Universität Wien

136308 UE (A)I Want It Data Way: Cracking the (Python) Code of Time Series Analysis with LLMs (2024W)

Prüfungsimmanente Lehrveranstaltung
Di 22.10. 11:30-14:45 Ort in u:find Details

An/Abmeldung

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

Details

max. 12 Teilnehmer*innen
Sprache: Deutsch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Ort: PC-Schulungsraum 2H363, Stiege H, Ebene 3, Rotunde, UZA 2, Josef-Holaubek Platz 2, 1090 Wien
https://medialab.univie.ac.at/anfahrt

Achtung: Aufgrund der besonderen Räumlichkeiten ist die Teilnehmer*innenzahl dieser UE auf 12 Personen beschränkt // Attention: Due to limited available space in the Medialab, a max. of 12 students can attend this course.

  • Dienstag 08.10. 11:30 - 14:45 Ort in u:find Details
  • Dienstag 05.11. 11:30 - 14:45 Ort in u:find Details
  • Dienstag 19.11. 11:30 - 14:45 Ort in u:find Details
  • Dienstag 03.12. 11:30 - 14:45 Ort in u:find Details
  • Dienstag 07.01. 11:30 - 14:45 Ort in u:find Details
  • Dienstag 21.01. 11:30 - 14:45 Ort in u:find Details

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Kursbeschreibung:
Machen Sie sich bereit, in die spannende Welt der Zeitreihenanalyse mit Python einzutauchen, unterstützt von der Magie großer Sprachmodelle (LLMs) wie ChatGPT! In diesem praxisorientierten Kurs werden Sie die faszinierende Welt der Motion-Capture-Daten erkunden und lernen, wie Sie verschiedene Analysemethoden anwenden können, um verborgene Muster zu entdecken.

Was Sie erwartet:
• Lernen durch Praxis: Egal ob Programmieranfänger oder Python-Profi – dieser Kurs ist für alle geeignet. Mithilfe von LLMs erlernen Sie schnell die Fähigkeiten, um Python-Code zu schreiben, zu verstehen und anzuwenden.
• Definieren Sie Ihre Mission: Definieren Sie Ihre eigenen Forschungsfragen und starten Sie ein Projekt, das Ihre Fantasie anregt. Denken Sie groß und kreativ – je ausgefallener, desto besser!
• Kontinuierliche Entdeckungsreise: Dokumentieren Sie Ihren Fortschritt, teilen Sie Ihre Ergebnisse und tauschen Sie sich in lebhaften Diskussionen mit Ihren Kommilitonen aus.
• Der skurrile Preis: Zur Auflockerung gibt es einen besonderen Preis für das skurrilste und einzigartigste Projekt, der in einer dystopischen Art von einem LLM bewertet wird (keine Sorge, das beeinflusst Ihre Note nicht).

Was Sie lernen werden:
• Techniken der Zeitreihenanalyse und deren Anwendungsmöglichkeiten
• Schreiben und Debuggen von Python-Code mit Unterstützung durch LLMs
• Auswahl und Anwendung geeigneter Analysemethoden zur Beantwortung Ihrer Forschungsfragen
• Effektive Dokumentation und Präsentation Ihrer Projektergebnisse

Ihre Note basiert auf:
• Aktive Teilnahme und Beiträge in Diskussionen
• Umfassende Projektdokumentation
• Angemessenheit der gewählten Analysemethoden
• Klarheit und Funktionalität Ihres Python-Codes
• Anschauliche und informative Projektpräsentation
Vorkenntnisse in Programmierung oder Datenanalyse sind nicht erforderlich – bringen Sie einfach Ihre Neugier und Kreativität mit und lassen Sie das Abenteuer beginnen!

Art der Leistungskontrolle und erlaubte Hilfsmittel

Folgende Teilleistungen dienen der Leistungskontrolle und werden am Ende des Semesters bewertet. Ebenso gibt es Feedback während des Semesters.
• Aktive Teilnahme und Beiträge in Diskussionen (10 Punkte).
• Umfassende Projektdokumentation mit Protokoll (30 Punkte).
• Angemessenheit der gewählten Analysemethoden (20 Punkte).
• Klarheit und Funktionalität des Python-Codes (20 Punkte).
• Engagierte und informative Projektpräsentation (20 Punkte).

Die Leistungen müssen fristgerecht in Moodle eingereicht werden. Beachten Sie die Anwesenheitspflicht im Kurs. Es ist maximal eine unentschuldigte Fehleinheit (a 2 x 90 Min.) erlaubt.

Alle verwendeten Hilfsmittel müssen im Vorfeld bekanntgegeben und deren Nutzung entsprechend gekennzeichnet werden.

Mindestanforderungen und Beurteilungsmaßstab

Aktive Teilnahme und Beiträge in Diskussionen (10 Punkte).
Umfassende Projektdokumentation mit Protokoll (30 Punkte).
Angemessenheit der gewählten Analysemethoden (20 Punkte).
Klarheit und Funktionalität des Python-Codes (20 Punkte).
Engagierte und informative Projektpräsentation (20 Punkte).

Mindestens 50% der maximal Erreichbaren Punkte sind für einen positiven Abschluss erforderlich. Ebenso ist jede Teilleistung zu erbringen

Prüfungsstoff

Alle Inhalte der Lehrveranstaltung sind relevant für die Projekterarbeitung. Es gibt keine schriftliche oder mündliche Prüfung.

Literatur

Wird auf Moodle bereitgestellt.

Zuordnung im Vorlesungsverzeichnis

DH-S II
Cluster I
Cluster III
Cluster IV

Letzte Änderung: Fr 06.09.2024 06:45