Data Science 1

Wintersemester 2023/2024

Termin Datum Vorlesung Inhalt Folien Übungsblätter
1 10.10.2023 Einführung
  • Organisatorisches
  • Motivation Data Science / Use-Cases
  • Themenfeld, ML, CRISP-DM Prozess
  • Software, Tools
  • Jupyter-Notebook Server
2 17.10.2023 Python
  • Kurze Wiederholung ML/Data Mining/Data Science
  • Einstieg in Python, Jupyter-Notebooks
  • Grundlegende Sprachkonstrukte
  • Grundlegende Datentypen, Listen
3 24.10.2023 Tutorial Day 1
  • Wiederholung Python Grundlagen
  • Python Funktionen und Listen
  • Aufgaben zu LEGO-Programmierung
  • Aufgaben sind im Foliensatz enthalten
4 31.10.2023 Datenanalyse mit Pandas
  • Kurze Wiederholung Python
  • Vorstellung Pandas-Modul
  • Konzepte von Series/DataFrame
  • Rechnen/Filtern mit DataFrames
5 07.11.2023 Tutorial Day 2
  • Wiederholung
  • Übungen zu Pandas (Series, DataFrame)
  • Beispiel: Strukturierte Problemlösung (Hundesteuern)
6 08.11.2023 Tutorial (freiwillig)
  • Übungen mit Python + LEGO
  • 10-12 Uhr, Raum AW-01 39
7 14.11.2023 Maschinelles Lernen
  • Übersicht über Maschinelles Lernen
  • Lernaufgaben und Verfahren
  • Training- und Testen, Modellvalidierung
  • Python-Modul SciKitLearn
8 21.11.2023 Klassifikation mit Bäumen
  • Entscheidungsbäume zur Klassifikation
  • Modell-Evaluation, Confusion-Matrix
  • Modell-Training mit SciKit Learn
9 28.11.2023 Klassifikation mit kNN
  • Lernen nach Ähnlichkeiten
  • Distanzmaße
  • Klassifikation mit k-NN
10 05.12.2023 Klassifikation (lineare Modelle 1)
  • Lineare Modelle, Daten im Vektorraum
  • Hyperebene, lineare Separierbarkeit
11 12.12.2023 Klassifikation (lineare Modelle 2)
  • Lineare Modelle (SVM)
  • nicht-lineare Separierbarkeit
  • Kern-Funktionen (Kernel-Trick)
12 19.12.2024 Zusammfassung Klassifikation
Beginn um 9 Uhr!
  • Zusammenfassung Klassifikation
13 26.12.2024 fällt aus (Weihnachtsferien)
14 02.01.2024 fällt aus (Weihnachtsferien)
15 09.01.2024 Vorstellung Hausarbeit
Um 9 Uhr in Präsenz
  • Jupyter Notebooks, Umgang mit Markdown
  • Vorstellung der Hausarbeit
Achtung!
In der Aufgabe 1.5 hat sich ein Fehler eingeschlichen. Das Datum 20.9.2022 eignet sich natürlich nicht gut für die Berechnung der verlorenen Kunden. Es muss der 20.9.2020 sein.
16 16.01.2024 Offene Sprechstunde
Ab 10 Uhr in AW-01 39
  • ggf. Fragen zur Hausarbeit