Modulbeschreibung
Data Science
ECTS-Credits:
Lernziele:
Die wertvollste ökonomische Ressource sind heutzutage Daten. Im Zeitalter der Digitalisierung werden Daten praktisch in allen Lebensbereichen generiert, u.a. bei der Nutzung des Internets, in Lieferketten, in Prozessen oder durch Sensoren aller Art (In-ternet of Things). Der grösste Nutzen entsteht nicht durch die Daten selber, sondern ergibt sich durch ihre Auswertung mit Hilfe von Data Mining. Dadurch können u.a.
- Muster und strukturelle Zusammenhänge sichtbar werden (z.B. welche Waren typischerweise gemeinsam gekauft werden),
- Objekte nach vorgegebenen Kriterien klassifiziert werden (z.B. dass eine Email Spam ist),
- Vorhersagen zukünftiger Ereignisse generiert werden (z.B. dass eine Maschine in Kürze einen Defekt haben wird).
In diesem Modul werden anhand von typischen Anwendungsfällen grundlegende Methoden der Datenanalyse sowohl für strukturierte als auch für unstrukturierte Daten eingeführt. Es wird ein Verständnis vermittelt, welche Methoden für welche Arten von Problemstellungen angemessen sind, und wie man in einem Datenanalyse-Projekt vorgeht.
Kurse in diesem Modul
Data Science:
- Grundlagen Klassifikation: Entscheidungsbäume, Evaluation, Over-/Underfitting, Sampling, Feature Engineering
- Klassifikation – Algorithmen: Bayes Classifier, Support Vector Machines, Ensemble Techniken, Regelinduktion
- Klassifikation auf Multimedia- und Sensordaten: Features für Multimedia- und Sensordaten, Neuronale Netze, Deep Learning
- Unsupervised Learning: Clustering, Outlier Detection
- Big Data: Federated Learning, Stream Learning, Inkrementelles Lernen,
- Data Mining auf Texten: Features für Text, Topic Modeling, Distributional Semantics, Information Extraction, Text Clustering, Text Klassifikation, Text Mining
Disclaimer
Diese Beschreibung ist rechtlich nicht verbindlich! Weitere Informationen finden Sie in der detaillierten Modulbeschreibung.