INF.08096.01 - eHumanities Data Science II (Vollständige Modulbeschreibung)

INF.08096.01 - eHumanities Data Science II (Vollständige Modulbeschreibung)

Originalfassung Englisch
INF.08096.01 5 CP
Modulbezeichnung eHumanities Data Science II
Modulcode INF.08096.01
Semester der erstmaligen Durchführung
Fachbereich/Institut Institut für Informatik
Verwendet in Studiengängen / Semestern
  • Informatik (MA120 LP) (Master) > Informatik InformatikMA120, Akkreditierungsfassung gültig ab SoSe 2023 > Basismodule der Vertiefungsrichtung `eHumanities`
  • International Area Studies - Global Change Geography (MA120 LP) (Master) > Geographie/Erdkunde IntArStudGlobChaGeoMA120, Akkreditierungsfassung (SS 2021 - SoSe 2025) > Informatics
Modulverantwortliche/r
Weitere verantwortliche Personen
Jun.-Prof. Dr. Hubert Mara
Teilnahmevoraussetzungen
Grundkenntnisse in der deskriptiven und induktiven Statistik, Python- oder/ und R-Kenntnisse
Kompetenzziele
Studierende werden in diesem Modul Kenntnisse in der uni- und multivariaten Statistik erhalten. Die Studierenden verstehen die diesen Techniken zugrundeliegenden theoretischen Konzepte, sind in der Lage diese unter zu Hilfenahme von Python- und R-Bibliotheken anzuwenden. Sie sollen den professionellen Umgang mit Daten aus verschiedenen Fachbereichen erlernen. Ein Fokus liegt dabei auf der eigenständigen Auswertung dieser Daten und der Erstellung von Fragestellungen.
Modulinhalte
  • 1. Fallbeispiele aus der digitalen Archäologie und anderen Bereichen der eHumanities
  • 2. Multivariate Verteilungen
  • 3. Darstellung Multivariater Verteilungen
  • 4. Multivariate Regression und Multiple Discriminant Analyses
  • 5. Redundanzanalyse
  • 6. Clusteranalysen
  • 7. Hauptkomponentenanalyse
  • 8. MANOVA
  • 9. Bayessche Statistik
Lehrveranstaltungsformen Vorlesung (2 SWS)
Kursus
Übung (2 SWS)
Kursus
Unterrichtsprachen Deutsch, Englisch
Dauer in Semestern 1 Semester Semester
Angebotsrhythmus Modul jedes Sommersemester
Aufnahmekapazität Modul unbegrenzt
Prüfungsebene
Credit-Points 5 CP
Modulabschlussnote LV 1: %; LV 2: %; LV 3: %; LV 4: %.
Faktor der Modulnote für die Endnote des Studiengangs 1
Modulveran­staltung Lehrveranstaltungs­form Veranstaltungs­titel SWS Workload Präsenz Workload Vor- / Nach­bereitung Workload selbstge­staltete Arbeit Workload Prüfung incl. Vorbereitung Workload Summe
LV 1 Vorlesung Vorlesung 2 0
LV 2 Kursus Selbststudium zur Vorlesung 0
LV 3 Übung Übung 2 0
LV 4 Kursus Bearbeiten der Übungsaufgaben 0
Workload modulbezogen 150 150
Workload Modul insgesamt 150
Prüfung Prüfungsvorleistung Prüfungsform
LV 1
LV 2
LV 3
LV 4
Gesamtmodul
Erfolgreiches Lösen von Übungsaufgaben d.h. Erreichen von mind. 50% der Punkte für die Aufgaben, Erfolgreiche Vorstellung der Lösungen der Aufgaben in den Übungen, aktive Teilnahme
mündl. Prüfung oder Klausur oder Hausarbeit (20-30 Seiten)
Wiederholungsprüfung
Regularien Teilnahme­voraussetzungen Angebots­rhythmus Anwesenheits­pflicht Gewicht an Modulnote in %
LV 1 Sommersemester Nein %
LV 2 Sommersemester Nein %
LV 3 Sommersemester Nein %
LV 4 Sommersemester Nein %