Data Science 2

Wintersemester 2023 / 2024

TerminDatumVorlesungInhaltFolienÜbungsblätter
105.10.2023Regression 1
  • Vorstellung, Organisatorisches
  • Wiederholung KI, Klassifikation
  • Motivation Regression, Beispiele
  • Lineare Regression, Multiple lineare Regression
  • Regression mit SciKit Learn
212.10.2023Regression 2
  • Wiederholung Lineare Regression
  • Overfitting, Modellkomplexität und Regularisierung
  • Preprocessing mit SciKit Learn
319.10.2023Zeitreihenanalyse
  • Zeitreihen, Grundlagen und Definitionen
  • Analyse von Zeitreihen, Lineare ZR-Modelle
  • Zeitreihen mit Pandas und Python
426.10.2023Clustering
  • Clustering hierarchisch
  • k-Means Algorithmus
  • Dokumenten-Repräsentation (TF/IDF), Clustering
  • WordCloud Darstellung
502.11.2023Warenkorbanalyse
  • Warenkorbanalyse
  • Häufige Mengen, Apriori-Algorithmus
609.11.2023Datenschutz, Ethik
  • Aspekte Datenschutz
  • Gefahren der Datenanalyse
  • Diskussion
716.11.2023Design Thinking (Workshop)
  • Brainstorming um Datenanalyse
  • Ideen-Findung + Lösungsansätze
  • Start des Mini-Projektes
823.11.2023Projektphase (Mini-Projekt)
Um 9 Uhr in Präsenz
  • keine Vorlesung
  • ab 9 Uhr Gruppenarbeit im Seminarraum
930.11.2023Vorstellung Mini-Projekt
Um 9 Uhr in Präsenz
  • ab 9 Uhr: Gruppenarbeit "Titanic-Challenge"
  • ab ca. 10 Uhr: Präsentation der Titanic-Challenge
  • Vorstellung Datensätze für Projektphase
  • Gruppenfindung/Diskussion zur Projektphase
  • Weiterer Vorlesungsverlauf
1007.12.2023Projektphase
1114.12.2023Projektphase
Um 9 Uhr in Präsenz
  • Status/Update der Gruppen
  • Überblick: Visualisierung mit Seaborn
1221.12.2023Projektphase
Um 9 Uhr in Präsenz
  • Vortrag: Realtime Dashboards mit Grafana
  • Möglichkeit für Gruppenarbeit
1328.12.2023fällt aus (Weihnachtsferien)
1404.01.2024Projektphase
  • freie Gruppenarbeit (keine Präsenz)
1511.01.2024Projektphase
Um 9 Uhr in Präsenz
  • Status/Update der Gruppen
  • Überblick: Big Data