More Data, more Insights? Ein vertiefter Einblick in moderne Data-Science-Methoden aus transdisziplinärer Perspektive

More Data, more Insights? An in-depth Look at modern Data Science Methods from a transdisciplinary Perspective

88-000-SPDis102-DS-H-0423

Master (UNI)

Studium.Pro

Modul

Mathematisch-Geographische Fakultät

Stöger, Dominik

5

- Die Studierenden erhalten einen vertieften Einblick in moderne Data-Science-
Methoden, die in verschiedenen Fachdisziplinen (z.B. Journalistik, Mathematik,
Psychologie, Sprachwissenschaften, Wirtschaftswissenschaften) derzeit zur Analyse
großer Datenmengen verwendet werden.
- Die Studierenden können geeignete und ungeeignete Anwendungsfälle für die
vorgestellten Data-Science-Methoden identifizieren, kritisch reflektieren und passende
Methoden für verschiedene Aufgaben auswählen.
- Die Studierenden sind in der Lage auf Basis von Data-Science-Methoden aus Daten
Handlungsempfehlungen abzuleiten und kriteriengeleitet zu bewerten.
- Die Studierenden entwickeln ein übergreifendes Verständnis der Möglichkeiten und
Grenzen moderner Methoden zur Analyse großer Datenmengen und kennen die
unterschiedlichen Perspektiven der vorgestellten Fachdisziplinen und können sie zu
ihrem eigenen Studienfach in Beziehung setzen.
- Im Rahmen des begleitenden Seminars erwerben die Studierenden anhand einer
Programmiersprache (z.B. Python oder R) erste Grundkenntnisse im Programmieren.
-Die Studierenden können Programmieraufgaben anhand einer Programmiersprache
(z.B. Python oder R), die sie im Rahmen des begleitenden Seminars lernen, lösen.

Anhand ausgewählter Beispiele wird ein vertiefter Einblick in moderne Data-Science-
Methoden verschiedener Fachdisziplinen im Umgang mit großen Datenmengen
gewährt. Dabei wird unter anderem auf verschiedene Arten von Daten (z.B.
wirtschaftswissenschaftliche Daten, Text as Data, Verhaltensdaten, Eye-Tracking-
Daten), deren Modellierung und Ziele der Datenanalyse Bezug genommen. Im Rahmen
des begleitenden Seminars lernen die Studierenden die Grundlagen der
Datenverarbeitung und des Programmierens anhand einer Beispielprogrammiersprache kennen.

keine

1 Vorlesung (1 SWS)
1 Übung (2 SWS)

Erfolgreicher, mindestens mit ausreichend bewerteter Leistungsnachweis:
Klausur oder Portfolio

Regelmäßige Teilnahme oder Selbststudium: 1,5 ECTS-Punkte/ 45h
Vor- und Nachbereitung der Inhalte der Veranstaltung(en): 2 ECTS-Punkte/ 60h
Vorbereitung und Durchführung des Leistungsnachweises: 1,5 ECTS-Punkte/ 45h

Leistungsnachweis 1/1

Alle Bachelor- und Masterstudiengänge der KU

Polyvalenz auf Veranstaltungsebenen:
Nehmermodul der Vorlesungen von dem Modul „More data, more insights? Moderne Data-Science-Methoden aus transdisziplinärer Perspektive“ 82-000-SPDis01-DS

WS