Einführung in Web und Data Science
Dozent:
Prof. Dr. rer.nat. Ralf Möller
Inhalt:
- Einführung, Klassifikation vs. Regression, parametrisches und nicht-parametrisches überwachtes Lernen (pdf, pptx)
- Neuronale Netze und Support-Vektor-Maschinen (pdf, pptx)
- Häufungsanalysen, Warenkorbanalyse, Empfehlungen (pdf, pptx)
- Statistische Grundlagen: Stichproblen, Schätzer, Verteilung, Dichte, kumulative Verteilung, Skalen: Nominal-, Ordinal-, Intervall- und Verhältnisskala, Hypothesentests, Konfidenzintervalle (pdf, pptx)
- Reliabilität, Interne Konsistenz, Cronbach Alpha, Unterschiedshypothesen: t-Test (Intervallskala, Normalverteilung), Trennschärfe, Chi-Quadrat-Test (Nominal- und Ordinalskala) (pdf, pptx)
- Induktives Lernen: Versionsraum, Informationstheorie, Entscheidungsbäume, Lernen von Regeln (pdf, pptx)
- Ensemble-Methoden, Bagging, Boosting, Random Forests (pdf, pptx)
- Clusterbildung, K-Means, Analyse der Variation (Analysis of Variation, ANOVA), Inter-Cluster-Variation, Intra-Cluster-Variation, F-Statistik, Bonferroni-Korrektur, MANOVA, Discriminant Function Analysis (pdf, pptx)
- Analyse Sozialer Strukturen (pdf, pptx)
- Zusammenfassung (pdf, pptx)
Zielgruppe:
Bachelor Informatik ab 2016 (Wahlpflicht), Einführungsveranstaltung Informatik, 1. Fachsemester Bachelor Informatik ab 2016, Kanonische Vertiefung Web and Data Science, 1. Fachsemester (Plicht)
Umfang:
2 SWS Vorlesung
1 SWS Übung
Zeit und Ort:
Vorlesung: Donnerstags, 12:00 - 14:00 Uhr im IFIS-Seminarraum Geb. 64, Rm 2035
Übung: Mittwochs, 13:15 - 14:00 Uhr im IFIS-Seminarraum Geb. 64, Rm 2035
Beginn:
Vorlesung: Donnerstag, den 18.10.2018