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

080107 UE Übung: Coding, Automating, and Visualizing Art History (2025S)

5.00 ECTS (2.00 SWS), SPL 8 - Kunstgeschichte und Europäische Ethnologie
Prüfungsimmanente Lehrveranstaltung
Do 06.03. 14:15-15:45 Seminarraum 2 d. Inst. f. Kunstgeschichte UniCampus Hof 9 3F-EG-20

Details

Sprache: Englisch

Lehrende

    Termine (iCal) - nächster Termin ist mit N markiert

    • Donnerstag 13.03. 14:15 - 15:45 Seminarraum 2 d. Inst. f. Kunstgeschichte UniCampus Hof 9 3F-EG-20
    • Donnerstag 20.03. 14:15 - 15:45 Seminarraum 2 d. Inst. f. Kunstgeschichte UniCampus Hof 9 3F-EG-20
    • Donnerstag 27.03. 14:15 - 15:45 Seminarraum 2 d. Inst. f. Kunstgeschichte UniCampus Hof 9 3F-EG-20
    • Donnerstag 03.04. 14:15 - 15:45 Seminarraum 2 d. Inst. f. Kunstgeschichte UniCampus Hof 9 3F-EG-20
    • Donnerstag 10.04. 14:15 - 15:45 Seminarraum 2 d. Inst. f. Kunstgeschichte UniCampus Hof 9 3F-EG-20
    • Donnerstag 08.05. 14:15 - 15:45 Seminarraum 2 d. Inst. f. Kunstgeschichte UniCampus Hof 9 3F-EG-20
    • Donnerstag 15.05. 14:15 - 15:45 Seminarraum 2 d. Inst. f. Kunstgeschichte UniCampus Hof 9 3F-EG-20
    • Donnerstag 22.05. 14:15 - 15:45 Seminarraum 2 d. Inst. f. Kunstgeschichte UniCampus Hof 9 3F-EG-20
    • Donnerstag 05.06. 14:15 - 15:45 Seminarraum 2 d. Inst. f. Kunstgeschichte UniCampus Hof 9 3F-EG-20
    • Donnerstag 12.06. 14:15 - 15:45 Seminarraum 2 d. Inst. f. Kunstgeschichte UniCampus Hof 9 3F-EG-20
    • Donnerstag 26.06. 14:15 - 15:45 Seminarraum 2 d. Inst. f. Kunstgeschichte UniCampus Hof 9 3F-EG-20

    Information

    Ziele, Inhalte und Methode der Lehrveranstaltung

    This course is designed for Art History students interested in learning basic programming and data analysis. You'll learn Python to automate repetitive tasks and visualise certain art historical data. Ideal for art historians who want to develop some quantitative and empirical skills. No prior experience is needed. Bringing a laptop is recommended, and we will guide you through installing the necessary software.

    · Contents:
    The course will cover:
    - Python
    - Statistics
    - Correlation & Regression
    - Social Network Analysis
    - Time Series Analysis
    - Clustering
    - Dimensionality Reduction

    · Language:
    Course materials will be presented in English, but participants may choose to communicate with the instructor and complete assignments in either English or German.

    Art der Leistungskontrolle und erlaubte Hilfsmittel

    Examination and Grading:
    Assessment will be based on a series of coding assignments distributed throughout the semester (100%).

    Mindestanforderungen und Beurteilungsmaßstab

    Minimum requirement:
    - Compulsory attendance. In the event of an absence due to illness or an exceptional family situation, written proof must be presented.
    - All partial achievements must be completed in order to successfully complete the course.

    Assessment criteria:
    90-100: Very Good (1)
    80-89: Good (2)
    70-79: Satisfactory (3)
    60-69: Sufficient (4)
    0-59: Failed (5)

    Prüfungsstoff

    The examination material is the content of the course.

    Literatur

    Slides

    Zuordnung im Vorlesungsverzeichnis

    Letzte Änderung: Fr 10.01.2025 00:01