Psychological Approaches to Data Science
Für mehr als die Hälfte aller Werbung wird bereits von künstlicher Intelligenz (KI) ausgewählt, wann diese wem angezeigt wird. Ebenso wird geschätzt, dass die Mehrheit aller Bewerbungen durch künstliche Intelligenz vorselektiert. Machine Learning und KI übernehmen auch in anderen Bereichen Aufgaben, die im Kompetenzbereich von Psycholog*innen liegen – häufig ohne dass diese die KI verstehen und eingreifen könnten, falls die KI falsch entscheidet. Um anschlussfähig zu bleiben, lernen Studierende in dem Modul die Grundlagen, um gemeinsam mit Technologie-Expert*innen KI-Anwendungen evaluieren und verbessern zu können. Studierende sollen zudem verstehen, für welche Tätigkeiten sie ML-Modelle sinnvoll nutzen können.
Methodenkompetenzen
Evaluation
- Die Studierenden können Machline-Learning-Modelle in Bezug auf ihre Korrektheit, Nützlichkeit sowie auf Fairness/Bias evaluieren.
- Die Studierenden können für Daten evaluieren, ob und wie gut diese für Machine-Learning-Modelle geeignet sind.
Analyse
- Die Studierenden kennen die Grundlagen von Machine-Learning.
- Die Studierenden können einfache Machine-Learning-Modelle trainieren.
Nutzung digitaler Technologien:
- Die Studierenden kennen die Grundlagen des Programmierens.
- Die Studierenden können einfachen Python-Code verwenden und anpassen.
Fachkompetenzen
Psychologisches Fachwissen
- Die Studierenden kennen, in welchen Bereichen Psychologie zur Verbesserung von Machine-Learning-Anwendungen beitragen kann.
- Was sind «Big Data», «Data Science” und “KI”?
- Anwendungsbeispiele von KI für psychologische Themen.
- Datenquellen und -typen
- Einführung in Python
- Trainieren und Evaluieren von Machine-Learning-Modellen
- Bias und Fairness von Machine-Learning-Modellen
- Grundlagen Datenschutz
Kontaktstudium: Vorlesung mit praktischen Übungen und Erfahrungsaustausch
Individuelles Selbststudium (Tutorials/Übungen und Erstellen Leistungsnachweis)
Keine
Eine aktive Teilnahme wird erwartet.
1-6 (halbe Noten)
Es wird empfohlen, das Modul erst im Anschluss an das Modul “Fortgeschrittene Methoden der Statistik” zu besuchen.