|
Lehrende: David Jacobs; Dr. Julia Niemann-Lenz
Veranstaltungsart:
Übung
Anzeige im Stundenplan:
Datenwelten R Einf.
Semesterwochenstunden:
2
Credits:
3,0
Unterrichtssprache:
Deutsch
Min. | Max. Teilnehmerzahl:
10 | 45
Weitere Informationen:
Verwendbar im
- Freien Wahlbereich
- Studium Generale
- Freien Studienanteil der B.Ed.-Lehramtsstudiengänge
englische Übersetzung des Lehrveranstaltungstitels: Discovering Realms of Data with R: A Practical Introduction
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 Übung findet ergänzend und optional zur Vorlesung Datenwelten 1 statt. Voraussetzung für die Teilnahme ist deshalb der Besuch der Vorlesung Datenwelten 1 im aktuellen oder einem früheren Semester. Als Teilnehmer:in der Vorlesung müssen Sie nicht zwingend die Übung belegen. Sie erhalten jedoch zusätzliche Leistungspunkte und die Übung bietet Ihnen die Möglichkeit, die in der Vorlesung vorgestellten Datenanalysetechniken "hands on" selbst auszuprobieren.
Die Übung zu Datenwelten 1 ist Teil eines zweisemestrigen Zyklus "Datenwelten". Im Sommersemester folgt eine zweite Vorlesung mit zusätzlicher Übung, die sich mit Datenethik, Datenrecht und erkenntnistheoretischen Reflektionen auf eine "verdatete" Welt befassen wird. Vorlesungen und Übungen der Datenwelten werden von interdisziplinär zusammengesetzten Teams von Lehrenden gehalten, um unterschiedliche Perspektiven auf Data Science, unterschiedliche Fragestellungen und Problemsichten einzubringen und aufeinander zu beziehen. Die Übung im Sommersemester wird auf der Übung im Wintersemester aufbauen.
Lernziel:
Die Übung zu Datenwelten 1 richtet sich an Studierende ohne Programmiererfahrung. Sie erhalten erste Einblicke in das Programmieren mit R zum Zweck der Datenanalyse und probieren die in der Vorlesung vorgestellten Techniken selbst aus. In der Übung werden die Programmierumgebung und die Programmiersprache zunächst vorgestellt. Sie lernen, wie Sie Daten aus verschiedenen Quellen (z.B. aus Excel-Dateien, über Datenbanken oder APIs) in R importieren und mit den Mitteln der deskriptiven Analyse (z.B. Häufigkeitsauszählungen, Mittelwerten und Grafiken) anschaulich darstellen können. Im zweiten Teil der Veranstaltung werden analysieren Sie Daten mit verschiedenen Algorithmen aus dem Bereich des maschinellen Lernens (z.B. Decision Trees, Regression, K-means-Clustering, neuronale Netze). Sie stellen die Verfahren gegenüber und vergleichen sie. Nach Abschluss der Veranstaltung haben Sie ein grundsätzliches Verständnis für das Coden mit R erlangt und können die vorgestellten Analysetechniken einsetzen.
Vorgehen:
In jeder Woche wird ein Notebook als Selbstlernmaterial bereitgestellt. Dieses ist von Ihnen selbstständig vor der Sitzung zu bearbeiten. Sie haben die Gelegenheit, Verständnisfragen zu stellen, welche kursöffentlich im Lernmanagement-System gesammelt und beantwortet werden. Im Rahmen der synchronen Sitzung erhalten Sie ein weiteres Notebook mit einer Aufgabe, die Sie gemeinsam mit einem Partner oder einer Partnerin lösen. An vier Terminen im Semester haben wir eine längere, 3-stündige Sitzung geplant, in denen größere Aufgaben in Teams bearbeitet und die Ergebnisse im Plenum vorgestellt und diskutiert werden. Die längeren Sitzungen finden an folgenden Terminen jeweils von 9 s.t. bis 12 Uhr statt: 15. November, 6. Dezember, 10. Januar und 31. Januar.
Literatur:
1. Hadley Wickham & Garret Gorlemund: R for Data Science
https://r4ds.hadley.nz/
2. Brett Lantz: Machine Learning with R
https://kataloge.uni-hamburg.de/DB=1/XMLPRS=N/PPN?PPN=1653113693
Zusätzliche Hinweise zu Prüfungen:
Voraussetzung für den Erwerb von Leistungspunkten ist die semesterbegleitende Bearbeitung der Notebooks innerhalb und außerhalb der Synchron-Sitzungen. Für den Leistungsnachweis führen Sie ein Lerntagebuch und reichen eine Reflexion über die von Ihnen bearbeiteten Aufgaben und Lerninhalte ein (maximal 7.000 Zeichen inkl. Leerzeichen; Abgabeschluss ist der 16. Februar 2024). Die Übung wird nicht benotet.
|
