Universität Wien
Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.

040172 VU Doing Data Science (MA) (2024W)

6.00 ECTS (4.00 SWS), SPL 4 - Wirtschaftswissenschaften
Prüfungsimmanente Lehrveranstaltung

The course language is English.

Only students who signed up for the class in univis/u:space are allowed to take the class (that means, that you have to at least be on the waiting list if you want to take this class). No exceptions possible.
Moodle
Di 21.01. 13:15-14:45 Seminarraum 5, Kolingasse 14-16, EG00

An/Abmeldung

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

Details

max. 80 Teilnehmer*innen
Sprache: Englisch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Die Teilnahme ist priorisiert für Studierende von Business Analytics, Data Science und Digital Humanities möglich.
Die erste Lehrveranstaltung ist am Dienstag, dem 08. Oktober.

  • Dienstag 08.10. 13:15 - 14:45 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 08.10. 15:00 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Mittwoch 09.10. 15:00 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 15.10. 13:15 - 14:45 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 15.10. 15:00 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Mittwoch 16.10. 15:00 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 22.10. 13:15 - 14:45 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 22.10. 15:00 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Mittwoch 23.10. 15:00 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 29.10. 13:15 - 14:45 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 29.10. 15:00 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Mittwoch 30.10. 15:00 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 05.11. 13:15 - 14:45 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 05.11. 15:00 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Mittwoch 06.11. 15:00 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 12.11. 13:15 - 14:45 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 12.11. 15:00 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 19.11. 13:15 - 14:45 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 19.11. 15:00 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Mittwoch 20.11. 15:00 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 26.11. 13:15 - 14:45 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 26.11. 15:00 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Mittwoch 27.11. 15:00 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 03.12. 13:15 - 14:45 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 03.12. 15:00 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Mittwoch 04.12. 15:00 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 10.12. 13:15 - 14:45 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 10.12. 15:00 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Mittwoch 11.12. 15:00 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
    Seminarraum 6, Kolingasse 14-16, EG00
  • Dienstag 17.12. 13:15 - 14:45 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 17.12. 15:00 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 07.01. 13:15 - 14:45 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 07.01. 15:00 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Mittwoch 08.01. 15:00 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 14.01. 13:15 - 14:45 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 14.01. 15:00 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Mittwoch 15.01. 15:00 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 21.01. 15:00 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Mittwoch 22.01. 15:00 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 28.01. 13:15 - 14:45 Seminarraum 5, Kolingasse 14-16, EG00
  • Dienstag 28.01. 15:00 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00
  • Mittwoch 29.01. 15:00 - 16:30 Seminarraum 5, Kolingasse 14-16, EG00

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Dieser Kurs behandelt die Grundlagen des Aufbaus, der Verwaltung und der Durchführung von Data-Science-Projekten. Die Studierenden erwerben Kenntnisse über Prozesse, die beschreiben, wie Data-Science-Projekte angegangen und umgesetzt werden. Sie kennen die einzelnen Schritte des CRISP-Industriestandards, lernen verschiedene Anwendungsfälle (aus unterschiedlichen Bereichen wie Wirtschaft, Geisteswissenschaften, Astronomie) kennen und sind in der Lage, selbst Data-Science-Projekte durchzuführen.
Dieser Kurs besteht aus Vorlesungen, Tutorien, Showcases und Projektpräsentationen. Nach Abschluss des theoretischen Teils arbeiten die Studierenden in interdisziplinären Gruppen an ihren eigenen Data-Science-Projekten. Dies beinhaltet die Anwendung von Data-Science-Methoden, die Erstellung eines Posters sowie die Präsentation der Ergebnisse.

Art der Leistungskontrolle und erlaubte Hilfsmittel

Zwischenprüfung (30%): Di, 12.11., 13:15, erlaubt ist nur ein Taschenrechner
Abschlusstest (30%): Mi, 11.12., 15:00, erlaubt ist nur ein Taschenrechner
Projektarbeit (40%):
- Peer-Review Treffen: Di, 17.12., 15:00
- Abgabe von Poster und Videos: So, 26.01., 23:59
- Abschließende Präsentationen: Di, 28.01., 13:15-16:30

1) Der Kurs ist bestanden wenn mindestens 50% der Gesamtpunkte erreicht worden sind.
2) Die Verwendung von KI-Tools (z.B. ChatGPT) für die Produktion von Texten ist nur dann erlaubt, wenn dies von der Lehrveranstaltungsleitung ausdrücklich gefordert wird (z. B. für einzelne Arbeitsaufgaben).
3) Zur Sicherung der guten wissenschaftlichen Praxis kann die Lehrveranstaltungsleitung ein "Notenrelevantes Gespräch" (Plausibilitätsprüfung) zur abgegebenen schriftlichen Arbeit vorsehen, das erfolgreich zu absolvieren ist.

Mindestanforderungen und Beurteilungsmaßstab

Für die Zwischen- und Abschlusstest sowie Projektarbeit besteht Anwesenheitspflicht, einschließlich Auftakt- und Review-Meetings sowie Projektpräsentationen.
Insgesamt können 100 Punkte erreicht werden. Die Noten werden wie folgt vergeben:
[88,100]: 1
[76,88[ : 2
[63,76[ : 3
[50,63[ : 4
< 50 : 5

Prüfungsstoff

Zwischentest/Abschlusstest: Folien und in den Vorlesungen behandelte Themen.
Projektarbeit: themenspezifische Posterpräsentation, Handout, KNIME Workflow.

Literatur

Provost, Foster; Fawcett, Tom (2013): Data Science for Business. What you need to know about data mining and data-analytic thinking. Köln: O`Reilly.
Berthold, Michael R.; Borgelt, Christian; Höppner, Frank; Klawonn, Frank; Silipo, Rosaria (2020): Guide to Intelligent Data Science. Cham: Springer International Publishing.

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Di 19.11.2024 09:45