Data Literacy

Einführung in Python für Data Science

• Einführung in die Programmiersprache Python
• Einführung in relevante Data-Science-Bibliotheken wie NumPy, Pandas, Matplotlib und SciPy
• Einführung in IPython, Jupyter Notebook und JupyterLab

Datenmanipulation und -visualisierung

• Import verschiedener Dateiformate mit Python Bibliotheken
• Datenbereinigung und Preprocessing
• Datenrepräsentation und -visualisierung

Feature Engineering

• Implementierung fehlender Daten
• Explorative Datenanalyse
• Feature Scaling und Normalization
• Feature Selection

Applied Machine Learning in Python

• Kategorien von Machine Learning
• Einführung in Scikit-Learn
• Regression und Prediction
  • Lineare Regression
  • Gradientenverfahren (Batch-, Stochastik- und Mini-Batch-Gradientenverfahren)
  • Polynomiale Regression
  • "The Curse of Dimensionality"
  • Regularisierung linearer Modelle
  • Logistische Regression
• Klassifizierung
  • K-Nearest Neighbors
  • Support Vector Machines
  • Modellvalidierung
  • Naïve Bayes
  • Decision Trees und Random Forests
• Dimensionsreduktion
  • Projection und Manifold Learning
  • Principal Component Analysis (PCA)
• Clustering
  • K-means
  • Hierarchische Clusteranalyse

Der Zertifikatskurs richtet sich an alle Personen, die im Bereich Datenverarbeitung Kompetenzen auf akademischem Niveau erwerben und in ihrem Unternehmen einbringen wollen. Das Modul wendet sich dabei explizit an Absolvent*innen aller Disziplinen. Von den vermittelten Data Literacy-Kompetenzen profitieren Personen aller Studienfächer und Sektoren.

Die Ausbildung findet in Kleingruppen mit maximal acht Teilnehmenden statt. Dies ermöglicht eine persönliche Betreuung durch die Dozierenden und fördert den Lernprozess.

• Sie gewinnen ein praktisches Verständnis dafür, wie Daten bearbeitet, manipuliert und statistisch analysiert werden.
• Sie lernen verschiedene Regressionsverfahren, Klassifikations- und Clustering-Methoden kennen und wenden geeignete Algorithmen zur Problemlösung an.
• Sie entwickeln ein Grundverständnis für den Lebenszyklus des maschinellen Lernens – von der Datenverarbeitung bis zum Export eines trainierten Modells.
• Sie lernen, wie man Methoden zur Reduktion der Merkmalsraumdimension wie "Principal Component Analysis" einsetzt.
• Sie lernen das Problem des "Curse of Dimensionality" kennen und erfahren, wie das Risiko, ein "overfitted" oder "biased" Modell zu trainieren, vermieden werden kann.
• Sie profitieren von einem hohen Praxisbezug, indem Sie anhand eigener Daten die geeignete Datenverarbeitung, das Feature-Engineering und das Modelltraining auswählen und implementieren.

Grundkenntnisse in einer Programmiersprache und Mathematik

Die Prüfungsleistung besteht aus einer Projektarbeit, in der das theoretisch erworbene Wissen praktisch angewendet wird.

Bei Absolvierung aller Präsenztage und dem erfolgreichen Ablegen der Prüfungsleistung erhalten die Teilnehmenden das Hochschulzertifikat "Data Literacy". Das Zertifikat wird mit zehn Credit Points (ECTS) bewertet, die bei einer späteren Hochschulausbildung ggf. angerechnet werden können.

Der Kurs findet überwiegend in englischer Sprache statt. Fragen und Diskussionen sind jederzeit auf Deutsch möglich.

Prof. Dr. Roland Mandl, wissenschaftliche Leitung
OTH Regensburg, Fakultät Elektro- und Informationstechnik

Ghassan Al-Falouji, wissenschaftlicher Mitarbeiter an der OTH Regensburg am Laboratory of Safe and Secure Systems (LaS³) sowie am Laboratory of Smart Embedded Systems (SES); Herr Al-Falouji verfolgt derzeit zwei Ph.D. im Bereich Machine Learning und Künstliche Intelligenz und im Bereich Heterogeneous Embedded Systems. Neben der Lehre in Machine Learning und Programmierung für Ingenieur*innen war er bereits ebenso als wissenschaftlicher Mitarbeiter am Lehrstuhl für Komplexe und Intelligente Systeme der Universität Passau tätig.

09. - 11. September 2021 (Do. - Sa.)
17. - 18. September 2021 (Fr. und Sa.)
24. - 25. September 2021 (Fr. und Sa.)

Der Kurs findet jeweils von 08.15 bis 17.00 Uhr statt.
Aufgrund der Corona-Pandemie wird die Veranstaltung ggf. virtuell durchgeführt.

Hinweis

Die Teilnehmenden werden darum gebeten, einen eigenen Laptop oder ein eigenes Tablet mit einem aktuellen Betriebssystem mitzubringen.

3.500 € inkl. Kursunterlagen und Zertifikatsgebühr

Hier können Sie sich anmelden.
Anmeldeschluss: 29. Juli 2021