Das Modul vermittelt praxisorientierte Erfahrung im Bereich Data Science durch die Teilnahme an einem strukturierten Hackathon-Format. Die Studierenden bearbeiten in Teams eine reale oder realitätsnahe datenbezogene Problemstellung aus Wirtschaft, Wissenschaft oder Gesellschaft. Im Verlauf des Hackathons durchlaufen die Teams alle wesentlichen Phasen eines Data-Science-Projekts:

• Problemanalyse und Zielformulierung: Verständnis der Aufgabenstellung, Definition relevanter Fragestellungen und Festlegung geeigneter Methoden.
• Datenexploration und -aufbereitung: Untersuchung, Bereinigung und Transformation der bereitgestellten Daten sowie Identifikation geeigneter Merkmale.
• Modellentwicklung: Anwendung statistischer Verfahren, maschineller Lernmethoden oder anderer analytischer Modelle zur Lösung der Aufgabenstellung.
• Evaluation: Bewertung der Modellgüte und Vergleich alternativer Modellierungsansätze anhand geeigneter Metriken.
• Implementierung und Präsentation: Erstellung eines prototypischen Lösungsansatzes sowie strukturierte Darstellung der Ergebnisse in einer Abschlusspräsentation vor Jury oder Fachpublikum

Kenntnisse: Die Studierenden

• erklären grundlegende Methoden und Prozessschritte in Data Science.
• beschreiben typische Aufgaben der Datenaufbereitung und Modellierung.
• benennen zentrale Verfahren des maschinellen Lernens und deren Einsatzbereiche.

Fertigkeiten: Die Studierenden

• wenden Data-Science-Methoden auf reale Datensätze an.
• analysieren Daten explorativ und entwickeln geeignete Modelle.
• nutzen gängige Tools zur Umsetzung und präsentieren Ergebnisse fachgerecht.

Kompetenzen: Die Studierenden

• reflektieren den Data-Science-Prozess und begründen methodische Entscheidungen.
• arbeiten verantwortungsvoll im Team und entwickeln lösungsorientierte Ansätze.
• leiten aus Analyseergebnissen Empfehlungen ab und geben sowie erhalten konstruktives Feedback.

Präsenszeit: 26-30 UE
Selbststudium: 50 UE

Gesamtaufwand: 74 UE

1 UE (Unterrichtseinheit) = 45 Minuten