LFU:online

Die Studierenden werden die Prinzipien verschiedener Methoden der Datenwissenschaft verstehen, die Vor- und Nachteile (sowie Fallstricke) kennen, sowie wissen, in welchem Fall sie welche Methode anwenden sollten und wie die Daten vorbereitet werden müssen.

In allen Bereichen der Naturwissenschaft hat der Fortschritt der Technologie zu einer erheblichen Zunahme des Volumens und der Vielfalt der Daten geführt, die analysiert werden müssen. In der Vorlesung werden verschiedene Methoden der Datenwissenschaft vorstellen, die dazu dienen, einerseits einen explorativen Überblick über die Daten zu bekommen und andererseits um Fragen zu beantworten, die wir an die Daten haben. Die Vorlesung beginnt mit einer kurzen Einführung in univariater Statistik, gefolgt von der Darstellung verschiedener multivariater Methoden begleitet mit Beispielen zur praktischen Anwendung.

Die wichtigsten behandelten Prinzipien umfassen Unsupervised und Supervised Machine Learning, Klassifikation, Regression, Modelvalidierung, Clustering sowie sowohl lineare als auch nicht-lineare Ansätze. Diese Prinzipien werden auf Daten aus der analytischen Chemie angewendet (z. B. LC, IR, UV, MS), mit weiteren Beispielen, die ihre Anwendbarkeit in anderen Bereichen der Chemie, der Naturwissenschaften und sogar in Bereichen wie der Immobilienbranche demonstrieren. Diese Vorlesung lehrt kein Coding, sondern die Prinzipien verschiedener Methoden aus dem Bereich der Datenwissenschaft und auf was bei der Anwendung dieser Prinzipien geachtet werden muss.

Auf Wunsch können auch Anwendungsmöglichkeiten in konkreten Projekten der Studenten besprochen werden.

Vorlesung

schriftlich

Wenn alle Studenten Deutsch sprechen, kann die Vorlesung auf Wunsch auf auf Deutsch durchgeführt werden.