Zurück
| Semester | Frühjahrsemester 2022 |
| Angebotsmuster | Jedes Frühjahrsem. |
| Dozierende | Ivan Dokmanić (ivan.dokmanic@unibas.ch, BeurteilerIn) |
| Inhalt | Data-driven research has established itself as the fourth scientific method, alongside theory, empirical research, and computational science. Data science is the new science of generating knowledge from data. To be precise, rather than a “pure” bona fide science, it is really an amalgam of tools, techniques, and processes from several disciplines—statistics, computer science, signal processing, machine learning, …—chosen to form a powerful toolbox and a set of best practices for modern data analysis. Success stories of data science range from molecular biology where it is used to understand single cell RNA sequencing datasets, over physics where it is used to detect new elementary particles, to governance and policymaking where it is used to visualize, understand, and predict global migration flows. “A Practical Introduction to Data Science” is a first data science course for a varied audience, which emphasizes concrete examples in Python. The prerequisite is that you have some experience with programming in Python. The course covers data visualization principles in Python, relevant fundamentals of statistics and probability with many computational examples, and fundamentals of machine learning and, time permitting, neural networks. |
| Lernziele | - Use python packages to load and handle data in various formats - Understand principles of data visualization; get familiar with python packages for visualization - Gain intuition about the fundamentals of statistics - Randomness, distributions, sampling - Means, averages, deviations, interquartile ranges, … - The law of large numbers, the central limit theorem - The Monte Carlo idea (how do we try complicated things out computationally?) - Statistical inference: confidence intervals, hypothesis testing, p-values - Bayesian statistics - Causality vs correlation - Learn fundamentals of machine learning - Cross-validation - K nearest neighbors - Logistic regression, generalized linear models - Random forests, neural networks - Gain exposure to handling different data types - Numerical data in tables, images, text |
| Teilnahmebedingungen | - A first course in Python programming such as those offered at the DMI (62035-01 - Einführung in die Programmierung) |
| Unterrichtssprache | Englisch |
| Einsatz digitaler Medien | kein spezifischer Einsatz |
| Intervall | Wochentag | Zeit | Raum |
|---|---|---|---|
| wöchentlich | Dienstag | 14.15-16.00 | Bernoullianum, Grosser Hörsaal 148 |
| wöchentlich | Dienstag | 16.15-18.00 | Bernoullianum, Grosser Hörsaal 148 |
| Datum | Zeit | Raum |
|---|---|---|
| Dienstag 22.02.2022 | 14.15-16.00 Uhr | Bernoullianum, Grosser Hörsaal 148 |
| Dienstag 22.02.2022 | 16.15-18.00 Uhr | Bernoullianum, Grosser Hörsaal 148 |
| Dienstag 01.03.2022 | 14.15-16.00 Uhr | Bernoullianum, Grosser Hörsaal 148 |
| Dienstag 01.03.2022 | 16.15-18.00 Uhr | Bernoullianum, Grosser Hörsaal 148 |
| Dienstag 08.03.2022 | 14.15-16.00 Uhr | Fasnachtsferien |
| Dienstag 08.03.2022 | 16.15-18.00 Uhr | Fasnachtsferien |
| Dienstag 15.03.2022 | 14.15-16.00 Uhr | Bernoullianum, Grosser Hörsaal 148 |
| Dienstag 15.03.2022 | 16.15-18.00 Uhr | Bernoullianum, Grosser Hörsaal 148 |
| Dienstag 22.03.2022 | 14.15-16.00 Uhr | Bernoullianum, Grosser Hörsaal 148 |
| Dienstag 22.03.2022 | 16.15-18.00 Uhr | Bernoullianum, Grosser Hörsaal 148 |
| Dienstag 29.03.2022 | 14.15-16.00 Uhr | Bernoullianum, Grosser Hörsaal 148 |
| Dienstag 29.03.2022 | 16.15-18.00 Uhr | Bernoullianum, Grosser Hörsaal 148 |
| Dienstag 05.04.2022 | 14.15-16.00 Uhr | Bernoullianum, Grosser Hörsaal 148 |
| Dienstag 05.04.2022 | 16.15-18.00 Uhr | Bernoullianum, Grosser Hörsaal 148 |
| Dienstag 12.04.2022 | 14.15-16.00 Uhr | Bernoullianum, Grosser Hörsaal 148 |
| Dienstag 12.04.2022 | 16.15-18.00 Uhr | Bernoullianum, Grosser Hörsaal 148 |
| Dienstag 19.04.2022 | 14.15-16.00 Uhr | Bernoullianum, Grosser Hörsaal 148 |
| Dienstag 19.04.2022 | 16.15-18.00 Uhr | Bernoullianum, Grosser Hörsaal 148 |
| Dienstag 26.04.2022 | 14.15-16.00 Uhr | Bernoullianum, Grosser Hörsaal 148 |
| Dienstag 26.04.2022 | 16.15-18.00 Uhr | Bernoullianum, Grosser Hörsaal 148 |
| Dienstag 03.05.2022 | 14.15-16.00 Uhr | Bernoullianum, Grosser Hörsaal 148 |
| Dienstag 03.05.2022 | 16.15-18.00 Uhr | Bernoullianum, Grosser Hörsaal 148 |
| Dienstag 10.05.2022 | 14.15-16.00 Uhr | Bernoullianum, Grosser Hörsaal 148 |
| Dienstag 10.05.2022 | 16.15-18.00 Uhr | Bernoullianum, Grosser Hörsaal 148 |
| Dienstag 17.05.2022 | 14.15-16.00 Uhr | Vesalianum Seiteneingang, Grosser Hörsaal (EO.16) |
| Dienstag 17.05.2022 | 16.15-18.00 Uhr | Bernoullianum, Grosser Hörsaal 148 |
| Dienstag 24.05.2022 | 14.15-16.00 Uhr | Bernoullianum, Grosser Hörsaal 148 |
| Dienstag 24.05.2022 | 16.15-18.00 Uhr | Bernoullianum, Grosser Hörsaal 148 |
| Dienstag 31.05.2022 | 14.15-16.00 Uhr | Bernoullianum, Grosser Hörsaal 148 |
| Dienstag 31.05.2022 | 16.15-18.00 Uhr | Bernoullianum, Grosser Hörsaal 148 |
| Module |
Modul: Applications and Related Topics (Bachelorstudium: Computer Science) Modul: Applications and Related Topics (Bachelor Studienfach: Computer Science) Modul: Field Electives in Economics and Public Policy (Masterstudium: Economics and Public Policy) Modul: Humanities and Social Science Coding (Master Studienfach: Digital Humanities) Modul: Informatik (Bachelor Studienfach: Physik) Modul: Interdisziplinäres und Wissenstransfer (Masterstudium: Actuarial Science) Modul: Specific Electives in Data Science and Computational Economics (Masterstudium: Wirtschaftswissenschaften) Modul: Specific Electives in Marketing and Strategic Management (Masterstudium: Wirtschaftswissenschaften) Modul: Technology Field (Masterstudium: Business and Technology) Vertiefungsmodul: Marketing and Strategic Management (Masterstudium: Wirtschaftswissenschaften (Studienbeginn vor 01.08.2021)) Vertiefungsmodul: Quantitative Methods (Masterstudium: Wirtschaftswissenschaften (Studienbeginn vor 01.08.2021)) Wahlbereich Aufbaustudium Bachelor Physik: Empfehlungen (Bachelorstudium: Physik) Wahlbereich Bachelor Mathematik: Empfehlungen (Bachelorstudium: Mathematik) Wahlbereich Grundstudium Bachelor Physik: Empfehlungen (Bachelorstudium: Physik) Wahlbereich Master Mathematik: Empfehlungen (Masterstudium: Mathematik) Wahlbereich Master Physik: Empfehlungen (Masterstudium: Physik) |
| Leistungsüberprüfung | Lehrveranst.-begleitend |
| Hinweise zur Leistungsüberprüfung | expected date: June 24, 10-12, Biozentrum (Maurice E. Müller Saal and U1.101) |
| An-/Abmeldung zur Leistungsüberprüfung | Anm.: Belegen Lehrveranstaltung; Abm.: stornieren |
| Wiederholungsprüfung | keine Wiederholungsprüfung |
| Skala | 1-6 0,5 |
| Wiederholtes Belegen | beliebig wiederholbar |
| Zuständige Fakultät | Philosophisch-Naturwissenschaftliche Fakultät, studiendekanat-philnat@unibas.ch |
| Anbietende Organisationseinheit | Fachbereich Informatik |