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

Semester: Sommersemester 2023

2.01.803 Data Science I -  


Veranstaltungstermin | Raum

  • Dienstag, 11.4.2023 16:15 - 17:45 | A14 0-030
  • Dienstag, 18.4.2023 16:15 - 17:45 | A14 0-030
  • Mittwoch, 19.4.2023 16:15 - 17:45 | A14 0-030
  • Dienstag, 25.4.2023 16:15 - 17:45 | A14 0-030
  • Dienstag, 2.5.2023 16:15 - 17:45 | A14 0-030
  • Mittwoch, 3.5.2023 16:15 - 17:45 | A14 0-030
  • Dienstag, 9.5.2023 16:15 - 17:45 | A14 0-030
  • Dienstag, 16.5.2023 16:15 - 17:45 | online
  • Mittwoch, 17.5.2023 16:15 - 17:45 | A14 0-030
  • Mittwoch, 24.5.2023 16:15 - 17:45 | A14 0-030
  • Dienstag, 30.5.2023 16:15 - 17:45 | A14 0-030
  • Mittwoch, 31.5.2023 16:15 - 17:45 | A14 0-030
  • Dienstag, 6.6.2023 16:15 - 17:45 | A14 0-030
  • Dienstag, 13.6.2023 16:15 - 17:45 | A14 0-030
  • Mittwoch, 14.6.2023 16:15 - 17:45 | A14 0-030
  • Dienstag, 20.6.2023 16:15 - 17:45 | A14 0-030
  • Dienstag, 27.6.2023 16:15 - 17:45 | A14 0-030
  • Mittwoch, 28.6.2023 16:15 - 17:45 | A14 0-030
  • Dienstag, 4.7.2023 16:15 - 17:45 | A14 0-030
  • Dienstag, 11.7.2023 16:15 - 17:45 | A14 0-030
  • Mittwoch, 12.7.2023 16:15 - 17:45 | A14 0-030
  • Dienstag, 18.7.2023 12:00 - 18:00 | TBA
  • Mittwoch, 19.7.2023 10:00 - 18:00 | TBA
  • Dienstag, 26.9.2023 13:00 - 18:00 | Escherweg 2, Raum D01
  • Mittwoch, 27.9.2023 10:00 - 18:00 | Escherweg 2, Raum D01
  • Freitag, 27.10.2023 13:00 - 18:00 | online

Beschreibung

Data Science ist eine interdisziplinäre Wissenschaft an der Schnittstelle zwischen Statistik, maschinellem Lernen, Datenvisualisierung und mathematischer Modellierung. Diese Veranstaltung soll eine praktische Einführung in das Gebiet Data Science bieten, indem theoretische Grundlagen vermittelt und gleichzeitig auch praktisch angewendet werden. Das Spektrum der behandelten Themen reicht von der Datensammlung und -vorbereitung (Datenquellen & -formate, Data Cleaning, Data Bias) über die mathematischen Grundlagen (statistische Verteilungen, Korrelationsanalyse, Signifikanz) und Methoden zur Visualisierung (Tabellen & Plots, Histogramme, Best Practices) bis zur Entwicklung von Modellen zur Klassifizierung oder Prognose von Werten (lineare Regression, Klassifizierung, Clustering).

lecturer

TutorIn

Studienbereiche

  • Informatik

SWS
4

Anzahl der freigegebenen Plätze für Gasthörende
1

(Stand: 19.01.2024)  | 
Zum Seitananfang scrollen Scroll to the top of the page