vorlesungen werden von interdisziplinär zusammengesetzten Teams von Lehrenden gehalten, um unterschiedliche Perspektiven auf Data Science, unterschiedliche Fragestellungen und Problemsichten einzubringen und aufeinander zu beziehen.
Vorgehen
Die Vorlesung wird wöchentlich aus 2-4 kurzen Videosequenzen bestehen. Diese sind spätestens 4 Tage vor dem Termin auf Lecture2Go verfügbar. Diese Videos sollen spätestens in den ersten beiden Stunden des Vorlesungstermins geschaut werden. Natürlich ist früheres Anschauen möglich. In der letzten Stunde des Vorlesungstermins finden eine synchrone/präsentische Diskussions- und Fragerunde statt. Diese wird in der Regel durch kurze, den Stoff reflektierende Fragen der Lehrenden eingeleitet, um von dort ausgehend weitere Verständnisfragen zu klären und Raum zur Diskussion über Aspekte der Vorlesungen zu geben.

Die selbständige weitere Vertiefung der Kenntnisse wird unterstützt durch eine Kurseinheit auf der E-Learning-Plattform OpenOLAT. Hier werden ergänzende Materialien zur Verfügung gestellt. Auch die regelmäßigen Onlinetests (siehe Hinweise zu den Prüfungen) werden hier absolviert.
Lernziel
Am Ende der Vorlesung Datenwelten I sollen Sie als Studierende über ein Grundverständnis davon verfügen, was Data Science ist. Sie sollen eine Grundvorstellung von der Funktionsweise der informationstechnischen Systeme haben, die in weiten Teilen unseren Alltag (mit)gestalten. Ergänzend sollen Sie ein Grundverständnis davon entwickelt haben, mit welchen statistischen Verfahren und wie Daten analysiert, und wie aus Datenanalysen intelligente Systeme gemacht werden. Schließlich sollen Sie eine erste Vorstellung davon entwickeln, wie technische und soziale Systeme bei der Erhebung, Aufbewahrung und Nutzung von Daten interagieren.
Literatur

  1. Einführung in Data Science, die kaum Voraussetzungen fordert. Fokussierte vor allem Datenanalyse:
    Annalyn Ng, Kenneth Soo: Data Science - was ist das eigentlich?! : Algorithmen des maschinellen Lernens verständlich erklärt
    https://kataloge.uni-hamburg.de/DB=1/XMLPRS=N/PPN?PPN=1038685842
  2. Einführung in Data Science, die die Bereitschaft voraussetzt, sich mit R (Open Source Statistikprogramm und Programmiersprache) auseinanderzusetzen. Fokussiert ebenfalls Analyseverfahren. Startet bei ähnlichen Voraussetzungen wie Nr. 1 (Ng und Soo) geht aber deutlich weiter, weil das eigene Programmieren geübt werden kann:
    Brett Lantz: Machine Learning with R
    https://kataloge.uni-hamburg.de/DB=1/XMLPRS=N/PPN?PPN=1653113693
  3. Sehr breite Einführung in Data Science inkl. informationstechnischer Grundlagen. Vieel Anwendungsbeispiele aus dem öffentlichen Sektor und der Privatwirtschaft:
    Stefan Papp u.a.: Handbuch Data Science : mit Datenanalyse und Machine Learning Wert aus Daten generieren
    https://kataloge.uni-hamburg.de/DB=1/XMLPRS=N/PPN?PPN=1067692673