Loading
13986.0006 23S 2SWS BV Data Literacy - Einstieg in die quantitative Datenanalyse und maschinelles Lernen mit R (ProfessionalCenter)   Hilfe Logo

LV - Detailansicht
Wichtigste Meldungen anzeigenMeldungsfenster schließen
Allgemeine Angaben
Data Literacy - Einstieg in die quantitative Datenanalyse und maschinelles Lernen mit R (ProfessionalCenter) 
13986.0006
Blockveranstaltung
2
Sommersemester 2023
Klinkhammer, Dennis
ProfessionalCenter
(Kontakt)
Anzahl der Zuordnungen zu laufenden und auslaufenden Studien ausblendenPflichtfach: 0 | Wahlfach: 1 | Doktoratsstudien: 0
Seite von 50 eine Seite weiter
Studienart/Studienplan 
 SPO-V
Zuordnung zu Modul 
 Art Empf.
Sem.		 ECTS
Credits		 Prüfungsart Äquiv. Vorauss.
 
laufend 2022/23
Kurzzeitstudium
A1 502 Kurzzeitstudium Erasmus Rechtswissenschaftliche Fakultät (HG-NRW)
20142
-3
A1 502 Kurzzeitstudium Erasmus Rechtswissenschaftliche Fakultät (HG-NRW)
20142
-3
A1 502 Kurzzeitstudium Erasmus Rechtswissenschaftliche Fakultät (HG-NRW)
20142
-3
A1 502 Kurzzeitstudium Erasmus Rechtswissenschaftliche Fakultät (HG-NRW)
20142
-3
A1 504 Kurzzeitstudium Erasmus Philosophische Fakultät (HG-NRW)
20142
-3
A1 504 Kurzzeitstudium Erasmus Philosophische Fakultät (HG-NRW)
20142
-3
A1 504 Kurzzeitstudium Erasmus Philosophische Fakultät (HG-NRW)
20142
-3
A1 504 Kurzzeitstudium Erasmus Philosophische Fakultät (HG-NRW)
20142
-3
A2 514 Kurzzeitstudium Partnerhochschulen Philosophische Fakultät (HG-NRW)
20142
-3
A2 514 Kurzzeitstudium Partnerhochschulen Philosophische Fakultät (HG-NRW)
20142
-3
A2 514 Kurzzeitstudium Partnerhochschulen Philosophische Fakultät (HG-NRW)
20142
-3
A2 514 Kurzzeitstudium Partnerhochschulen Philosophische Fakultät (HG-NRW)
20142
-3
A3 524 Kurzzeitstudium andere Stipendiaten Philosophische Fakultät (HG-NRW)
20142
-3
A3 524 Kurzzeitstudium andere Stipendiaten Philosophische Fakultät (HG-NRW)
20142
-3
A3 524 Kurzzeitstudium andere Stipendiaten Philosophische Fakultät (HG-NRW)
20142
-3
A3 524 Kurzzeitstudium andere Stipendiaten Philosophische Fakultät (HG-NRW)
20142
-3
A4 534 Kurzzeitstudium Fremdsprachenassistent Philosophische Fakultät (HG-NRW)
20142
-3
A4 534 Kurzzeitstudium Fremdsprachenassistent Philosophische Fakultät (HG-NRW)
20142
-3
A4 534 Kurzzeitstudium Fremdsprachenassistent Philosophische Fakultät (HG-NRW)
20142
-3
A4 534 Kurzzeitstudium Fremdsprachenassistent Philosophische Fakultät (HG-NRW)
20142
-3
Bachelorstudium
B1 06M Lehramt an Berufskollegs (HG-NRW)
20222
--
B1 06M Lehramt an Berufskollegs (HG-NRW)
20222
--
B1 06M Lehramt an Berufskollegs (HG-NRW)
20222
--
B1 06M Lehramt an Berufskollegs (HG-NRW)
20222
--
B5 02M Lehramt an Grundschulen (HG-NRW)
20222
--
Seite von 50 eine Seite weiter
Zuordnungen: 2 
Angaben zur Abhaltung
Die Lehrveranstaltung bietet einen sehr intuitiven Einblick in das Thema Data Science und ermöglicht somit den Einstieg in die quantitative Datenanalyse mittels statistischer Analyseverfahren (Chi-Quadrat-Test, t-Test, Korrelation, lineare und nicht-lineare Regression) bis zu den Grundlagen des sogenannten maschinellen Lernens. Die Teilnehmenden sollen im Anschluss an diese Lehrveranstaltung die Frage beantworten können, wann ein "manuelles Vorgehen" gegenüber einem "automatisierten Vorgehen" von Vorteil sein kann und welche Voraussetzungen für ein maschinelles Lernen gegeben sein müssen (und warum diese in vielen Fällen nicht gegeben sind). Dabei werden unter anderem die Programmiersprache R vorgestellt und die wichtigsten Grundlagen der deskriptiven Statistik und Inferenzstatistik wiederholt, um eigenständig Aufgaben aus dem Data Science Kontext lösen zu können.

Über den Dozierenden:
Prof. Dr. Dennis Klinkhammer ist Fachhochschullehrer an der FOM Hochschule und Wissenschaftler am Institut für Empirie und Statistik (ifes). Er lehrt und forscht zu Algorithmen für automatisierte Social Media Screenings (u.a. im Kontext der Online-Radikalisierung) und digitaler Gesichtserkennung (u.a. im Kontext der Medialen Längsschnittanalyse) und stellt einschlägige Programmierbeispiele für Python und R bereit: www.statistical-thinking.de
Inhaltlich: Freude an einem intuitiven Einstieg in die Statistik

Technisch: Die Programmiersprache R sowie die grafische Benutzeroberfläche RStudio sollten auf einem mobilen Rechner (Windows/Linux) oder mobilen Mac (macOS) installiert sein: https://cran.r-project.org/bin/windows/base/ bzw. https://cran.r-project.org/bin/macosx/ und https://www.rstudio.com/products/rstudio/download/#download
Bitte den Laptop zu den Veranstaltungsterminen mitbringen.
Die Teilnehmenden können im Anschluss an die Lehrveranstaltung:
- grundlegende statistische Analyseschritte in der Programmiersprache R durchführen
- univariate, bivariate und multivariate Analyseschritte durchführen und bewerten
- die grundlegende Funktionsweise von Machine Learning Algorithmen darlegen
- Datenmaterial für die Anwendung einfacher Machine Learning Algorithmen vorbereiten
- eine Entscheidung für "manuelle Lösungen" oder "automatisierte Lösungen" treffen
- eine klassische Data Science Aufgabe eigenständig lösen
Deutsch

berufqualifizierende Kompetenzen
3 LP = 90h Workload im Studium Integrale
Details
Für die Anmeldung zur Teilnahme müssen Sie sich in KLIPS 2.0 als Studierende*r identifizieren.
Anmerkung: Grundsätzlich halten wir Ihnen einen zugeteilten Fixplatz bis zum Beginn der Lehrveranstaltung frei. Sollten Sie beim ersten Termin nicht teilnehmen können, verlieren Sie das Anrecht auf Ihren Platz.

Sollten Sie vorab wissen, dass Sie nicht teilnehmen können, sind wir auf Ihre Mithilfe angewiesen: Wir können Ihren Platz erst dann an potentielle Nachrücker:innen vergeben, wenn Sie sich offiziell über KLIPS 2.0 von der LV abmelden.

Sollten Sie keinen Fixplatz erhalten haben, empfehlen wir Ihnen, die in KLIPS 2.0 hinterlegte Adresse der:des Dozierenden zu nutzen und diese:n vorab anzuschreiben. Sie finden die Adresse des:der Dozierenden mit Klick auf die Veranstaltungsbeschreibung als "Vortragende:r" hinterlegt.
Sie haben außerdem die Möglichkeit, zum ersten LV-Termin zu erscheinen und bei dem:der Dozierenden vorzusprechen und darum zu bitten, nachrücken zu können. Dies ist nur möglich, solange freie Plätze vorhanden sind.
Angaben zur Prüfung
siehe Stellung im Studienplan
Die Prüfungsleistung (3 LP) besteht aus:
Im Rahmen der Lehrveranstaltung werden die Teilnehmenden an klassische Data Science Aufgaben herangeführt. Als Prüfungsleistung (3 LP) wird auf den IRIS Datensatz in R zurückgegriffen, der als quantitativer Datensatz Informationen zu verschiedenen Schwertlilienarten enthält. Die Teilnehmenden sollen die verschiedenen Schwertlilienarten sowohl mittels klassischer Statistik als auch mittels Machine Learning Algortihmen korrekt klassifizieren und die beiden Vorgehensweisen hinsichtlich ihrer Genauigkeit (Accuracy) miteinander vergleichen.
Details
Anmerkung: Es handelt sich um eine Lehrveranstaltungsprüfung. Eine separate Prüfungsanmeldung ist nicht erforderlich.
k.A.
Zusatzinformationen
- “Statistical Thinking - Online Lehrmaterialien“: https://www.statistical-thinking.de/
- Klinkhammer, D., Spermann, A. (2020): "Einführung in die empirische Kausalanalyse und Machine Learning mit R. UTB Verlag. Stuttgart"
Administrative Fragen zur Veranstaltung richten Sie bitte an professionalcenter-support@uni-koeln.de.

Verbuchung der LP:
Die Leistungspunkte werden über KLIPS 2.0 vom ProfessionalCenter verbucht. Eine Staffelung von LP ist nicht möglich.

Bei erfolgreichem Abschluss der gesamten LV (regelmäßige, aktive Teilnahme, Vor- und Nachbereitung und Prüfungsleistung) erhalten Studierende eine digitale Teilnahmebescheinigung automatisch als PDF per Mail an den Studierenden-Account (webmail.uni-koeln.de). Das ProfessionalCenter erstellt und versendet zum Ende eines jeden Monats Teilnahmebescheinigungen für diejenigen LV, deren Leistungen auf Grund der Rückmeldung der jeweiligen Dozierenden im laufenden Monat verbucht werden konnten.