Zur Merkliste hinzufügen
Zurück

 

63982-01 - Vorlesung mit Übungen: A Practical Introduction to Data Science 4 KP

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 wöchentlich
Datum 22.02.2022 – 31.05.2022
Zeit Dienstag, 14.15-16.00 Bernoullianum, Grosser Hörsaal 148
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 (Bachelor Studienfach Computer Science)
Modul: Applications and Related Topics (Bachelorstudium: 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
An-/Abmeldung zur Leistungsüberprüfung An-/Abmelden: Belegen resp. Stornieren der Belegung via MOnA
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

Zurück