 |
| Detailinformationen |
| Quellcurriculum |
Bachelorstudium Statistik und Data Science 2026W |
| Lernergebnisse |
Kompetenzen |
| Studierende sind in der Lage, gängige KI-Tools, R und Mathematica zur Unterstützung statistischer Analyseprozesse einzusetzen. Sie können Daten analysieren, KI-generierte Ergebnisse kritisch bewerten und KI verantwortungsvoll in statistische Workflows integrieren.
|
|
| Fertigkeiten |
Kenntnisse |
- Fähigkeit zum Importieren, Eingeben und Transformieren von Daten in R (k3)
- Durchführung KI-unterstützter explorativer Datenanalyse (k3, k4)
- Durchführung klassischer statistischer Tests mit KI-Unterstützung (k3, k4)
- Einsatz von KI-Tools für semantische Typenerkennung und Datenbereinigung (k3)
- Verständnis der Funktionsweise von Mathematica (k2)
- Lösen mathematischer Aufgaben in Mathematica (k3)
- Erstellung grafischer Darstellungen in R und Mathematica (k3)
- Kritische Bewertung KI-generierter Modellvorschläge (k4)
|
- Daten einlesen, bereinigen, transformieren, reproduzierbare Skripte erstellen
- KI-generierte Zusammenfassungen und Visualisierungen interpretieren und beurteilen
- Hypothesentests in R durchführen, KI-Interpretationen bewerten
- KI zur Datentyp-Erkennung und Transformation einsetzen, Ergebnisse validieren
- Grundprinzipien symbolischer und numerischer Berechnung verstehen
- Differentiation, Integration, Gleichungssysteme, Nullstellensuche
- Statistische Diagramme und Funktionsplots erstellen
- Modellwahl und Feature Engineering prüfen und beurteilen
|
|
| Beurteilungskriterien |
Hausübungen
|
| Lehrmethoden |
Vortrag durch Lehrveranstaltungsleitung; Diskussion der Hausübungen, die von den Studierenden präsentiert werden
|
| Abhaltungssprache |
Deutsch |
| Lehrinhalte wechselnd? |
Nein |
| Gilt als absolviert, wenn |
551GRSDSSDK21: KV Software für Statistik und Data Science (3 ECTS)
|
|
