n.BA.AD.NGDS.22HS (Numeric Fundamentals of Data Science) 
Module: Numeric Fundamentals of Data Science
This information was generated on: 27 April 2024
No.
n.BA.AD.NGDS.22HS
Title
Numeric Fundamentals of Data Science
Credits
4

Description

Version: 1.0 start 01 August 2022

 

Study Programme Applied Digital Life Sciences
Regulations Applicable RPO, 29 January 2008, School of Life Sciences and Facility Management Academic Regulations, 15 Dec. 2009, Annex for the Bachelor of Applied Digital Life Sciences degree programme
Module Type  
X Compulsory Module    Elective Module    Optional Module
Planned Semester 2nd Semester
Module Coordinator Lukas Hollenstein
Telephone / E-Mail +41 (0)58 934 54 02 / lukas.hollenstein@zhaw.ch
Lecturer(s),
Speaker(s),
Associate(s)		 Lukas Hollenstein
Entrance Requirements Analysis und Algebra, Programmieren, Daten und Informationen
Learning Outcomes and Competencies Fachliche Kompetenzen:
Die Studierenden
  • können die Grundbegriffe und -konzepte der numerischen Mathematik erklären und verwenden.
  • kennen das systematische Vorgehen für iterative, numerische Algorithmen.
  • können grundlegende Methoden und Algorithmen der numerischen Analysis und linearen Algebra und der Simulation von Zufallsvariablen nennen, erklären und rudimentär implementieren.
  • kennen Open-Source Programmbibliotheken, welche die kennengelernten Methoden professionell implementieren, und können damit arbeiten.
Überfachliche Kompetenzen:
Die Studierenden
  • können zielorientiert und systematisch vorgehen, um ein abstraktes Konzept in Programmcode zu übersetzen.
Module Content
  • Grundlagen der numerischen Mathematik: Iterative Verfahren, Fehler, Konvergenz, etc.
    • Numerische Analysis
    • Nullstellen
    • Ableitung
    • Integration
    • Interpolation
    • Optimierung
    • Gewöhnliche Differentialgleichungen
  • Grundlagen der numerischen linearen Algebra
  • Simulation von Zufallsvariablen & Sampling
Follow-up Modules Maschinelles Lernen, Mathematische Modelle und Analyse
Methods of Instruction  Kombination von vorbereitendem Selbststudium, kurze Inputs, Übungen und problembasierte Lerneinheiten. Die Konzepte und Methoden werden jeweils zuerst an einfachen Beispielen erarbeitet, dann selbst rudimentär implementiert und, wo sinnvoll, die häufig verwendeten professionellen Programmbibliotheken kennengelernt.
Digital Resources Skript & Literatur, Lernvideos, Übungs- und Anwendungsaufgaben, Interaktive Self-Assessments
Lesson Structure / Workload  
 Contact Hours 28
 Guided Self-Study 28
 Independent Self-Study 64
 Total Workload 120
Classroom Attendance Präsenz wird stark empfohlen, aber nicht mit Präsenzliste durchgesetzt. Präsenzpflicht bei Leistungsnachweisen.
Assessment
Erfahrungsnote 40% (Online-Tests & Projekte)

Abgesetzte schriftliche Modulprüfung 60% (Papier & e-assessment)

If there is a low number of participants, the lecturer may change the form of a repeat examination after consultation with the head of the study programme: e.g. an oral examination can be used to replace a written one. Please report any changes to the form of examinations by e-mail to pruefungsadmin.lsfm@zhaw.ch and Cc. Head of study programme.
Language of Instruction  Deutsch
Comments -

 

Note

Course: Numeric Fundamentals of Data Science
No.
n.BA.AD.NGDS.22HS.V
Title
Numeric Fundamentals of Data Science

Note

  • No module description is available in the system for the cut-off date of 27 April 2024.