Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage, daten-orientiert in Python zu programmieren, unter Verwendung von SciPy, Numpy und Pandas, die Grundlagen von maschinellen Lernen und Netzwerkanalyse zu erklären und ein Data Science Projekt umtzsetzen.
Vorlesungen über die Grundlagen
2 praktische Übungen (Übung 1 wird individuell umgesetzt, Übung 2 ist eine Gruppenübung)
Die Vorlesungen sind online. Die Link zur online Vorlesung ist auf TUWEL.
Alle andere Termine finden in Präsenz statt (falls sie wegen der Pandemie online stattfinden müssen, werden eine entsprechende Ankündigung gemacht).
Termine
Alle Vorlesungen am Dienstag 12:00 c.t.-13:45.
Kickoff-Session, data science process, community, solution examples, introduction to DOPP (4.10.2022)
SciPy, NumPy, vectorisation, visualisation, benchmarking (11.10.2022)
Preprocessing, Pandas (18.10.2022)
Intro to Machine Learning (25.10.2022)
Network Analysis (8.11.2022)
- Introduction to Text Processing (22.11.2022)
- Data suitability, Data biases (29.11.2022)
Exercise-related sessions
Review meetings for exercise 2 (15 minutes for each group):
- 13.12.2022, 9:00-16:00
- 14.12.2022, 9:00-16:00
Exercise 2 Sprechstunden in EI11 zu den üblichen Vorlesungszeiten (freiwillig):
- 20.12.2022
- 10.1.2023
- 17.1.2023
Project presentation: 24.1.2023, 9:00-18:00
Aufwand:
Python test: 3h
Lectures: 7 sessions @ 2h: 14h
Exercises:
EX1 (data science process): 22h
EX2 (project): 36h [includes review meeting (topic + questions + work plan)]
SUM: 75h
Die Python Prüfung am Anfang muss bestanden werden, um die LVA erfolgreich abschließen zu können. Unterstützung dafür ist vorhanden - Details im Abschnitt "Vorkenntnisse". Die Selbsteinschätzung ist ein guter Indikator dafür, was Sie für die Prüfung wissen müssen. Beachten Sie, dass nur einer der beiden angebotenen Python-Tests abgelegt werden muss.
Zwei praktische Übungen. Die 2. Übung ist anhand von einem Bericht, Jupyter Notebook und Präsentation der Ergebnisse beurteilt.
Grundlegende Kenntnisse in der Programmierung mit Python werden für diese Vorlesung vorausgesetzt. Eine Selbsteinschätzung ist vorhanden: https://github.com/tuw-python/tuw-python-2022WS/blob/main/self_assessment.ipynb
Um die erforderlichen Python-Kenntnisse zu erreichen, kann der einwöchige Intensivkurs "194.123 Programmieren in Python" besucht werden. Die Unterlagen für diesen Kurs stehen allen zur Verfügung und können auch ohne Teilnahme am Kurs durchgearbeitet werden.
Zu Beginn des Kurses wird ein Python-Kenntnistest durchgeführt. Das Bestehen dieses Tests ist Voraussetzung für das Bestehen des Kurses. Das Nichtbestehen des Python-Tests bedeutet, dass Sie den Kurs nicht fortsetzen können, führt aber nicht zu einen negativen Zeugnis für den gesamten Kurs.