Introduction into Data Science (IntroDS17), Master & Promotion

Semester: SS2017
Studiengänge : Master Business Administration, Master Information Systems, Master Business Administration and Law, Master Business Pedagogics
Credit Points: 6 CP
Ansprechpartner: Iaroslav Shcherbatyi

Inhalt

Unternehmen im Forschungs- und Industriebereich greifen auf Daten zurück, um Entscheidungen abzusichern und um datenintensive Produkte und Dienstleistungen anzubieten. Die für diese Prozesse benötigten Kompetenzen werden unter dem Begriff Data Science (Datenwissenschaften) zusammengefasst. Die Analyse von großen Datenmengen setzt sich unter anderem aus skalierbarem Datenmanagement, parallelen Algorithmen, statistischer Modellierung sowie einem sicheren Umgang mit dem komplexen Zusammenspiel verschiedenster Instrumente und Plattformen zusammen und ist in unterschiedlichen Disziplinen verankert. Diese Vorlesung soll den Teilnehmern zum Einen verdeutlichen, was von zukünftigen Data Scientists (Datenwissenschaftlern) erwartet wird und ihnen zum Anderen die Fähigkeiten vermitteln, um diese Erwartungen auch erfüllen zu können. Das im Kurs vermittelte methodische Wissen soll nicht nur ein kurzes „How-To“ darstellen, sondern die Teilnehmer befähigen, selbstständig entscheiden zu können, wann und warum bestimmte Methoden eingesetzt werden. Da eine der größten Probleme bei der Datenanalyse oftmals in einer falschen Fragestellung liegt, wird die Vorlesung auch auf die Unternehmensperspektive eingehen, um unternehmenstypische Probleme zu lösen und die richtigen Fragestellungen für eine passende Datenanalyse zu stellen. In der Vorlesung werden Konzepte und Instrumente vorgestellt, die im Verlauf der gesamten Data Science-Pipeline gebraucht werden. Neben der richtigen Herangehensweise wird die Vorlesung auf die Interpretation der Analyseergebnisse sowie deren Visualisierung und Umwandlung in Geschäftsmodelle eingehen. In begleitenden Übungen werden vorgestellte Methoden und Algorithmen praktisch angewendet, wobei Web-Programmierung, Statistik und die Manipulation von Datenmengen im Mittelpunkt stehen. In einem Abschlussprojekt wenden die Teilnehmer das Gelernte an, entwickeln ein datenintensives Produkt bzw. eine Dienstleistung und lösen somit ein konkretes unternehmensspezifisches Problem mit realen Daten.

Termine und Räume

Organisation

Allgemeines zur Veranstaltung

  • Aufbau der Veranstaltung: Vorlesung und Übung
  • Sprache der Veranstaltung: Englisch

Empfohlene Vorkenntnisse

Wir erwarten, dass Sie bereits die Mathematikvorlesungen der Fakultät 1 oder 6 sowie die Statistikvorlesungen von Dr. Martin Becker („Deskriptive Statistik und Wahrscheinlichkeitsrechnung“, „Schließende Statistik“) belegt haben. Des Weiteren sollten Sie für eine erfolgreiche Teilnahme zumindest über Grundkenntnisse in den gängigen Programmiersprachen (Python, Java, C++, C# etc.) verfügen. Wenn Sie Programmierung I und II der Fakultät 6 abgeschlossen haben, sollten Sie entsprechend vorbereitet sein.

Anmeldeformalitäten

Die Teilnehmeranzahl ist auf 25 begrenzt. Bitte melden Sie sich selbst über https://lehre.iss.uni-saarland.de/ an. Alle weiteren Informationen und Dokumente finden Sie dort. Bitte melden Sie sich zudem für die Prüfung über das Wirtschaftswissenschaftliche Prüfungssekretariat VIPA an.

Prüfungsformalitäten

Die Prüfung setzt sich aus einer Klausur (120 Min.) (60% der Modulnote) und der Übungsnote (40% der Modulnote) zusammen. Doktoranden können eine Teilnahmebescheinigung für die Vorlesung erhalten, wenn sie die Übungen bestehen, d.h. diese Arbeit mindestens mit der Note 4.0 abschließen.