IM320: Data Science (dsci-ml)#

Das vorliegende Jupyterbook dokumentiert die Python-Lernumgebung zum praktischen Inhalt Machine Learning (ML) aus der Veranstaltung Data Science (IM 970). Diese Lernumgebung als zip-Datei downloaden und im [Data Science Lab (dsci-lab)(http://jbusse.de/dsci-lab/start.html) auspacken: Alles läuft garantiert.

Inhalt:

  • Auf das dsci-lab angepasste Versionen von ausgewählten opensource (!) 3rd Party-Lehrmaterialien, hier insbesondere ausgewählte Kursmodule aus https://www.kaggle.com/learn.

  • Lernpfade und Empfehlungen zur Erarbeitung von 3rd Party-Lehrmaterial, insbeondere aus Kaggle Learn.

  • Datensätze aus Kaggle Learn und anderen Quellen

  • Auch dabei ist eine knappe Empfehlung, wie man sich die für ML grundlegenden Python-Kompetenzen zielorientiert selbst aneignen kann.

Lehrinhalte#

In einer praxisorientierten Wirtschaftsinformatik gewinnt das Themenfeld rund um Data Science zu- nehmend an Bedeutung. Das vorliegende Modul gibt zunächst einen groben Überblick über aktuelle Entwickungen und theoretische Grundlagen, um dann mit Hilfe aktueller Data Science Technologien praktische Machine Learning Kompetenzen zu vermitteln.

Qualifikationsziele#

Absolventen des Moduls sind in der Lage, bei einer Kaggle-Competition im Mittelfeld teilnehmen zu können. Dies beinhaltet im Detail:

  • Kenntnisse: Grundlagen BI, Data Mining, Predictive Analytics, Wissensmodellierung.

  • Fertigkeiten: Operative Integration, Analyse, Visualisierung, Interpretation von heterogenen Daten auf Basis von Python und aktuellen Notebook-Technologien.

  • Kompetenzen: Anwendung der Kenntnisse und Fertigkeiten auf ausgewählte realweltliche Fallbeispiele (wie z.B. Kaggle-Competitions)