Name | Data Science Projekt | ||||||||||
SWS | 4 | ||||||||||
ECTS | 5 | ||||||||||
Sprache(n) | Deutsch (Standard) Englisch |
||||||||||
Lehrform | SU mit Praktikum | ||||||||||
Angebot | im Wechsel mit anderen Fächern der gleichen Fachgruppe | ||||||||||
Aufwand | 60 Präsenzstunden Projektstudium, 90 Stunden Vor-/Nachbereitung inklusive Erstellung der Projektarbeit bzw. Referat |
||||||||||
Voraussetzungen | Grundvorlesungen in Data Science & Scientific Computing oder Informatik insbesondere Maschinelles Lernen und ggf. Deep Learning |
||||||||||
Ziele | Das Projektstudium zielt darauf ab, die für den beruflichen Alltag als Data Scientist benötigten instrumentalen, systemischen und kommunikativen Kompetenzen zu fördern. Die Studierenden beherrschen den kompletten Data Science Workflow von der Datensammlung bis zur Modellevaluation. Insbesondere sind die Studierenden in der Lage
|
||||||||||
Inhalt | In der Veranstaltung wird ein eigenständiges kleines Projekt realisiert, im Rahmen dessen die Studierenden aktuelles Wissen und moderne Data Science Tools bzw. Prozesse konkret anwenden. Dabei lernen sie auch, wie man im späteren Berufsalltag selbstständig weiter lernt. Aufgaben werden im Team definiert und verteilt. Das Projekt wird von einem (tatsächlichen bzw. virtuellen) Auftraggeber beauftragt und von den Studierenden als Team bearbeitet. Allgemeine Beschreibung:
|
||||||||||
Medien und Methoden | Gespräch, Tafel, Beamer, Scrum-Karten, Repository mit Versionsverwaltung (GIT), Ticketsysteme |
||||||||||
Literatur | Themenspezifische Literatur abhängig vom konkreten Projekt - in der Regel aus aktuellen Veröffentlichungen in Fachjournalen |
||||||||||
Zuordnungen Curricula |
|