WiSe2020/21: MAT444 Proseminar Data Science

Das Proseminar findet als Hybridveranstaltung statt:
Die 9 Online-Sitzungen (Dienstags) werden durch zwei doppelte Präsenzsitzungen (Freitags) ergänzt.

Worum geht es?

Data Science gilt als Wissenschaft des 21. Jahrhunderts. Daten, Big Data, Open Data spielen in immer mehr bereichen des Alltags eine immer größere Rolle - aber die allgemeine Schulbildung hat bisher kaum auf diese spezifischen Veränderungen in der Digitalisierung reagiert. Dadurch haben sich völlig neue Herausforderungen für den Mathematik- und Informatikunterricht sowie für die sozial- und kulturwissenschaftlichen Fächer und die fächerübergreifende Medienerziehung ergeben. All diese Themen müssen neu interpretiert werden, um die Aufmerksamkeit auf die Datenwissenschaft, Big Data und eine sich grundlegend verändernde Welt der Arbeit und Wirtschaft zu lenken. Schulische Bildung ist herausgefordert, das Interesse an dem aktuellen neuen wissenschaftlichen Gebiet der Datenwissenschaft mit seinen zahlreichen Anwendungen anzuregen und zu förden. Inzwischen gibt es in Deutschland einige Modellversuche Elemente von Data Science in das Schulcurriculum einzubinden, und eine internationale Gruppe von Pädagogen, Mathematikern und Informatikern hat Vorschläge für ein DataScience Curriculum erarbeitet. Auch Erfahrungen und Materialien aus dem von der PH Ludwigsburg koordinierten Projekt PorCivicStat greifen Elemente von Data Science Education auf. Im Proseminar behandeln wir einige mögliche Inhalte von Data Science für die Schule und greifen einige dieser Curriculumsentwürfe auf.

Arbeitsstil: Präsentation von Teinehmern, Instruktion durch den Seminarleiter, Einführung in Programmieren mit R, Lernen mit ( überwiegend englischsprachige) Erklärvideos zu R

Prüfungsleistung: Präsentation, einzelne Aufgaben in Form eines Portfolios

Mögliche Inhalte: 

  • Was ist Data Science?
  • Was ist Data Science Education?
  • Datenvisualisierung
  • Was ist Zivilstatistik?
  • Werkzeuge zur Visualisierung komplexer Datensätze ( Gapminder, CODAP)
  • Programmierumgebung R
  • Bootstrap
  • Tree-Based Classification
  • Tree-Based Regression
  • Kreuzvalidierung