Jeweils im Sommersemester wird regelmäßig die Veranstaltung „Data Science in Finance“ angeboten. Im Rahmen der Veranstaltung wird den Studierenden die Möglichkeit geboten, vertiefende Kenntnisse über die Anwendung von Programmiersprachen zur Datenanalyse in der Kreditwirtschaft zu erlangen. Die Studierenden sollen lernen, strukturierte Best-Practice-Ansätze für praxisrelevante Problemstellungen zu entwickeln und einen Überblick über die Programmiersprache Python sowie deren wichtigsten Bibliotheken erhalten. Das Seminar findet in Kooperation mit der Trading Abteilung einer deutschen Großbank statt. Das Seminar umfasst 10 ECTS und wird von der Universitätsinitiative "Forschendes Lernen" gefördert.
Die Inhalte werden im Rahmen von Blockveranstaltungen vermittelt. Darüber hinaus sind zwischen den Veranstaltungen Hausaufgaben anzufertigen und vor dem jeweils nächsten Termin einzureichen. Abgeschlossen wird das Modul mit einer Projektarbeit in der ein praxisnaher Datensatz analysiert wird. Die Analyse soll durch einen schriftlichen Report ergänzt werden. Die Projektarbeit wird im Rahmen des FAACT Masterstudiengangs als Hausarbeit anerkannt.
Die Teilnehmerzahl ist auf 15 Studierende beschränkt. Die Bewerbung erfolgt via Moodle. Bewerbungsschluss ist der 08.04.2024.
Literaturhinweise
- Deitel, Paul J./Deitel, Harvey M. (2019): Intro to Python for Computer Science and Data Science: Learning to Program with AI, Big Data and The Cloud, Pearson Education.
Gliederung
19.04.2024 16:00-18:00 Uhr: Python Basics I & II – Data Types and Algorithms
02.05.2024 16:00-18:00 Uhr: Python Basics III & IV – Strings Deep-Dive and Regular Expressions
10.05.2024 16:00-18:00 Uhr: Data Science I – Libraries
23.05.2024 16:00-18:00 Uhr: Data Science II – Pandas and DataFrames
31.05.2024 16:00-18:00 Uhr: Data Science III & IV – Machine Learning
13.06.2024 16:00-18:00 Uhr: Data Science V – Wrap-Up
Infomaterial (PDF Download):
Anmeldemodalitäten:
Das Anmeldeverfahren startet ab März über folgenden Moodle-Kurs: Data Science in Finance (074077-SoSe24)
Art
Veranstaltungsnummer
Rhythmus
Ort