Kursinformation

ZIELE

Neben den Stra­te­gi­en und Me­tho­den zur Be­wäl­ti­gung der tech­ni­schen Her­aus­for­de­run­gen be­herr­schen die Stu­die­ren­den gleich­zei­tig die Or­ga­ni­sa­ti­on von grö­ße­ren Pro­jek­ten in Teams, Me­tho­den der Pro­jekt­pla­nung, struk­tu­rier­te Soft­ware­ent­wick­lung incl. Spe­zi­fi­ka­ti­on und Va­li­die­rung.

IN­HALT

In die­ser Ver­an­stal­tung im­ple­men­tie­ren Mas­ter-Stu­die­ren­de in Teams von 2 bis zu 10 Mit­glie­dern über den Ver­lauf eines Se­mes­ters hin­weg ein grö­ße­res Da­ta-Sci­ence-Pro­jekt in Py­thon. Ziel ist die Ent­wick­lung und Er­pro­bung eines ma­schi­nel­len Lern­ver­fah­rens, beispielsweise für eine Kaggle-Challenge, siehe:  https://www.kaggle.com/competitions?hostSegmentIdFilter=1 

Im Lauf des Se­mes­ters findet eine wö­chent­li­che Be­spre­chung (mit Teil­nah­me­pflicht) statt­, um die Fort­schrit­te der je­wei­li­gen Woche zu be­spre­chen und die je­weils nächs­ten Schrit­te zu pla­nen. Das Labor wird ab­ge­schlos­sen durch eine Ein­rei­chung der Lö­sung (via Git­Hub), einen schrift­li­chen Be­richt (Latex), in dem der ein­ge­reich­te Code und die Er­ge­bis­se do­ku­men­tiert sind, und durch einen On­line-Ab­schluss­vor­trag. Je nach Ergebnissen sollen der Quellcode und die Ergebnisse auch via Kaggle veröffentlicht werden.