Lehrinhalte
Die Lehrveranstaltung behandelt folgende Themen:
[list]
[*]Data Science: Fortgeschrittene Methoden
[*]Datenmanagement + Big data
[*]Statistisches Lernen
[list]
[*]Empfehlungssysteme
[*]Deep Learning
[*]Unsupervised Learning
[/list]
[*]Textdatenanalyse
[*]Projekt in Gruppenarbeit: Entweder aus einer bestehenden Liste aus Projekten oder eigener Vorschlag. Beispiele:
[list]
[*]Soundklassifizierung
[*]Herzratenanalyse
[*]Aktivitätserkennung mit Beschleunigungsdaten
[*]Hyperspektrale Daten
[*]Bildklassifizierung
[*]Gesundheitsdaten
[/list]
[/list]
Literatur
Ein Vorlesungsskript bzw. Folien können heruntergeladen werden:
[list]
[*]http://www.spg.tu-darmstadt.de
[*]Moodle Platform
[/list]
Vertiefende Literatur:
[list]
[*]Wes McKinney: Python for Data Analysis, O’Reilly, 2017
[*]Christopher M. Bishop: Pattern Recognition and Machine Learning, 2011
[*]James, Witten, Hastie and Tibshirani, Introduction to Statistical Learning, Springer, 2017
[/list]
Voraussetzungen
Data Science I (Vorlesung)
Online-Angebote
moodle
- Lehrende: Christian Debes
- Lehrende: Pertami Kunz