Veranstaltung
Die hier angezeigten Termine und Veranstaltungen werden dynamisch aus Stud.IP heraus angezeigt.
Daher kontaktieren Sie bei Fragen bitte direkt die Person, die unter dem Punkt Lehrende/Dozierende steht.
Veranstaltung
2.01.040 Data Science I -
Veranstaltungstermin | Raum
- Dienstag, 13.10.2026 14:00 - 16:00 | A01 0-006
- Donnerstag, 15.10.2026 14:00 - 16:00 | A01 0-006
- Dienstag, 20.10.2026 14:00 - 16:00 | A01 0-006
- Donnerstag, 22.10.2026 14:00 - 16:00 | A01 0-006
- Dienstag, 27.10.2026 14:00 - 16:00 | A01 0-006
- Donnerstag, 29.10.2026 14:00 - 16:00 | A01 0-006
- Dienstag, 3.11.2026 14:00 - 16:00 | A01 0-006
- Donnerstag, 5.11.2026 14:00 - 16:00 | A01 0-006
- Dienstag, 10.11.2026 14:00 - 16:00 | A01 0-006
- Donnerstag, 12.11.2026 14:00 - 16:00 | A01 0-006
- Dienstag, 17.11.2026 14:00 - 16:00 | A01 0-006
- Donnerstag, 19.11.2026 14:00 - 16:00 | A01 0-006
- Dienstag, 24.11.2026 14:00 - 16:00 | A01 0-006
- Donnerstag, 26.11.2026 14:00 - 16:00 | A01 0-006
- Dienstag, 1.12.2026 14:00 - 16:00 | A01 0-006
- Donnerstag, 3.12.2026 14:00 - 16:00 | A01 0-006
- Dienstag, 8.12.2026 14:00 - 16:00 | A01 0-006
- Donnerstag, 10.12.2026 14:00 - 16:00 | A01 0-006
- Dienstag, 15.12.2026 14:00 - 16:00 | A01 0-006
- Donnerstag, 17.12.2026 14:00 - 16:00 | A01 0-006
- Dienstag, 5.1.2027 14:00 - 16:00 | A01 0-006
- Donnerstag, 7.1.2027 14:00 - 16:00 | A01 0-006
- Dienstag, 12.1.2027 14:00 - 16:00 | A01 0-006
- Donnerstag, 14.1.2027 14:00 - 16:00 | A01 0-006
- Dienstag, 19.1.2027 14:00 - 16:00 | A01 0-006
- Donnerstag, 21.1.2027 14:00 - 16:00 | A01 0-006
- Dienstag, 26.1.2027 14:00 - 16:00 | A01 0-006
- Donnerstag, 28.1.2027 14:00 - 16:00 | A01 0-006
Beschreibung
Data Science is an interdisciplinary science at the intersection of statistics, machine learning, data visualization, and mathematical modeling. This course is designed to provide a practical introduction to the field of Data Science by teaching theoretical principles while also applying them practically. Topics covered range from data collection and preparation (data sources & formats, data cleaning, data bias), mathematical foundations (statistical distributions, correlation analysis, significance) and methods for visualization (tables & plots, histograms, best practices) to the development of models for classifying or predicting values (linear regression, classification, clustering).
Lehrende
SWS
4
Lehrsprache
englisch
Anzahl der freigegebenen Plätze für Gasthörende
1