INF.08095.01 - eHumanities Data Science I (Complete module description)

INF.08095.01	5 CP
Module label	eHumanities Data Science I
Module code	INF.08095.01
Semester of first implementation
Faculty/Institute	Institut für Informatik
Module used in courses of study / semesters	Geographie (180 LP) (Bachelor) > Geographie/Erdkunde Geographie180, Version of accreditation valid from WS 2019/20 > Ergänzungsbereich 4: Informatik Informatik (180 LP) (Bachelor) > Informatik Informatik180, Version of accreditation valid from SS 2021 > Bereich Informatik
Responsible person for this module
Further responsible persons	Jun.-Prof. Dr. Hubert Mara
Prerequisites
Skills to be acquired in this module	Studierende sollen durch dieses Modul grundlegende Kenntnisse über den Umgang mit Daten und die Methoden in den eHumanities erhalten. Diese Kenntnisse sollen sie dazu befähigen, Fragestellungen und Probleme aus den geistes- und kulturwissenschaftlichen Bereichen zu formulieren und diese durch statistische Verfahren auszuwerten. Sie werden weiterhin eine Einführung in Python und das elementare Programmieren erhalten.
Module contents	Eines der Hauptaugenmerke in der eHumanities Data Science liegt in der Auswertung von inhomogenen Datensätzen und deren Auswertung. Hierfür werden deskriptive, induktive sowie univariate Methoden eingesetzt. Teile der Methoden können intuitiv motiviert sein. 1. Fallbeispiele aus der digitalen Archäologie und anderen Bereichen der eHumanities 2. Wissenschaftliches Arbeiten mit Datensätzen 3. Deskriptive, induktive sowie univariate Statistik 4. Python 5. Grafische Darstellung der Daten in Diagrammen
Forms of instruction	Lecture (2 SWS) Course Exercises (2 SWS) Course
Languages of instruction	German, English
Duration (semesters)	1 Semester Semester
Module frequency	jedes Wintersemester
Module capacity	unlimited
Time of examination
Credit points	5 CP
Share on module final degree	Course 1: %; Course 2: %; Course 3: %; Course 4: %.
Share of module grade on the course of study's final grade	1

Module course label	Course type	Course title	SWS	Workload of independent learning	Sum workload
Course 1	Lecture	Vorlesung	2		0
Course 2	Course	Selbststudium zur Vorlesung			0
Course 3	Exercises	Übung	2		0
Course 4	Course	Bearbeiten der Übungsaufgaben			0
Workload by module				150	150
Total module workload					150

Examination	Exam prerequisites	Type of examination
Course 1
Course 2
Course 3
Course 4
Final exam of module	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)
Exam repetition information

Prerequisites and conditions	Frequency	Compulsory attendance	Share on module grade in percent
Course 1	Winter semester	No	%
Course 2	Winter semester	No	%
Course 3	Winter semester	No	%
Course 4	Winter semester	No	%