Programm Lunchveranstaltungen HS16

Data Science - Nur Buzzword oder aufstrebende Wissenschaft?

Data Science ist ein interdisziplinäres Gebiet, das sowohl die klassische Statistik wie auch modernstes Knowhow der Informationstechnologien umfasst. Dabei spricht man u.a. von kognitiven System, welche Data Mining, Statistik und Machine Learning umfassen. Als Data Scientist braucht man deshalb ein umfassendes Wissen über Programmieren, Statistik, Daten Management und angewandte Fachkenntnisse über die Einsatzgebiete. In unserer Informationsgesellschaft wird dieser Wissenschaft zunehmend eine grössere Wichtigkeit zukommen und auch spannende Berufsmöglichkeiten bieten. Lassen Sie sich deshalb unsere Lunchveranstaltung nicht entgehen!      

Raum: KOL-G-204

Zeit: Mittwochs, 12:30 - 13:30 Uhr

Veranstaltungsort: Universität Zürich, Rämistrasse 71

 

Datum und Ort               Thema

9. Nov. 2016
KOL-G-204

 

 

Prof. Dr. Carolin Strobl, Lehrstuhl für Psychologie

Data Science -- Viel Statistik und ein Hauch von Science Fiction

 

Der Begriff "Data Science" ist zum Modewort avanciert. Was bedeutet er wirklich und wo unterscheidet sich Data Science von der klassischen Statistik? Im Vortrag werden die zwei Kulturen parametrische Statistik und Machine Learning miteinander verglichen und diskutiert. Diskutieren Sie mit und erfahren Sie auch etwas über die Risiken und Nebenwirkungen.

16. Nov. 2016
KOL-G-204

 

 

Prof. Thorsten Hothorn, Biostatistik, Unversität Zürich

Das R Projekt

 

R ist die "Lingua franca" der modernen Statistik und wird von Millionen Benutzern zur Lösung diversester Analyseprobleme eingesetzt. R bietet über 9000 Pakete zu allen Bereichen der Statistik, des statistischen und maschinellen Lernens und angrenzender Bereiche. In diesem Vortrag wird die Philosophie hinter dem Projekt beleuchtet, die Entwickler- und Benutzergemeinschaft vorgestellt und es werden Tips für den Einstieg gegeben.

 

23. Nov. 2016
KOL-G-204

Josef Schmid, CEO Dynelytics

Von Business Intelligence über Predictive Analytics zu Agile Analytics

 

Datenanalyse in Unternehmen und Forschungsinstituten ist in den letzten 20 Jahren immer wichtiger geworden und die Möglichkeiten haben sich enorm entwickelt. Die neuesten Trends sind Agile Analytics und Big Data, die auf Data Lakes zugreifen. Dies sind nicht nur neue Technologien sondern auch grundsätzlich neue Ansätze für die Herangehensweise bei Datenanalyse-Projekten. Agile Analytics ist vor allem auch ein Ansatz bei dem die einzelnen Knowhow-Träger und deren Teamarbeit entscheidend sind für den Erfolg.

30. Nov. 2016
KOL-G-204

Prof. Christian Fuhrer, André Hoffmann, Daniel Gloor, Hauptbibliothek der UZH

Open Data

 

Die meisten Forschungsgebiete werden Daten-intensiver, d.h. digitale Daten bilden die Grundlage, gehören zur Arbeitsweise und stellen einen wichtigen Teil des Forschungs-Outputs dar. Daher werden Konzepte und Infrastrukturen für den umfassenden und nachhaltigen Umgang mit digitalen Forschungsdaten immer wichtiger. Forschungsdatenmanagement oder auf englisch Data Life-Cycle Management erarbeitet Lösungen dazu und stellt sicher, dass Daten verlässlich erfasst, gespeichert, kategorisiert, versioniert, geteilt, archiviert und als Open Data publiziert werden können. Geldgeber wie der Schweizerische Nationalfonds und die Europäische Kommission verlangen vermehrt Datenmanagement-Pläne bei der Einreichung eines Forschungsgesuchs. Die Kurzvorträge geben einen Überblick zu relevanten Aktivitäten in Europa, der Schweiz und an der Universität Zürich und stellen konkrete Projekte vor.

7. Dez. 2016
KOL-G-204

Dr. Karin Vey, Executive Briefing Manager, IBM Research, Zurich

Kognitive Systeme – die Bedeutung der künstlichen Intelligenz für Hochschulen

 

Künstliche Intelligenz beeinflusst unser Leben und Arbeiten zunehmend mehr. Für die Universitäten werden in Administration und Forschung signifikante Veränderungen möglich. Zudem sind neue Inhalte für die Lehre gefordert – dabei geht es sowohl um IT-nahe Kompetenzen wie insbesondere auch um die sogenannten übertragbaren Fähigkeiten. Im Vortrag wird illustriert, was bereits möglich ist. Zudem werden aktuelle Forschungstrends aus der IBM Forschung skizziert
14. Dez. 2016
KOL-G-204

Markus Grau, Elson Filho, SAS Schweiz

Schnell, einfach, relevant = Visual Analytics! Nutzen Sie mit Visual Analytics das ganze Potential kognitiver Systeme für bessere Entscheidungen.

 

Visual Analytics ist eine flexible Umgebung, welche alle Bedürfnisse eines Data Scientisten mit modernsten Funktionen wie z.B. Machine-Learning, Natural Language Processing (NLP) oder Text-Mining unterstützt. Dazu gehört auch die Einbindung von Open Source Komponenten wie Python und R. Von grossem Interesse ist auch die Möglichkeit, die Plattform als Nicht-Statistiker zu nutzen.