194.047 Interdisciplinary Project in Data Science
Diese Lehrveranstaltung ist in allen zugeordneten Curricula Teil der STEOP.
Diese Lehrveranstaltung ist in mindestens einem zugeordneten Curriculum Teil der STEOP.

2020W, PR, 4.0h, 5.0EC

Merkmale

  • Semesterwochenstunden: 4.0
  • ECTS: 5.0
  • Typ: PR Projekt
  • Format der Abhaltung: Hybrid

Lernergebnisse

Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage, Daten in der ausgewählten Spezialisierungsdomäne zu verarbeiten und zu analysieren, geeignete Methoden basierend auf den Datenvoraussetzungen auszuwählen, Methoden auf reale Daten anzuwenden und Lösungen für domänenspezifische Aufgabenstellungen zu entwickeln.

Inhalt der Lehrveranstaltung

Projekt zu einer domänspezifischen Fragestellung.

Schritte für das interdisziplinäre Projekt in Data Science


1. Wählen Sie einen Hauptbetreuer/eine Hauptbetreuerin für das Projekt aus.

  •     In der Regel nicht von der Fakultät für Informatik oder Mathematik
  •     Nicht notwendigerweise von der TU Wien
  •     Eine Liste der möglichen Namen finden Sie unten, aber Sie sind nicht auf diese Liste beschränkt.

 
2. Besprechen Sie das Projekt mit dem ausgewählten Hauptbetreuer/der ausgewählten Hauptbetreuerin, vereinbaren Sie einen 1-seitigen Entwurf und identifizieren Sie die entsprechende domainspezifische Vorlesung in Data Science  (194.068).

3. Auswahl eines Co-Betreuers/einer Co-Betreuerin für das Projekt

  •     In der Regel von der Fakultät für Informatik (oder Mathematik)
  •     Muss von der TU Wien sein.
  •     Z.B. jeder, der einen der Data Science Kurse gehalten hat (Liste unten).


4. Besprechen Sie den 1-seitigen Entwurf mit dem Co-Betreuer/der Co-Betreuerin.

5. Verfeinern Sie die Skizze, bis sich beide Betreuer/innen einigen und laden Sie dieses in TUWEL hoch

6. Machen Sie das Projekt

7. Regelmäßige Diskussion mit den Betreuern/innen

8. Schreiben Sie den Bericht  und erstellen Sie ein Poster 

9. Laden Sie abschlussbericht und Poster auf TUWEL hoch

Beachten Sie, dass ein Projekt mit dem Unternehmen, für das Sie derzeit arbeiten, im Allgemeinen nicht gut zu den Anforderungen für dieses interdisziplinäre Projekt passt.

Potenzielle Betreuer/innen

Schauen Sie die Liste von Vortragenden der Interdisziplinären Ringvorlesung in den letzten Jahren an.

Potenzielle Ko-Betreuer/innen

A Min Tjoa

Alessio Arleo

Alexander Schindler

Allan Hanbury

Andreas Rauber

Cem Okulmus

Christian Bors

Davide Ceneda

Dimitrios Sacharidis

Elmar Kiesling

Fajar Ekaputra

Florina Piroi

Ivona Brandic

Jesper Larsson Träff

Klaus Nordhausen

Kresimir Matkovic

Manuela Waldner

Margit Pohl

Markus Zlabinger

Marta Sabou

Matthias Lanzinger

Nysret Musliu

Peter Filzmoser

Peter Knees

Rudolf Mayer

Sascha Hunold

Sebastian Hofstätter

Silvia Miksch

Theresia Gschwandtner

Tomasz Miksa

Victor Schetinger

Wolfgang Aigner

Methoden

Ein praktisches Problem in einer interdisziplinären Projektarbeit lösen

Bericht schreiben

Posterpräsentation erstellen

Prüfungsmodus

Prüfungsimmanent

Weitere Informationen

Steps in the Module “DSA – Domain-Specific Aspects of Data Science”

  1. Attend the Interdisciplinary Lecture Series on Data Science (194.046)
  2. Choose an area
  3. Get theoretical knowledge through attending a lecture in this area (3,0/2,0 VO/VU/SE Fachspezifische Lehrveranstaltungen)
  4. Solve a practical problem in inter-disciplinary project work – Interdisciplinary Project in Data Science (194.060/194.047)

Vortragende Personen

Institut

Leistungsnachweis

Bericht über die Ergenbisse

 

Zeugnis

Wenn der/die Betreuer_in und der/die Co-Betreuer_in nicht das Recht haben, ein Zeugnis auszustellen, sollte der/die Betreuer_in oder der/die Co-Betreuer_in eine E-Mail an allan.hanbury@tuwien.ac.at (mit allen beteiligten Personen in cc) schicken, die die Note für das Projekt enthält. Das Zeugnis wird dann auf den Namen des/der Betreuers/Betreuerin und des/der Co-Betreuers/Betreuerin (soweit dies aufgrund der Zugehörigkeit zur TU Wien möglich ist) ausgestellt.

LVA-Anmeldung

Von Bis Abmeldung bis
23.09.2020 12:00 31.01.2021 23:59 28.11.2020 23:59

Curricula

StudienkennzahlVerbindlichkeitSemesterAnm.Bed.Info
066 645 Data Science Pflichtfach3. Semester

Literatur

Es wird kein Skriptum zur Lehrveranstaltung angeboten.

Sprache

Englisch