Einführung in Data Science und Machine Learning (Wintersemester 2022/2023)

Dozent: Prof. Dr. Gerard de Melo (Artificial Intelligence and Intelligent Systems)
Website zum Kurs: https://moodle.hpi.de/course/view.php?id=382

Allgemeine Information

Semesterwochenstunden: 4
ECTS: 6
Benotet: Ja
Einschreibefrist: 01.10.2022 - 31.10.2022
Prüfungszeitpunkt §9 (4) BAMA-O: 08.03.2023
Lehrform: Vorlesung / Übung
Belegungsart: Wahlpflichtmodul
Lehrsprache: Deutsch
Maximale Teilnehmerzahl: 50

Studiengänge, Modulgruppen & Module

IT-Systems Engineering BA

BPET: Business Process & Enterprise Technologies
- HPI-BPET-G Grundlagen
BPET: Business Process & Enterprise Technologies
- HPI-BPET-V Vertiefung
OSIS: Operating Systems & Information Systems Technology
- HPI-OSIS-G Grundlagen
OSIS: Operating Systems & Information Systems Technology
- HPI-OSIS-V Vertiefung

Beschreibung

Das Leben in unserer modernen Welt wird fundamental von digitalen Daten geprägt. In immer mehr Fällen bestimmen letztendlich Daten welche Unternehmen erfolgreich sind, wer sich gegen seine politischen Kontrahenten durchsetzen kann oder gar wer bei der Partnerwahl in Erwägung gezogen wird. Dieser Kurs bietet einen ersten Überblick der recht jungen Disziplin Datenwissenschaft, besser bekannt als Data Science.

Lehrinhalte:

Datensammlung, Data Parsing und Preprocessing
Datenanalyse, Big Data-Verarbeitung
Visualisierung
Umgang mit graphstrukturierten Daten
Umgang mit Textdaten
Clustering
Grundkonzepte des Maschinellen Lernens
Maschinelles Lernen: Regression
Maschinelles Lernen: Klassifikation
Maschinelles Lernen: verschiedene Algorithmen, inklusive Grundprinzipien neuronaler Netze
Maschinelles Lernen: Evaluierung und Durchführung von Experimenten
Fairness und Bias
Data Mining-Algorithmen

Voraussetzungen

Programmierkenntnisse und Schulmathematik

Lern- und Lehrformen

Vorlesung mit Übung (Folien in englischer Sprache)

Die Lehrveranstaltung findet (solange es die Lage zulässt) in Präsenz statt.

Leistungserfassung

Die Gesamtnote ergibt sich zu 100% aus der Klausurnote.

Prüfungsnebenleistungen:
Voraussetzung zur Anmeldung zur Klausur ist die erfolgreiche Bearbeitung einiger Übungsblätter (verteilt im Laufe des Semesters).

Termine

Vorlesungstermine montags und dienstags 15:15 in der Vorlesungszeit

Zu den Übungsterminen bitte die Hinweise auf Moodle beachten.

Zurück