### PO 2020 ###
### Studiengang und Semester 
2MOMI:2020
### Modulbezeichnung
Data Science~~
### Englische Modulbezeichnung
Data Science
### Art
Wahlpflichtfach
### ECTS-Punkte
5
### Studentische Arbeitsbelastung
30, 120
### Voraussetzungen (laut Prüfungsordnung)
### Empfohlene Voraussetzungen
### Pruefungsform und -dauer
mündliche Prüfung/ Referat (30 min.)
### Lehrmethoden und Lernmethoden
Multimedial aufbereitetes Online-Studienmodul zum Selbststudium mit zeitlich parallel laufender Online-Betreuung (E-Mail, Foren, Chat, Webkonferenzen, Einsendeaufgaben u. a.)
### Modulverantwortlicher
S. Edlich (BHT)
### Modulautor
S. Edlich (BHT)
### Qualifikationsziele
Nach dem erfolgreichen Abschluss des Studienmoduls, sind die Studierenden in der Lage:
- die Grundlagen zu Vektorräumen, Matrizen und Wahrscheinlichkeit zu verstehen
- Design und Struktur von Big Data Analytics Anwendungen zu entwerfen
- Datensätze zu analysieren
- Machine Learning (ML) -Modelle zu evaluieren und zu bewerten
- Grundlagen wie CAP Theorem und NoSQL zu erklären
- die Sprachen R und Python anzuwenden um bspw. Daten zu importieren, Data cleaning durchzuführen und Data Frames umzuwandeln
- Bibliotheken zur Erstellung von Machine Learning Models anzuwenden
- Fragestellungen des Machine Learning in Statistik und Informatik zu verbinden und zu implementieren
- alle ML-Methoden darzustellen
- die Arbeitsweise der wichtigsten ML-Algorithmen zu erklären
### Lehrinhalte
00 Introduction
01 Linear Algebra
02 Python für Data Science
03 R and Julia
04 Machine Learning Introduction
05 Regression
06 Instance Based Methods
07 Decision Trees
08 Clustering
09 Data Preparation
10 Datasets
11 Hands-On
12 Data Visualization
13 Scalable Big Data Analytic Engines
14 Deep Learning and Neuronal Networks
15 Reinforcement Learning applied on Games
### Literatur
„Machine Learning“  Kevin P. Murphy ISBN-13: 978-0262018029
„Doing Data Science“  O’Neill & Schutt, ISBN-13: 978-1449358655