Warning! The directory is not yet complete and will be amended until the beginning of the term.
290002 PS Spatial Data Science (2020W)
Continuous assessment of course work
Labels
Registration/Deregistration
Note: The time of your registration within the registration period has no effect on the allocation of places (no first come, first served).
- Registration is open from Mo 07.09.2020 10:00 to Mo 21.09.2020 10:00
- Deregistration possible until Sa 31.10.2020 23:59
Details
max. 25 participants
Language: German
Lecturers
Classes
INFO (01.11.2020): die LV findet zumindest im November ausschließlich digital statt
Montag 05.10. 16:00-19:00 Online (via moodle)Montag 12.10. 16:00-19:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C10
Montag 19.10. 16:00-19:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C10
Montag 09.11. 16:00-19:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C10
Montag 16.11. 16:00-19:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C10
Montag 23.11. 16:00-19:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C10
Montag 30.11. 16:00-19:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C10
Montag 14.12. 16:00-19:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C10
Montag 25.01. 16:00-19:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C10Änderungen vorbehalten (Präsenzeinheit oder Online). Diese werden über moodle kommuniziert.
Information
Aims, contents and method of the course
Der Data Scientist wurde vom Harvard Business Review zum Sexiest job of the 21st century gekürt. Da rund 80% aller Businessdaten einen Raumbezug aufweisen, ist von einem verstärkten Bedarf nach Spatial Data Scientists auszugehen. Dies sind Analytiker, die die räumliche Komponente in der Problemerkennung über die Analyse zur Visualisierung entsprechend berücksichtigen und damit Mehrwerte in der Prozessoptimierung erzielen.Diese Lehrveranstaltung dient den Studierenden ihre Berufsmöglichkeiten zu erweitern und ist interdisziplinär (Geographie, Statistik, Mathematik, Computer Science) angesiedelt.In der Lehrveranstaltung werden einführende und fortgeschrittene Methoden der Spatial Data Science vorgestellt und praktisch angewandt. Neben der Vermittlung der theoretischen Grundlagen wird sowohl mit kommerzieller Software (ArcGIS Pro) sowie Open Source Software (Jupyter Notebooks, Python, R) und deren Funktionalitäten gearbeitet.
Assessment and permitted materials
Aktive Mitarbeit, Assignments, Endprojekt, Wissensüberprüfung (Multiple Choice Test)
Minimum requirements and assessment criteria
Interesse an der quantitativen Datenanalyse. Gerne laden wir auch Studierende außerhalb der Geoinformation zur Teilnahme ein.
Examination topics
Immanenter Prüfungscharakter:
• Laufende aktive Mitarbeit (10%)
• Assignments (30%)
• Wissensüberprüfung (30%)
• Gruppenprojekt (30%)Ein positiver Abschluss ist ab einer Gesamtbewertung von 51% gegeben.
• Laufende aktive Mitarbeit (10%)
• Assignments (30%)
• Wissensüberprüfung (30%)
• Gruppenprojekt (30%)Ein positiver Abschluss ist ab einer Gesamtbewertung von 51% gegeben.
Reading list
Diggle, P. J. ( 2013). Statistical Analysis of Spatial and Spatio‐Temporal Point Patterns, 3rd edition.Jiang, Z., Shekhar, S. (2017). Spatial Big Data Science.
Classification Techniques for Earth Observation Imagery.Oyana, T. J., Margai, F. M. (2015). Spatial Analysis: Statistics, Visualization, and Computational Methods.
Classification Techniques for Earth Observation Imagery.Oyana, T. J., Margai, F. M. (2015). Spatial Analysis: Statistics, Visualization, and Computational Methods.
Association in the course directory
(MK2-c-PI) (MK1-W2-PI)
Last modified: Tu 10.11.2020 13:29