Universität Wien
Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.

040309 VU Doing Data Science (MA) (2023S)

6.00 ECTS (4.00 SWS), SPL 4 - Wirtschaftswissenschaften
Prüfungsimmanente Lehrveranstaltung

The course language is English.

Only students who signed up for the class in univis/u:space are allowed to take the class (that means, that you have to at least be on the waiting list if you want to take this class). No exceptions possible.

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 80 Teilnehmer*innen
Sprache: Englisch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Donnerstag 02.03. 13:15 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 07.03. 13:15 - 14:45 Seminarraum 5, Kolingasse 14-16, EG00
  • Donnerstag 09.03. 13:15 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 14.03. 13:15 - 14:45 Seminarraum 5, Kolingasse 14-16, EG00
  • Donnerstag 16.03. 13:15 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 21.03. 13:15 - 14:45 Seminarraum 5, Kolingasse 14-16, EG00
  • Donnerstag 23.03. 13:15 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 28.03. 13:15 - 14:45 Seminarraum 5, Kolingasse 14-16, EG00
  • Donnerstag 30.03. 13:15 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 18.04. 13:15 - 14:45 Seminarraum 5, Kolingasse 14-16, EG00
  • Donnerstag 20.04. 13:15 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 25.04. 13:15 - 14:45 Seminarraum 5, Kolingasse 14-16, EG00
  • Donnerstag 27.04. 13:15 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 02.05. 13:15 - 14:45 Seminarraum 5, Kolingasse 14-16, EG00
  • Donnerstag 04.05. 13:15 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 09.05. 13:15 - 14:45 Seminarraum 5, Kolingasse 14-16, EG00
  • Donnerstag 11.05. 13:15 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 16.05. 13:15 - 14:45 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 23.05. 13:15 - 14:45 Seminarraum 5, Kolingasse 14-16, EG00
  • Donnerstag 25.05. 13:15 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Donnerstag 01.06. 13:15 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 06.06. 13:15 - 14:45 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 13.06. 13:15 - 14:45 Seminarraum 5, Kolingasse 14-16, EG00
  • Donnerstag 15.06. 13:15 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 20.06. 13:15 - 14:45 Seminarraum 5, Kolingasse 14-16, EG00
  • Donnerstag 22.06. 13:15 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 27.06. 13:15 - 14:45 Seminarraum 5, Kolingasse 14-16, EG00
  • Donnerstag 29.06. 13:15 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Dieser Kurs behandelt die Grundlagen des Aufbaus, der Verwaltung und der Durchführung von Data-Science-Projekten. Die Studierenden erwerben Kenntnisse über Prozesse, die beschreiben, wie Data-Science-Projekte angegangen und umgesetzt werden. Sie kennen die einzelnen Schritte des CRISP-Industriestandards, lernen verschiedene Anwendungsfälle (aus unterschiedlichen Bereichen wie Wirtschaft, Geisteswissenschaften, Astronomie) kennen und sind in der Lage, selbst Data-Science-Projekte durchzuführen.

Dieser Kurs besteht aus Vorlesungen, Tutorien, Showcases und Projektpräsentationen. Die Studierenden arbeiten in interdisziplinären Gruppen an ihren eigenen Data-Science-Projekten.

Art der Leistungskontrolle und erlaubte Hilfsmittel

Zwischenprüfung (30%): Do, 30. März, 15:00
Abschlusstest (30%): Do, 25. Mai, 15:00
Projektarbeit (40%):
- Peer-Review Treffen: Do, 4. Mai, 15:00
- Abschließende Präsentationen: Do, 22. Juni, 13:15

Mindestanforderungen und Beurteilungsmaßstab

Für die Projektarbeit besteht Anwesenheitspflicht, einschließlich Auftakt- und Review-Meetings sowie Projektpräsentationen.

Insgesamt können 100 Punkte erreicht werden. Die Noten werden wie folgt vergeben:
[88,100]: 1
[76,88[ : 2
[63,76[ : 3
[50,63[ : 4
< 50 : 5

Prüfungsstoff

Zwischentest/Abschlusstest: Folien und in den Vorlesungen behandelte Themen.
Projektarbeit: themenspezifische Posterpräsentation, Handout, KNIME Workflow.

Literatur

Provost, Foster; Fawcett, Tom (2013): Data Science for Business. What you need to know about data mining and data-analytic thinking. Köln: O`Reilly.

Berthold, Michael R.; Borgelt, Christian; Höppner, Frank; Klawonn, Frank; Silipo, Rosaria (2020): Guide to Intelligent Data Science. Cham: Springer International Publishing.

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Mo 27.03.2023 11:28