Universität Wien FIND

Bedingt durch die COVID-19-Pandemie können kurzfristige Änderungen bei Lehrveranstaltungen und Prüfungen (z.B. Absage von Vor-Ort-Lehre und Umstellung auf Online-Prüfungen) erforderlich sein. Melden Sie sich für Lehrveranstaltungen/Prüfungen über u:space an, informieren Sie sich über den aktuellen Stand auf u:find und auf der Lernplattform moodle. ACHTUNG: Lehrveranstaltungen, bei denen zumindest eine Einheit vor Ort stattfindet, werden in u:find momentan mit "vor Ort" gekennzeichnet.

Regelungen zum Lehrbetrieb vor Ort inkl. Eintrittstests finden Sie unter https://studieren.univie.ac.at/info.

052300 VU Foundations of Data Analysis (2021S)

Prüfungsimmanente Lehrveranstaltung
Mi 16.06. 09:45-11:15 Digital

An/Abmeldung

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

Details

max. 50 Teilnehmer*innen
Sprache: Englisch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Please use the following link to the first virtual meeting on March, 3 if you have no Moodle access.

https://univienna.zoom.us/j/93101135920?pwd=ZnRBMG9IQ28rdVdCU0s0YTB3V2Y2Zz09

Meeting-ID: 931 0113 5920
access code: 752028

Mittwoch 03.03. 09:45 - 11:15 Digital
Donnerstag 04.03. 09:45 - 11:15 Digital
Mittwoch 10.03. 09:45 - 11:15 Digital
Donnerstag 11.03. 09:45 - 11:15 Digital
Mittwoch 17.03. 09:45 - 11:15 Digital
Donnerstag 18.03. 09:45 - 11:15 Digital
Mittwoch 24.03. 09:45 - 11:15 Digital
Donnerstag 25.03. 09:45 - 11:15 Digital
Mittwoch 14.04. 09:45 - 11:15 Digital
Donnerstag 15.04. 09:45 - 11:15 Digital
Mittwoch 21.04. 09:45 - 11:15 Digital
Donnerstag 22.04. 09:45 - 11:15 Digital
Mittwoch 28.04. 09:45 - 11:15 Digital
Hörsaal 2, Währinger Straße 29 2.OG
Hörsaal 31 Hauptgebäude, 1.Stock, Stiege 9
Donnerstag 29.04. 09:45 - 11:15 Digital
Mittwoch 05.05. 09:45 - 11:15 Digital
Hörsaal 2, Währinger Straße 29 2.OG
Hörsaal 31 Hauptgebäude, 1.Stock, Stiege 9
Donnerstag 06.05. 09:45 - 11:15 Digital
Mittwoch 12.05. 09:45 - 11:15 Digital
Mittwoch 19.05. 09:45 - 11:15 Digital
Donnerstag 20.05. 09:45 - 11:15 Digital
Mittwoch 26.05. 09:45 - 11:15 Digital
Donnerstag 27.05. 09:45 - 11:15 Digital
Mittwoch 02.06. 09:45 - 11:15 Digital
Mittwoch 09.06. 09:45 - 11:15 Digital
Donnerstag 10.06. 09:45 - 11:15 Digital
Donnerstag 17.06. 09:45 - 11:15 Digital
Mittwoch 23.06. 09:45 - 11:15 Digital
Hörsaal 2, Währinger Straße 29 2.OG
Hörsaal 31 Hauptgebäude, 1.Stock, Stiege 9
Donnerstag 24.06. 09:45 - 11:15 Digital
Mittwoch 30.06. 09:45 - 11:15 Digital
Hörsaal 2, Währinger Straße 29 2.OG
Hörsaal 31 Hauptgebäude, 1.Stock, Stiege 9

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Today's currency is data. However, data is only useful if we are able to extract useful information from it. This is the aim of data analysis in general. This course aims to survey the foundations of data analysis. This includes concepts from statistical inference, regression analysis, classification analysis, clustering analysis, dimensionality reduction.

Concepts as well as techniques are introduced and practiced.

Due to the ongoing pandemic, we will adopt a mixed lecture format that complements pre-recorded video lectures with live (offline or online) review sessions. Details will be announced on Moodle.

Art der Leistungskontrolle und erlaubte Hilfsmittel

- 2 labs (i.e. programming exercises including peer review), for each lab you will get a maximum of 18% of the required points.

- 2 pen-and-paper exercise sheets. They serve as a preparation for the exams. For each exercise sheet you will be able to get a maximum of 5% of the required points.

- 2 exams, one mid-term and one final, each 25% of the total points.

Furthermore you can complete:

- 1 exercise sheet to assess your current mathematical (prerequisite) knowledge, 1% of the total points.

- 3 anonymized feedbacks, each 1% of the total points.

- in addition you can earn at most 10% of bonus points for completing voluntary quizzes

Mindestanforderungen und Beurteilungsmaßstab

For bachelor students, the mandatory prerequisite for this class is the successful completion of the following courses:
- StEOP
- Programmierung 2 (PR2)
- Mathematische Grundlagen der Informatik 2 (MG2)
- Theoretische Informatik (THI)
- Modellierung (MOD)
- Algorithmen und Datenstrukturen (ADS)

Grading will be done according to the following scheme:
1 – at least 87.5%
2 – at least 75.0%
3 - at least 60.0%
4 – at least 40.0%

Please keep in mind that in order to pass the course, you will need at least 30% of the total score in all labs and homeworks combined with 40% of the total score of the tests.

In order to successfully pass the course, regular attendance is strongly recommended, however not mandatory.

Prüfungsstoff

1. Models, Statistical Inference, and General Techniques
1.1. Fundamental Concepts in Inference
1.2. Parametric Inference
1.3. Hypothesis Testing and p-values
1.4. The Bootstrap
1.5. Data Splitting, Cross-Validation
2. Regression Modelling
2.1. Simple Linear Regression
2.2. Multiple Regression
2.3. Further Regression Methods
2.4. Generalized Linear Models
2.5. Regression Trees
3. Classification Modelling
3.1. Decision Theoretic Introduction; Error rates, and Bayes Optimality
3.2. Logistic Regression
3.3. Classification Trees
3.4. Support Vector Machines
3.6. Further Classification Methods
4. Neural Networks
5. Basic Techniques of Unsupervised Learning
5.1. Dimension Reduction (Matrix Factorization)
5.2. Association Rules
6. Clustering Methods
6.1. Hierarchical Clustering
6.2. Model-based Clustering
6.3. Evaluation and Validation of Clustering Results
6.4. Density-based Clustering
6.5. Self Organizing Maps

Literatur

> Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer 2007.
> Han, Kamber: Data Mining: Concepts and Techniques, Elsevier 2012.
> Hastie-Tibshirani-Friedman: The Elements of Statistical Learning, Springer 2009.
> James-Witten-Hastie-Tibshirani: An Introduction to Statistical Learning with Applications in R, Springer 2015.


Zuordnung im Vorlesungsverzeichnis

Module: FDA AKM SWI STW

Letzte Änderung: Mo 01.03.2021 18:08