Universität Wien

290002 PS Spatial Data Science (2021W)

4.00 ECTS (2.00 SWS), SPL 29 - Geographie
Prüfungsimmanente Lehrveranstaltung
GEMISCHT
Moodle

An/Abmeldung

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

Details

max. 25 Teilnehmer*innen
Sprache: Deutsch

Lehrende

Termine

Aufgrund der aktuellen COVID19-Einschätzung wird für das kommende Semester eine hybride Unterrichtsform empfohlen.

Ein Teil der Studierenden wird alternierend vor Ort sein, der andere Teil von zu Hause aus an der Lehrveranstaltung digital teilnehmen. Die konkrete Einteilung wird dann durch die Lehrenden voraussichtlich über Moodle bekannt gegeben.

Achtung: Die Lehrveranstaltungsleiter behalten sich vor die Präsenzregelung entsprechend der COVID19-Vorgaben der Universität Wien anzupassen.

Termin: Montag, ab 08.11.2021 - 16:00-19:30 Uhr
Raum für Präsenz: GIS-Lab, NIG, Stiege III, 1. Stock, C109

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) und deren Funktionalitäten gearbeitet.

Art der Leistungskontrolle und erlaubte Hilfsmittel

Aktive Mitarbeit, Assignments, Wissensüberprüfung

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 (45%)
• Wissensüberprüfung (45%)

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.

This class is supported by DataCamp, the most intuitive learning platform for data science and analytics. Learn any time, anywhere and become an expert in R, Python, SQL, and more.

Zuordnung im Vorlesungsverzeichnis

(MK2-c-PI) (MK1-W2-PI)

Letzte Änderung: So 14.11.2021 14:09