NummerdspECTS3.0AnspruchsniveauintermediateInhaltsübersichtDas systematische Sammeln und Verwerten von Daten hat in den letzten Jahren in Industrie, Verwaltung und Freizeit durchgehende Verbreitung gefunden. Die dafür eingesetzten Fertigkeiten, Methoden und Werkzeuge zur Nutzbarmachung von Daten werden unter dem Begriff ‘Data Science’ zusammengefasst.
Data Science ist in diesem Sinne eine Verschmelzung von Methoden aus den Gebieten Software Engineering, Statistik, Machine Learning, Daten-Visualisierung u.ä. Unter den Programmiersprachen hat sich dabei `Python` und seine zahlreichen Bibliotheken als eine der bevorzugten Umgebungen für Data Science hervorgetan.
In diesem Modul wird am Beispiel der Werkzeuge im Python-Umfeld ein Einstieg in verschiedene Methoden und Herangehensweisen im Gebiet ‘Data Science’ vermittelt. Aufbauend auf eine Einführung in die Programmiersprache Python und die Jupyter Entwicklungsumgebung werden Methoden und Werkzeuge zum Laden, Manipulieren, Visualisieren und Beschreiben von Daten behandelt. Dabei wird die numerische Repräsentation von Daten, deren statistische Beschreibung sowie das Rechnen mit array-Operationen vertieft betrachtet. Dies ist die Grundlage für Machine Learning, das zum Schluss konzeptionell eingeführt wird und schliesslich erlaubt, Daten zur Vorhersage zu nutzen.Lernziele- Die Studierenden sind vertraut mit der Programmiersprache Python und können wohlstrukturierte Programme und Module zur Datenanalyse schreiben unter Verwendung der behandelten Bibliotheken.
- Die Studierenden können sich einen Überblick über Daten verschaffen und diese bezüglich ihrer Eigenschaften beschreiben.
- Sie sind in der Lage, sinnvolle, numerische Repräsentationen für verschiedenartige Datensätze zu finden und diese kompakt und effizient zu manipulieren.
- Sie kennen die Einsatzmöglichkeiten und Vorzüge von numerischen array-Operationen und können beurteilen, ob ein Algorithmus optimiert werden kann durch ihre Verwendung.
- Die Studierenden kennen die grundlegenden Konzepte von Machine Learning.
Empfohlene Vorkenntnisse- Objektorientierte Programmierung 2 (oopI2)
- Einführung in die Analysis (eana)
LeistungsbewertungErfahrungsnote 
