Modul 39-M-Inf-ADA Advanced Data Analysis

Fakultät

Technische Fakultät

Modulverantwortliche/r

Frau Prof. Dr. Barbara Hammer

Turnus (Beginn)

Mindestens jedes 2. Wintersemester

Leistungspunkte und Dauer

5 Leistungspunkte

Die Angaben zur Moduldauer finden Sie bei den Studiengängen, in denen das Modul verwendet wird.

Kompetenzen

In diesem Modul lernen Studierende die Modellierung komplexer Sachverhalte mit fortgeschrittenen Techniken und Methoden der Datenanalyse. Dieses beinhaltet insbesondere, wie man in komplexen Situationen mit unklarer Aufgabenstellung durch Wahl einer geeigneten Strukturierung nützliche Information effizient aus gegebenen Daten extrahieren kann, und wie diese grundständigen Ideen zu konkreten Algorithmen und zugrundeliegenden Garantien formalisiert werden können.

Within this module, students learn how to model complex tasks by means of advanced techniques and methods of data analysis. This includes in particular the question how useful information can be extracted in complex settings without a clear specified objective, and how such basic mathematical models with suitable regularisation or prior can be turned towards efficient algorithms and accompanying theoretical guarantees.

Lehrinhalte

In diesem Modulen sollen moderne Verfahren der automatischen Datenanalyse betrachtet werden, wobei ein besonderer Aspekt auf die Effizienz der Darstellung, der Formalisierung, bzw. der Algorithmen selber gelegt wird. Themen sind der aktuellen Literatur entnommen, und beinhalten etwa Aspekte zu slow feature analysis, sparse coding und compressed sensing, core vector machines, time series metrics, und Gaussian processes.

Within this module, the focus lies on modern techniques for automated data analysis with a particular focus on its efficient representation, formalisation, and algorithmic realisation. Topics are taken from the recent research literature, touching on aspects such as slow feature analysis, sparse coding and compressed sensing, core vector machines, time series metrics, and Gaussian processes.

Empfohlene Vorkenntnisse

Grundkenntnisse in Algorithmen und Datenstrukturen oder vergleichbare Kenntnisse, Mathematik, Grundlagen des maschinellen Lernens oder der Mustererkennung

Introduction to computer science (such as algorithms and data structures), mathematics, basic knowledge in machine learning or pattern recognition

Notwendige Voraussetzungen

—

Erläuterung zu den Modulelementen

Die Modul(teil)prüfung kann in einigen Studiengängen nach Wahl der Studierenden auch "unbenotet" erbracht werden. Vor Erbringung ist eine entsprechende Festlegung vorzunehmen, eine nachträgliche Änderung (benotet - unbenotet) ist ausgeschlossen. Wird diese Option gewählt, ist es nicht möglich, dieses Modul zu verwenden, um es in einen Studiengang einzubringen, in dem dieses Modul bei der Gesamtnotenberechnung berücksichtigt wird.

Modulstruktur: 0-1 bPr, 0-1 uPr ¹

Veranstaltungen

Titel	Art	Turnus	Workload (Kontaktzeit + Selbststudium)	LP²
Modern Data Analysis	Projekt o. Übung	Mindestens jedes 2. Wintersemester	30h (30 + 0)	1
Modern Data Analysis	Vorlesung	Mindestens jedes 2. Wintersemester	60h (30 + 30)	2

Prüfungen

Organisatorische Zuordnung	Art	Gewichtung	Workload	LP²
Veranstaltungsübergreifend In einigen Studiengängen der Technischen Fakultät kann die Modulprüfung nach Wahl der Studierenden auch "unbenotet" erbracht werden (s. Erläuterungen zu den Modulelementen und die jeweilige FsB). Wird die unbenotete Option gewählt, ist es nicht möglich, dieses Modul zu verwenden, um es in einen Studiengang einzubringen, in dem dieses Modul bei der Gesamtnotenberechnung berücksichtigt wird. Erläuterungen zu dieser Prüfung siehe unten (benotete Prüfungsvariante).	Portfolio mit Abschlussprüfung	unbenotet	60h	2
Veranstaltungsübergreifend Portfolio aus Übungs- oder Programmieraufgaben, die veranstaltungsbegleitend und in der Regel zweiwöchentlich gestellt werden, und mündlicher Abschlussprüfung (in der Regel 15 min). Die Übungsaufgaben ergänzen und vertiefen den Inhalt der Vorlesung. Nachweis einer ausreichenden Zahl korrekt gelöster Übungsaufgaben (in der Regel 50% der im Semester für das Lösen der Aufgaben erzielbaren Punkte). Die abschließende mündliche Prüfung bezieht sich auf den Stoff der Vorlesung und der Übungen bzw. Projekt. Portfolio consisting of per default two-weekly exercises or programming tasks and final oral exam (per default 15 minutes). The exercises are based on the content of the lecture and enable students to train and further investigate the topics. It is required that a sufficient percentage of the exercises are successfully completed (per default 50% of the total number of points which can be achieved during a semester). The final oral exam concerns both, the content of the lecture as well as the exercises.	Portfolio mit Abschlussprüfung	1	60h	2

In diesen Studiengängen wird das Modul verwendet:

Studiengang	Profil	Empf. Beginn ³	Dauer	Bindung ⁴
Bioinformatik und Genomforschung / Master of Science [FsB vom 30.09.2016 mit Änderungen vom 15.09.2017 und 02.05.2018]		1. o. 3.	ein Semester	Wahlpflicht
Bioinformatik und Genomforschung / Master of Science [FsB vom 17.12.2012 mit Änderungen vom 15.04.2013, 15.10.2014, 02.03.2015, 17.08.2015 und Berichtigungen vom 17.11.2014 und 01.12.2015]		1. o. 2. o. 3.	ein Semester	Wahlpflicht
Data Science / Master of Science [FsB vom 06.04.2018 mit Änderungen vom 01.07.2019 und 02.03.2020]	Variante 1	3.	ein Semester	Wahlpflicht
Data Science / Master of Science [FsB vom 06.04.2018 mit Änderungen vom 01.07.2019 und 02.03.2020]	Variante 2	3.	ein Semester	Wahlpflicht
Intelligente Systeme / Master of Science [FsB vom 27.07.2018]		1. o. 2. o. 3.	ein Semester	Wahlpflicht
Intelligente Systeme / Master of Science [FsB vom 17.12.2012 Änderungen vom 15.04.2013, 01.04.2014,15.10.2014, 02.03.2015 und Berichtigung vom 17.11.2014]		1. o. 2. o. 3.	ein Semester	Wahlpflicht
Naturwissenschaftliche Informatik / Master of Science [FsB vom 30.09.2016 mit Berichtigung vom 10.01.2017 und Änderungen vom 15.09.2017 und 02.05.2018]		1. o. 2. o. 3.	ein Semester	Wahlpflicht
Naturwissenschaftliche Informatik / Master of Science [FsB vom 17.12.2012 mit Änderungen vom 15.04.2013, 01.04.2014, 15.10.2014, 02.03.2015, 01.12.2015 und Berichtigungen vom 01.04.2014, 17.11.2014 und 12.07.2017]		1. o. 2. o. 3.	ein Semester	Wahlpflicht

Automatische Vollständigkeitsprüfung

In diesem Modul kann eine automatische Vollständigkeitsprüfung vom System durchgeführt werden.

Legende

1: Die Modulstruktur beschreibt die zur Erbringung des Moduls notwendigen Prüfungen und Studienleistungen.
2: LP ist die Abkürzung für Leistungspunkte.
3: Die Zahlen in dieser Spalte sind die Fachsemester, in denen der Beginn des Moduls empfohlen wird. Je nach individueller Studienplanung sind gänzlich andere Studienverläufe möglich und sinnvoll.
4: Erläuterungen zur Bindung: "Pflicht" bedeutet: Dieses Modul muss im Laufe des Studiums verpflichtend absolviert werden; "Wahlpflicht" bedeutet: Dieses Modul gehört einer Anzahl von Modulen an, aus denen unter bestimmten Bedingungen ausgewählt werden kann. Genaueres regeln die "Fächerspezifischen Bestimmungen" (siehe rechtes Menü).
SL: Studienleistung
Pr: Prüfung
bPr: Anzahl benotete Modul(teil)prüfungen
uPr: Anzahl unbenotete Modul(teil)prüfungen
: Diese Leistung kann gemeldet und verbucht werden.

Modulelemente

Veranstaltungen

Prüfungen

Lehrangebot im eKVV

Modullisten zeigen

Bioinformatik und Genomforschung / Master of Science

Bioinformatik und Genomforschung / Master of Science [FsB vom 17.12.2012 mit Änderungen vom 15.04.2013, 15.10.2014, 02.03.2015, 17.08.2015 und Berichtigungen vom 17.11.2014 und 01.12.2015]

Data Science / Master of Science // Variante 1

Data Science / Master of Science // Variante 2

Intelligente Systeme / Master of Science

Intelligente Systeme / Master of Science [FsB vom 17.12.2012 Änderungen vom 15.04.2013, 01.04.2014,15.10.2014, 02.03.2015 und Berichtigung vom 17.11.2014]

Naturwissenschaftliche Informatik / Master of Science

Naturwissenschaftliche Informatik / Master of Science [FsB vom 17.12.2012 mit Änderungen vom 15.04.2013, 01.04.2014, 15.10.2014, 02.03.2015, 01.12.2015 und Berichtigungen vom 01.04.2014, 17.11.2014 und 12.07.2017]