Einführung in Web und Data Science (CS1800-KP04)

Dozent:
Prof. Dr. rer. nat. Ralf Möller

Übungen:
Magnus Bender

Inhalt:

  1. Organisatorisches (pdf, pptx)
  2. Begriffsbestimmungen, Web Science, Data Science, Künstliche Intelligenz, Nicht-parametrisches und parametrisches überwachtes Lernen (pdf, pptx)
  3. Klassifikation und Regression (pdf, pptx)
  4. Häufungsanalysen, Warenkorbanalyse, Empfehlungen, Einbettungsräume (pdf, pptx)
  5. Statistische Grundlagen: Stichproben, Schätzer, Verteilung, Dichte, kumulative Verteilung, Skalen: Nominal-, Ordinal-, Intervall- und Verhältnisskala, Hypothesentests, Konfidenzintervalle (pdf, pptx)
  6. Stochastische Grundlagen, Wahrscheinlichkeiten, Bayessche Netze zur Spezifikation von diskreten Verteilungen, Anfragen, Anfragebeantwortungsalgorithmen, Lernverfahren für Bayessche Netze bei vollständigen Daten (pdf, pptx)
  7. Induktives Lernen: Versionsraum, Informationstheorie, Entscheidungsbäume, Lernen von Regeln (pdf, pptx)
  8. Ensemble-Methoden, Bagging, Random Forests, Boosting (pdf, pptx)
  9. Clusterbildung, K-Means, Analyse der Variation (Analysis of Variation, ANOVA), t-Test, Inter-Cluster-Variation, Intra-Cluster-Variation, F-Statistik, Bonferroni-Korrektur (pdf, pptx)
  10. Zeitreihenanalyse, Prädiktion, Autoregression, Integration, Moving Average (ARIMA) (pdf, pptx)
  11. Differenzierbare Programmierung (pdf, pptx)
  12. Analyse Sozialer Strukturen (pdf, pptx)
  13. Link Prediction (pdf, pptx)
  14. Blockchain-orientiertes Datenmanagement (pdf, pptx)
  15. Resümee und Ausblick (pdf, pptx)

Vertiefendes Material für Seminarvorträge (nur für Teilnehmer, die 5KPs benötigen)

  1. Vertiefung Regression (Minh Chau Do)
  2. Konfidenzintervall Varianz (Theresa Rupprecht)
  3. Jackknife und Bootstrap (Anna Broschke)
  4. Gauss-Funktionen (Auswahl der Slides würde reichen)
  5. MANOVA
  6. Allgemeine Differentielle Programmierung

Das Passwort für alle Teile lautet: uX6RwzDw

KW

Vorlesung 
Donnerstag

Video

43

22.10.2020

mp4 (1.4), mp4 (3.28)

44

29.10.2020

mp4 (4.42)

45

05.11.2020

mp4 (5.29)

46

12.11.2020

mp4 (5.79)

47

19.11.2020

mp4 (6.7)

48

26.11.2020

mp4 (6.38)

49

03.12.2020

mp4 (7.47)

50

10.12.2020

mp4 (7.90)

51

17.12.2020

mp4 (8.46)

52

vorlesungsfrei

53

vorlesungsfrei

1

07.01.2021

mp4 (9.34)

2

14.01.2021

mp4 (10.37)

3

21.01.2021

mp4 (11.76)

4

28.01.2021

mp4 (12.41)

5

04.02.2021

mp4 (13.45)

6

11.02.2021

mp4 (14.35)
mp4 (the end)

Die Zahl hinter dem mp4-Link gibt an, bis zu welcher Präsentation die Aufzeichnung geht (Präsentation Lehrinhalt Thema x, Präsentationsnummer y: x.y). 

 

Zielgruppe:
Bachelor Informatik ab 2016 (Wahlpflicht), Einführungsveranstaltung Informatik, 1. Fachsemester Bachelor Informatik ab 2016, Kanonische Vertiefung Web and Data Science, 1. Fachsemester (Plicht), Studierende weiterer Studiengänge können gerne teilnehmen. Für Studierende, die 5KPs benötigen ist jeweils ein Seminarvortrag vorgesehen, mit dem Inhalte aus der Vorlesung vertieft werden.

Umfang (4 KPs): 
2 SWS Vorlesung
1 SWS Übung

Bei Studierenden, die 5KPs benötigen, kommt noch ein Seminarvortrag hinzu.

Zeit und Ort:
Vorlesung: online

Übung: Mittwochs, 13:15 - 14:00 Uhr online (siehe die Moodle-Seite für diesen Kurs)

Beginn:

Vorlesung: Donnerstag, den 22.10.2020

Übung: Mittwoch, den 28.10.2020