[dbis logo]

.Lehre.Semesterübersicht
[Institut fuer Informatik] [Leerraum] [Humboldt-Universitaet zu Berlin]

Data Science für Nicht-InformatikerInnen

Die VL führt in Big Data-Techniken und Ansätze. Dazu werden verschiedene Algorithmen beispielsweise zum Clustering, Association Rule Mining oder Page Ranking und deren skalierbaren Ausführung, Ansätze zur Datenintegration, Datensäuberung, Entity-Recognition usw. vorgestellt. Des Weiteren werden Fragen zur Versionierung von Daten und Prozessen sowie die Beschreibung wichtiger Eigenschaften im Bereich Big Data angesprochen und Lösungen diskutiert.

Ziel der Vorlesung ist es, Studierende ausßerhalb der Informatik mit den wichtigsten Grundlagen im Bereich Data Science vertraut zu machen. Dazu werden sie mit den Zielen von Data Science, den konzeptionellen Ansätzen wie der Modellierung als auch notwendigen Technologien zur durchführung von Data Science-Aufgaben vertraut gemacht. Zu Letzterem gehören Kenntisse im Bereich des Data Life Cycle Managements, im Bereich der Datenverwaltung (Datenbankmanagementsysteme - DBMS), des Datenzugriffs, der Datenverwaltung und der Datenanalyse.

Die Studierenden sollen somit befähigt werden, in ihrem fachlichen Bereich (Domäne), Data Science-Ansätze zur Anwendung zu bringen.

Diese Vorlesung ist ausschließlich für Nicht-Informatiker konzipiert. Fachliche Voraussetzungen für eine erfolgreiche Teilnahme sind Programmierkenntnisse (Java, php, C) sowie Kenntnisse im Bereich einfacher Algorithmen und Datenstrukturen.

DieseVorlesung ist mit 3 SWS angekündigt, sie wird aber 4stündig gelesen; die Anzahl der Gesamtvorlesungsstunden wird dadurch nicht erhöht.

Weitere Information zur Vorlesungen finden Sie in Agnes.

Aufgaben der Vorlesung

  • Die erste zu lösende Aufgabe ist in Moodle zu finden (8.11.2017). Die Lösung ist über Moodle bis zum 26.11.2017, 23:59 Uhr abzugeben (harter Deadline).
  • Die zweite zu lösende Aufgabe ist in Moodle zu finden (4.12.2017). Die Lösung ist über Moodle bis zum 7. Januar 2018, 23:59 Uhr abzugeben (harter Deadline).

Vorlesungsfolien

Bitte loggen Sie sich ein, um auf die Folien zuzugreifen.

Termine und Gestaltung der einzelnen Vorlesungen

Datum Vorlesung Sonstige Bem.
16.10.17 Fällt aus Dies academicus
17.10.17 Einführung
23.10.17 Data, data, ...
24.10.17 HW development
30.10.17
31.10.17 Fällt aus Reformationstag
06.11.17
07.11.17
13.11.17
14.11.17
20.11.17
21.11.17
27.11.17
28.11.17
04.12.17
05.12.17
11.12.17 Gastvorlesung Prof. Reisig
12.12.17 Gastvorlesung Prof. Reisig
18.12.17 Fällt aus
19.12.17 Fällt aus
08.01.18
09.01.18
15.01.18
16.01.18
22.01.18
23.01.18
29.01.18 Fällt aus Freiwillig: Vortrag in Adlershof; 16 Uhr
30.01.18 Fällt aus
05.02.18 Fällt aus
06.02.18 Fällt aus
12.02.18 Fällt aus
13.02.18 Fällt aus


[Punkt]  Sommersemester 2018

[aktiver Punkt]  Wintersemester 2017/18

[Punkt]  Sommersemester 2017

[Punkt]  Sommersemester 2016

[Punkt]  Wintersemester 2015/16

[Punkt]  Sommersemester 2015

[Punkt]  Wintersemester 2014/15

[Punkt]  Sommersemester 2014

[Punkt]  Wintersemester 2013/14

[Punkt]  Sommersemester 2013

[Punkt]  Wintersemester 2012/13

[Punkt]  Sommersemester 2012

[Punkt]  Wintersemester 2011/12

[Punkt]  Sommersemester 2011

[Punkt]  Wintersemester 2010/11

[Punkt]  Sommersemester 2010

[Punkt]  Wintersemester 2009/10

[Punkt]  Sommersemester 2009

[Punkt]  Wintersemester 2008/09

[Punkt]  Sommersemester 2008

[Punkt]  Wintersemester 2007/08

[Punkt]  Sommersemester 2007

[Punkt]  Wintersemester 2006/07

[Punkt]  Sommersemester 2006

[Punkt]  Wintersemester 2005/06

[Punkt]  Sommersemester 2005

[Punkt]  Wintersemester 2004/05



Ansprechpartner