Universität Osnabrück

Forschungsstelle Data Science


Navigation und Suche der Universität Osnabrück


Hauptinhalt

Topinformationen

Veranstaltungen im laufenden Semester

An der Universität Osnabrück werden jedes Semester unterschiedlichste Lehrveranstaltungen aus dem Bereich Data Science angeboten. Die konkrete Ausrichtung und Schwerpunktsetzung der Veranstaltung liegt in den Händen der jeweiligen Vortragenden und ist natürlich auch vom Studiengang abhängig, für den sie angeboten wird.

So sind zum Beispiel die von den Arbeitsgruppen Cognitive Science, Informatik, Ökonometrie, Psychologie, Sozialforschung und angebotenen Veranstaltungen im Bereiche Data Science im Allgemeinen eher anwendungsorientiert, während die Angebote am Institut für Mathematik tendenziell eher theoretische Schwerpunkte setzen.

Aktuelles Semester

Maschinelles Lernen mit Python

6.010

Dozenten

Beschreibung

Dieser Kurs gibt eine Einführung in das umfangreiche Themengebiet des maschinellen Lernens mit Fokus auf die Praxis. Kursinhalte werden sowohl die ML-Modelle wie lineare und logistische Regression, Bäume und Wälder, k-nächste Nachbarn, Support Vector Machine (SVM), naive Bayes, Clustering und neuronale Netze, als auch Ihre Vor- und Nachteile sein. Dabei werden Datenimport und -vorbereitung, Feature-Auswahl und Modellvalidierung auch behandeln. Die Codebeispiele basieren auf Python und den Bibliotheken Scikit-Learn, Matplotlib, Pandas, NumPy, Keras und TensorFlow. Am Ende des Kurses gibt es ein finales Projekt.

Weitere Angaben

Ort: 93/E01
Zeiten: Mo. 14:00 - 16:00 (wöchentlich)
Erster Termin: Mo., 04.04.2022 14:00 - 16:00, Ort: 93/E01
Veranstaltungsart: Vorlesung und Übung (Offizielle Lehrveranstaltungen)

Studienbereiche

  • Mathematik > Vorlesungen
  • Mathematik > Praktika und Projekte
  • Mathematik > Proseminare und Seminare
  • Mathematik > 2-Fächer-Bachelor
  • Mathematik > Bachelor Mathematik
  • Mathematik > Master Lehramt an Gymnasien
  • Mathematik > Master Mathematik
  • Mathematik > Lehrangebote für andere Studiengänge
  • Data Science