Ringvorlesung Datenwelten

Datenwelten 1 (Wintersemester)

Im Wintersemester beleuchtet die Vorlesungsreihe Datenwelten 1 Grundlagen von Statistik, Datenanalyse und Machine Learning aus einer technischen Perspektive. Das interdisziplinäre Team setzt sich aus Dozierenden der Informatik und den Sozialwissenschaften zusammen. Dabei erlernen Studierende die folgenden Inhalte:

Funktionsweise der informationstechnischen Datenökosysteme, die in weiten Teilen unseren Alltag (mit-)gestalten

Das technische und soziale Zusammenspiel dieser Systeme bei der Erhebung, Aufbewahrung und Nutzen von Daten

Einfache statistische und visualisierende Verfahren zur explorativen Analyse von Daten.

Grundlegende Algorithmen des Supervised and Unsupervised Machine Learning (Classification, Regression, Clustering)

Elementare Einführung in Neuronale Netze und ihre Anwendungen in der Bild- und Textverarbeitung (Large Language Models)

Aufzeichnung der Vorlesung im Wintersemester 2024/25:

Datenwelten 2 (Sommersemester)

Im Sommersemester beleuchtet die Vorlesungsreihe Datenwelten 2 gesellschaftliche, politische und wirtschaftliche Zusammenhänge durch die zunehmende Datafizierung und Digitalisierung aus unterschiedlichen Perspektiven. Das interdisziplinäre Team setzt sich aus Dozierenden verschiedener Fakultäten zusammen. Dabei erlernen Studierende die folgenden Inhalte:

Überblick über den aktuellen Stand der Datennutzung und -anwendung in verschiedenen gesellschaftlichen Bereichen wie Politik, Wissenschaft, Bildung und Wirtschaft

Kritische Auseinandersetzung mit diesen Datenanwendungen und ihren gesellschaftlichen und ethischen Herausforderungen wie Digital Divide, Bias & Diskriminierung

Auswirkung der zunehmenden Digitalisierung und Datafizierung auf die politische Öffentlichkeit und journalistische Arbeit

Verschiedene Fragestellungen der Digital Humanities und deren Entwicklung im Kontext von Datafizierung und Artificial Intelligence

Möglichkeiten und Grenzen der rechtlichen (Datenschutz) und technischen (IT-Sicherheit) Regulierung von Datennutzung und deren Konsequenzen

In beiden Semestern werden die Vorlesungen von praktischen Übungen begleitet. In den Übungen werden Methoden aus der Vorlesung "hands-on" mit Jupyter Notebooks und R angewendet.

Dabei lernen Studierende Grundlagen der Datenanalyse mit dem tidyverse kennen und durchlaufen die typischen Schritte eines datengetriebenen Forschungsprojektes.

Programmiert wird in der web-basierten, interaktiven Coding- und Entwicklungsumgebung JupyterLab der MIN-Fakultät.

-> Hier geht es zum JupyterLab

Abgerundet werden die Übungen durch einige Literatursitzungen, in denen eine kritische Reflexion zu gesellschaftlichen Folgen von Datafizierung und KI stattfindet und Themen aus der Vorlesung aufgegriffen werden.