Analysis 1 für Data Science
Die Lehrveranstaltung vermittelt die mathematisch-analytischen Grundlagen für den Bachelor-Studiengang Data Science.
Behandelte Themengebiete:
- Logik und Mengenlehre
- Stellenwertsysteme
- Grundlagen der Algebra und Analysis
- Funktionen einer Variablen
- Folgen und Reihen
- Differenzialrechnung
- Integralrechnung
Lehrende: Prof. Dr. Stefan Glasauer, Dr. Hadwig Sternschulte
Zeiten:
- dienstags 09:50 - 11:20: Vorlesung
- dienstags 14:00 - 15:30: Übung mit Stefan Glasauer
- donnerstags 08:00 - 09:30: Vorlesung
- donnerstags 14:00 - 15:30: Übung mit Hadwig Sternschulte
- Dozent/in: Stefan Glasauer
- Dozent/in: Hadwig Sternschulte
Inhalt des Kurses:
- Einführung in die Programmiersprache R und die IDE RStudio
- Daten mit Hilfe der Pakete des Tidyverses einlesen, aufarbeiten und visualisieren
- Dozent/in: Stefan Jansen
Grundlagen der Informatik
Zu Beginn der Vorlesung gibt es eine Einführung in die Programmiersprache Python. Die theoretischen Themenbereiche, beispielsweise Laufzeiten von Such- und Sortieralgorithmen, werden immer auch anhand konkreter Implementierungen ausprobiert und besprochen.
Lehrender: Prof. Dr. Sebastian Scholtes
Leistungsnachweis: schriftliche Prüfung
Zeiten:
- Mi 09:50 - 11:20 (Vorlesung)
- Mi 08:00 - 09:30 (Übung)
- Do 11:40 - 13:10 (betreutes Programmieren)
- Dozent/in: Sebastian Scholtes
- Dozent/in: Hedwig Kitzer
- Dozent/in: Eva Lermer
Lineare Algebra für Data Science
Die Lehrveranstaltung vermittelt die Grundlagen der Linearen Algebra für den Bachelor-Studiengang Data Science.
Inhalte:
- Lineare Gleichungssysteme
- Matrizen und Vektoren
- Vektorräume
- Eigenwertprobleme
Zeiten:
- Montags 11:40 - 13:10: Vorlesung
- Dienstags 11:40 - 13:10: Vorlesung
- Mittwochs 14:00 - 15:30: Übung
- Donnerstags 09:50 - 11:20: Vorlesung
- Zusatzangebot: Betreutes Rechnen (Termin steht noch nicht fest)
- Dozent/in: Wolfgang Bischof
- Dozent/in: Caroline Justen
- Dozent/in: Hadwig Sternschulte
Dieser Kurs ist Teil des Moduls Kommunikation, Wissenschaftstheorie und Forschungsmethoden (5 ECTS-Credits)
Notenbildung durch Mittelwert der Einzelnoten aus den beiden Teilkursen des Moduls.
Prüfung (Details in Moodle):
- Studienarbeit (Gewicht 60 % der Kursnote)
- Kurzpräsentation zu den Ergebnissen der Studienarbeit (Gewicht 40 % der Kursnote)
- Zusätzlich möglich: Verbesserung der Bewertung durch Bonustest zum Thema Aussagenlogik
- Dozent/in: Stefan Etschberger