|
Lehrende: Fabian Burmeister; Dr. Christian Kurtz; Prof. Dr. Henning Lohmann; Dr. Julia Niemann-Lenz; Prof. Dr. Ingrid Schirmer; Prof. Dr. Kai-Uwe Schnapp; Dr. Wolfram Wingerath
Veranstaltungsart:
Ringvorlesung
Anzeige im Stundenplan:
Datenwelten I
Semesterwochenstunden:
2
Credits:
3,0
Unterrichtssprache:
Deutsch
Min. | Max. Teilnehmerzahl:
10 | 330
Weitere Informationen:
Verwendbar im
- Freien Wahlbereich
- Studium Generale
- Freien Studienanteil der B.Ed.-Lehramtsstudiengänge
englische Übersetzung des Lehrveranstaltungstitels: Data Realms I: An Introduction to Data Science
ANMELDEHINWEIS:
Bitte melden Sie sich immer über den Stine-Menüpunkt "Anmeldung zu Veranstaltungen" für diese Ringvorlesung an. Die Anmeldung über das Vorlesungsverzeichnis kann zu einer falschen Zuordnung und damit ggf. zu einer Nicht-Anrechnung in Ihrem Studiengang führen!
Hier finden die die Ringvorlesung im Stine-Menüpunkt "Anmeldung zu Veranstaltungen":
Studiengänge mit Freiem Wahlbereich:
Kursbereich: Freier Wahlbereich - Kurse / Lehrveranstaltungen - UNIWEIT > Fakultät für Wirtschafts- und Sozialwissenschaften > Fachbereich Sozialwissenschaften > Fachübergreifende Veranstaltungen
Studiengänge mit Optionalbereich:
Kursbereich: Studium Generale > Fakultät für Wirtschafts- und Sozialwissenschaften > Fachübergreifende Veranstaltungen
B.Ed.-Lehramtsstudiengänge mit Freiem Studienanteil:
Kursbereich: Freier Studienanteil > Überfachliche, inter- und transdisziplinäre Kompetenzen > Digutalität und Digitalisierung
Masterstudiengänge der Fakultät WiSo mit Freiem Wahlbereich:
Kursbereich: WiSo Master-Wahlbereich (incl. M.Sc. Betriebswirtschaft) > Fachbereich Sozialwissenschaften > Fachübergreifende Veranstaltungen
übrige Studiengänge:
Kursbereich: Extracurriculare Veranstaltungen > Zentrum für Interdisziplinäre Studienangebote > Data Literacy
Kommentare/ Inhalte:
Die Vorlesung führt in informationstechnische und statistische Grundlagen der Data Science ein. Sie ist Teil eines zweisemestrigen Zyklus zu "Datenwelten". Im Sommersemester folgt eine zweite Vorlesung, die sich Datenethik, Datenrecht und erkenntnistheoretischen Reflektionen auf eine "verdatete" Welt befassen wird.
Beide Vorlesungen werden von interdisziplinär zusammengesetzten Teams von Lehrenden gehalten, um unterschiedliche Perspektiven auf Data Science, unterschiedliche Fragestellungen und Problemsichten einzubringen und aufeinander zu beziehen.
Lernziel:
Am Ende der Vorlesung Datenwelten I sollen Sie als Studierende über ein Grundverständnis davon verfügen, was Data Science ist. Sie sollen eine Grundvorstellung von der Funktionsweise der informationstechnischen Systeme haben, die in weiten Teilen unseren Alltag (mit)gestalten. Ergänzend sollen Sie ein Grundverständnis davon entwickelt haben, mit welchen statistischen Verfahren und wie Daten analysiert, und wie aus Datenanalysen "intelligente" Systeme gemacht werden. Dabei wird auch auf Verfahren aus dem Bereich des maschinellen Lernens, z.B. neuronale Netze und ihre Anwendungen in der Bild- und Sprachverarbeitung eingegangen. Sie sollen eine erste Vorstellung davon entwickeln, wie technische und soziale Systeme bei der Erhebung, Aufbewahrung und Nutzung von Daten interagieren.
Vorgehen:
Die erste und letzte Sitzung werden in Präsenz im Hörsaal A im Philturm durchgeführt. Sie beginnen um 17:15 und enden um 19:45 Uhr.
Alle anderen Sitzungen finden mit einem asynchronen und einem synchronen Teil online statt.
Asynchroner Teil: Wöchentlich werden ca. 60 minütige Lehrvideos vorbereitet. Diese sind spätestens 3 Tage vor dem Veranstaltungstermin auf Lecture2Go verfügbar.
Synchroner Teil: Dienstags findet um 18:15 Uhr online eine Vertiefungs- und Diskussionsrunde statt.
Das Videomaterial muss vorbereitend auf den synchronen Teil angeschaut werden, spätestens in dem Zeitfenster direkt vor der Vorlesung.
Die Folien und weiteres Material werden über openOLAT zur Verfügung gestellt.
Anstelle eine Abschlussklausur finden regelmäßig, etwa alle drei Wochen Onlinetests statt, in denen die Inhalte der jeweils letzten Vorlesungen in Multiplechoicetests abgefragt werden. Bei diesen Tests sind alle Hilfsmaterialien zugelassen. Die Tests sind ebenfalls über openOLAT zugänglich.
Für Interessierte gibt es zusätzlich die Möglichkeit, an einer vertiefenden Übung teilzunehmen. Die finden Sie unter folgender Bezeichnung ebenfalls in STINE: 24-300.12 Datenwelten entdecken mit R: Eine praktische Einführung
Literatur:
- Einführung in Data Science, die kaum Voraussetzungen fordert. Fokussierte vor allem Datenanalyse:
Annalyn Ng, Kenneth Soo: Data Science - was ist das eigentlich?! : Algorithmen des maschinellen Lernens verständlich erklärt
https://kataloge.uni-hamburg.de/DB=1/XMLPRS=N/PPN?PPN=1038685842
- Einführung in Data Science, die die Bereitschaft voraussetzt, sich mit R (Open Source Statistikprogramm und Programmiersprache) auseinanderzusetzen. Fokussiert ebenfalls Analyseverfahren. Startet bei ähnlichen Voraussetzungen wie Nr. 1 (Ng und Soo) geht aber deutlich weiter, weil das eigene Programmieren geübt werden kann:
Brett Lantz: Machine Learning with R
https://kataloge.uni-hamburg.de/DB=1/XMLPRS=N/PPN?PPN=1653113693
- Sehr breite Einführung in Data Science inkl. informationstechnischer Grundlagen. Viele Anwendungsbeispiele aus dem öffentlichen Sektor und der Privatwirtschaft:
Stefan Papp u.a.: Handbuch Data Science : mit Datenanalyse und Machine Learning Wert aus Daten generieren
https://kataloge.uni-hamburg.de/DB=1/XMLPRS=N/PPN?PPN=1067692673
Zusätzliche Hinweise zu Prüfungen:
1. Prüfungstermin:
Während des Semesters werden mehrere Online-Tests (multiple choice) mit einer Bearbeitungsrahmenzeit von jeweils einer Woche durchgeführt. Die Bearbeitungsdauer innerhalb dieser Zeit ist nicht begrenzt. Bei diesen Tests sind alle Hilfsmaterialien zugelassen.
Für die Teilnahme an den Online-Tests muss eine Prüfungsanmeldung in STiNE und eine Anmeldung im oben genannten Kurs in der Lernmangement-Plattform openOLAT vor dem ersten Testtermin erfolgen.
Erster Test: Mi, 08.11.2023, 10:00 Uhr - Mi, 15.11.2023, 10:00 Uhr
Die Termine der weiteren Online-Tests werden bei der ersten Vorlesung und über die Lernmangement-Plattform openOLAT bekannt gegeben.
2. Prüfungstermin:
Für die Studierenden, die den 1. Prüfungsversuch (Online-Tests) nicht bestanden haben, gibt es einen 2. Prüfungstermin am Di, 12.03.2023, 14:00-16:00 Uhr in Form eines Take-Home-Exams (Online-Klausur, Bearbeitungsdauer 80 Minuten plus 10 Minuten technischer Puffer.). Für die Teilnahme an der Nachklausur ist eine eigene Anmeldung in STiNE vorzunehmen. Diese kann erst erfolgen, wenn die Ergebnisse des 1. Prüfungsversuches vorliegen.
Die Ergebnisse können über die Lernmangement-Plattform eingesehen werden.
Die Online-Tests und das Take-Home Exam sind für Studierenden eine unbenotete Studienleistung (bestanden/nicht bestanden).
|
