290002 PS Spatial Data Science (2020W)
Prüfungsimmanente Lehrveranstaltung
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 07.09.2020 10:00 bis Mo 21.09.2020 10:00
- Abmeldung bis Sa 31.10.2020 23:59
Details
max. 25 Teilnehmer*innen
Sprache: Deutsch
Lehrende
Termine
INFO (01.11.2020): die LV findet zumindest im November ausschließlich digital statt
Montag 05.10. 16:00-19:00 Online (via moodle)Montag 12.10. 16:00-19:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C10
Montag 19.10. 16:00-19:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C10
Montag 09.11. 16:00-19:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C10
Montag 16.11. 16:00-19:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C10
Montag 23.11. 16:00-19:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C10
Montag 30.11. 16:00-19:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C10
Montag 14.12. 16:00-19:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C10
Montag 25.01. 16:00-19:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C10Änderungen vorbehalten (Präsenzeinheit oder Online). Diese werden über moodle kommuniziert.
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Der Data Scientist wurde vom Harvard Business Review zum Sexiest job of the 21st century gekürt. Da rund 80% aller Businessdaten einen Raumbezug aufweisen, ist von einem verstärkten Bedarf nach Spatial Data Scientists auszugehen. Dies sind Analytiker, die die räumliche Komponente in der Problemerkennung über die Analyse zur Visualisierung entsprechend berücksichtigen und damit Mehrwerte in der Prozessoptimierung erzielen.Diese Lehrveranstaltung dient den Studierenden ihre Berufsmöglichkeiten zu erweitern und ist interdisziplinär (Geographie, Statistik, Mathematik, Computer Science) angesiedelt.In der Lehrveranstaltung werden einführende und fortgeschrittene Methoden der Spatial Data Science vorgestellt und praktisch angewandt. Neben der Vermittlung der theoretischen Grundlagen wird sowohl mit kommerzieller Software (ArcGIS Pro) sowie Open Source Software (Jupyter Notebooks, Python, R) und deren Funktionalitäten gearbeitet.
Art der Leistungskontrolle und erlaubte Hilfsmittel
Aktive Mitarbeit, Assignments, Endprojekt, Wissensüberprüfung (Multiple Choice Test)
Mindestanforderungen und Beurteilungsmaßstab
Interesse an der quantitativen Datenanalyse. Gerne laden wir auch Studierende außerhalb der Geoinformation zur Teilnahme ein.
Prüfungsstoff
Immanenter Prüfungscharakter:
• Laufende aktive Mitarbeit (10%)
• Assignments (30%)
• Wissensüberprüfung (30%)
• Gruppenprojekt (30%)Ein positiver Abschluss ist ab einer Gesamtbewertung von 51% gegeben.
• Laufende aktive Mitarbeit (10%)
• Assignments (30%)
• Wissensüberprüfung (30%)
• Gruppenprojekt (30%)Ein positiver Abschluss ist ab einer Gesamtbewertung von 51% gegeben.
Literatur
Diggle, P. J. ( 2013). Statistical Analysis of Spatial and Spatio‐Temporal Point Patterns, 3rd edition.Jiang, Z., Shekhar, S. (2017). Spatial Big Data Science.
Classification Techniques for Earth Observation Imagery.Oyana, T. J., Margai, F. M. (2015). Spatial Analysis: Statistics, Visualization, and Computational Methods.
Classification Techniques for Earth Observation Imagery.Oyana, T. J., Margai, F. M. (2015). Spatial Analysis: Statistics, Visualization, and Computational Methods.
Zuordnung im Vorlesungsverzeichnis
(MK2-c-PI) (MK1-W2-PI)
Letzte Änderung: Di 10.11.2020 13:29