BIN102: Datenanalyse und Statistik

Lernpfad Daten und Künstliche Intelligenz

BIN102: Datenanalyse und Statistik

Kurzporträt BIN102: Datenanalyse und Statistik
Worum geht es? Das Modul führt in die Beschreibung und Auswertung zufälliger Vorgänge ein. Die Studierenden lernen, Daten mit Kennzahlen und Grafiken zusammenzufassen, Zufallsprozesse mit Wahrscheinlichkeitsmodellen zu beschreiben und statistische Aussagen aus Messungen abzuleiten. Damit verbindet das Modul mathematische Grundlagen mit praktischer Datenauswertung.
Wofür braucht man es? Statistik wird benötigt, um Datenanalysen einzuordnen, Unsicherheit zu quantifizieren und beobachtete Effekte belastbar zu bewerten. Diese Kompetenzen unterstützen spätere Module zu Datenanalyse, Machine Learning, Evaluation und datengetriebener Softwareentwicklung. Auch im Betrieb von IT-Systemen helfen sie, Messdaten und Kennzahlen sinnvoll zu interpretieren.
Wieso ist es interessant? Daten erzählen selten von selbst eine klare Geschichte. Das Modul zeigt, wie man Muster, Streuung und Zufall voneinander unterscheidet und wie aus Messwerten begründete Aussagen entstehen. Interessant ist besonders, dass dieselben Methoden in sehr unterschiedlichen Anwendungen von Experimenten bis Systemmonitoring eingesetzt werden können.
Modulverantwortung

Prof. Dr. Christoph Dalitz

Lehrperson(en)

Prof. Dr. Christoph Dalitz

Verwendbarkeit

Bachelor Informatik

Fächergruppe

Informatik

Modultyp
Pflicht
Sprache

Deutsch

Angebot

Wintersemester

Dauer

1 Semester

Credits

5 ECTS

Benotung

Deutsche Notenskala 1-5

SWS

2 V | 2 Ü | - P | - S

Workload
Präsenzstudium: 45 Std. Selbststudium: 90 Std.
Engl. Titel

Data Analysis and Statistics

Empfohlene Voraussetzungen

Keine angegeben.

Lernergebnisse / Kompetenzen
WAS

Diese Veranstaltung behandelt die mathematische Beschreibung zufälliger Vorgänge. Mit erfolgreichem Abschluss des Moduls sind die Studierenden in der Lage, zufällige Prozesse numerisch und grafisch zusammenzufassen, mit einem Modell formal zu beschreiben, auf Basis des Modells Kenngrößen zu berechnen und Eigenschaften des Modells aus Messungen zu folgern.

WOMIT

Die Studierenden erreichen dieses Lernergebnis, indem sie

  • empirische Kennzahlen für die Datenauswertung auswählen und berechnen,
  • Visualisierungen erstellen, die die Verteilung von Daten beschreiben und Zusammenhänge in Datensätzen darstellen,
  • Prozesse mit wahrscheinlichkeitstheoretischen Modellen beschreiben und Wahrscheinlichkeiten sowie theoretische Kennzahlen berechnen,
  • Punktschätzer aus Messdaten ableiten und Konfidenzintervalle bestimmen,
  • die statistische Signifikanz von Beobachtungen beurteilen.
WOZU

Die Studierenden nutzen diese Kompetenzen, um auf Basis von Datenanalysen Systeme der Informationstechnik zu entwerfen. Ferner nutzen sie sie, um Systeme im Produkteinsatz auszuwerten, deren Betrieb zu begleiten und Verbesserungen fachlich zu begründen.

Inhalte
  • Quantitative und grafische Datenbeschreibung
  • Wahrscheinlichkeitsrechnung
  • Regressions- und Korrelationsanalyse
  • Statistisches Schätzen und Schließen
Prüfungsvorleistung

Keine angegeben.

Prüfungsleistung

Klausurarbeit (120 Minuten).

Literatur
  • Ludwig Fahrmeir, Christian Heumann, Rita Künstler, Iris Pigeot, Gerhard Tutz: Statistik: Der Weg zur Datenanalyse. 9. Auflage, Springer Spektrum, 2023.
  • David Dalpiaz: Applied Statistics with R. OpenIntro, 2021.