Data Science Summer School: Eine Woche in der Welt der Daten am 12. September 2018
ungefähr 5 Minuten
Themen: Data Science , Data Science Summer School , Erfahrungsbericht , Studierende , Studium

Data Science Summer School: Eine Woche in der Welt der Daten

Data Science ist für die Studierenden Christine Ning und Daniel Lang ein spannendes Feld mit vielen interdisziplinären Anknüpfungspunkten. Am Uni Wien Blog berichten sie von der diesjährigen Data Science Summer School in Wien, bei der sie ihr Wissen rund um Deep Learning und Visual Data Analysis vertiefen konnten.

Seit Mai 2018 gibt es die Data Science Forschungsplattform an der Universität Wien. Im Rahmen dieser wurde in österreichisch-tschechischer Kooperation zusammen mit der technischen Universität Ostrava vom 3. bis 7. September in Wien die Summer School mit dem Thema „Deep Learning and Visual Data Analysis“ veranstaltet. Aufgrund unseres Interesses an der Thematik, des spannenden Programms und den geringen Kosten für Studierende, waren wir uns schon früh sicher, an der Summer School teilnehmen zu wollen. Wir erhofften uns von der Woche interessante Vorträge sowie Einblicke in die Anwendungsfelder von Data Science und wurden dabei nicht enttäuscht. Am Montag, 3. September, war es dann endlich so weit. Mit rund 50 anderen TeilnehmerInnen aus unterschiedlichen Ländern und Disziplinen saßen wir in einem Hörsaal, um unser Wissen rund um Data Science zu vertiefen.

TeilnehmerInnen der Data Science Summer School
Die TeilnehmerInnen der Data Science Summer School in Wien.

Möglichkeiten von Visual Data Analysis und Deep Learning kennenlernen

Zu Beginn stand vor allem die Visualisierung von Daten im Vordergrund. Eine Thematik mit der wir uns bislang eher wenig beschäftigt hatten, die uns jedoch umso mehr begeisterte. Auch ohne großes Hintergrundwissen gelang uns der Einstieg in das Thema. Präsentiert wurden allgemeine Prinzipien und Herangehensweisen an Visualisierungsaufgaben sowie Darstellungen von realisierten Projekten. So wurde aufgezeigt, was mit diesen Methoden erreicht werden kann. Wir wurden auch selbst aktiv, indem wir eine Datenvisualisierungssoftware ausprobierten. Dazu haben wir einen Datensatz von Olympia-TeilnehmerInnen bekommen. So konnten wir zum Beispiel durch einfaches Drag-and-drop der relevanten Variablen herausfinden und visualisieren, in welcher Disziplin die meisten Gold-Medaillen an Frauen vergeben wurden (die Lösung: in der Disziplin Schwimmen 🙂). Am zweiten Tag wurde mit „Deep Learning“ das zweite große Thema angeschnitten. Auch hier deckten zuerst Vorträge die Funktionsweise von Machine Learning (ML) und neuronalen Netzen ab.

Vortrag in der Data Science Summer School in Wien
Vortrag zu „Unsupervised Machine Learning to Mine Clinical Data“ gehalten von Johannes Hofmanninger.

ML wird beispielsweise bei der Erkennung von Gesichtern und Objekten eingesetzt. Zu weiteren Anwendungsfeldern von Deep Learning Methoden zählen außerdem

  • die Musikerkennung,
  • das Erkennen von Anomalien anhand von Bildern im medizinischen Bereich,
  • die Textanalyse oder
  • die Lösung von partiellen Differenzialgleichungen, die zum Beispiel bei der Festlegung von Optionspreisen in der Wirtschaft benötigt werden.

Die Data Science Students Initiative

Unzählige Definitionen machen den Begriff Data Science nicht so einfach fassbar, das zentrale Element liegt jedoch nah am Namen: Wissenschaft, die ihr Wissen aus Daten gewinnt (siehe z.B.: Donoho, 2017). Um aus Daten Informationen zu gewinnen, braucht es neben Wissen aus Mathematik, Statistik und Informatik auch noch ExpertInnenwissen innerhalb der eigenen Disziplin. Darum haben wir nach dem Motto: „Das Ganze ist mehr als die Summe seiner Teile“ mit Mitstudierenden Ende letzten Jahres die „Data Science Students Initiative“ gegründet, um einen Austausch zwischen den Disziplinen zu ermöglichen und Events zu organisieren. Mehr Infos findet ihr hier: Data Science Students Initiative.

Zeit fürs Coden: Die Anwendung von Data Science

Besonders interessant fanden wir den Wettbewerb Mitte der Woche, der sich der Klassifizierung von Bildern widmete. Konkret ging es darum, die in den letzten zwei Tagen erlernten Methoden anzuwenden, um kleine Bilder von Parkplätzen entweder als frei oder belegt einzuordnen. Wir haben dazu jeweils eine eigene Lösung programmiert. Eine baute auf die am Vortag erklärten „Convolutional Neural Network“ auf, die andere auf klassischere Support Vector Machines (SVM), beide Techniken erzielten bei uns ähnliche Ergebnisse.

Die beste abgegebene Lösung konnte bereits nach der Arbeit von nur einem Tag ca. 98 Prozent der Bilder korrekt zuordnen. Obwohl die Daten für diesen Wettbewerb natürlich entsprechend vorbereitet wurden und unsere eigene Lösung nicht an den Sieger heranreichte, war es dennoch spannend für uns, so schnell Ergebnisse mit einer rund 85 Prozent korrekten Klassifizierung zu erreichen.

Austausch und gemeinsames Lernen

Kahlenbergwanderung Data Science Summer School
Auch eine gemeinsame Wanderung auf den Kahlenberg stand am Programm.

Zusätzlich zu den Vorträgen, unter anderem von Torsten Möller – einem der Mitbegründer der Data Science Plattform an der Uni Wien –  gab es auch soziale Events. Diese lockerten die Tage auf und ermöglichten den Kontakt zu anderen TeilnehmerInnen und das Schließen von Freundschaften. Man konnte sich während des gemeinsamen Mittag- und Abendessens austauschen und an einer Tour durch das Hauptgebäude der Uni Wien sowie einer gemeinsame Wanderung zu einem Heurigen am Kahlenberg teilnehmen.

Insgesamt war es eine lehrreiche und spannende Woche mit vielen neuen Bekanntschaften.

Faszinierend für uns war, wie die Methoden in den unterschiedlichen Bereichen angewendet werden und was sie dort erreichen können. Eine Woche war deutlich zu kurz für eine umfassende Behandlung der beiden Themen Deep Learning und Visual Data Analysis, jedoch gibt sie uns weitere Motivation, um uns vertiefend damit auseinanderzusetzen.

Ihr möchtet mehr zum Thema Data Science @ Uni Vienna erfahren? 👀

Besucht die regelmäßigen Lecture Series zum Thema „What is Data Science?“. Mehr Informationen findet ihr auf der Website oder auf Twitter. 👍


Christine Ning befindet sich kurz vor ihrem Abschluss im Masterstudium Psychologie und ebenfalls im Bachelorstudium Statistik an der Universität Wien. Sie arbeitet seit zwei Jahren als Studienassistentin und ist Mitbegründerin der Data Science Students Initiative. Daniel Lang befindet sich im Masterstudium Sinologie an der Universität Wien, und studiert weiters noch Informatik an der TU Wien. Durch das Arbeiten am sinologischen ERC-Forschungsprojekt "The Microfoundations of Government Responsiveness" kam er mehr und mehr mit Data Science und den Möglichkeiten und Herausforderungen der Disziplin in Berührung.
[ mehr Artikel von Studierenden ]





Ein Semester in Irland

Flora reist im Zuge ihres Bachelorstudiums in Musikwissenschaft ein Semester lang ins Grüne. Mit Erasmus+ studiert sie ein halbes Jahr lang in Irland an der National University of Ireland Maynooth. Im Blogbeitrag erzählt sie euch, wie sie sich zurechtgefunden hat und was sie von ihrem Auslandsaufenthalt mitnehmen konnte. Nachdem alle Formalia erledigt waren – English Certificate … Continued



Es war einmal … Studienbegriffe, die es so an der Uni Wien nicht mehr gibt

Immatrikulation? c.t.? Prüfungsreferat? – Das Uni-Leben ist manchmal kompliziert. Vor allem dann, wenn unbekannte Begriffe auf einen zustürmen. Barbara Hamp vom Studienservice und Lehrwesen gibt Übersetzungshilfe zu Begriffen, die an der Uni Wien heute nicht mehr verwendet werden. „Früher, da hat es das nicht gegeben.“ Oder: „Bei uns war das damals ganz anders.“ Diese Reaktionen … Continued


Studienabschluss-Stipendium für berufstätige Studierende – FAQs

Ihr seid berufstätige Studierende in fortgeschrittenen Studienphasen? Dann könnt ihr für das Studienjahr 2018/19 ein Studienabschluss-Stipendium beantragen, das euch auf eurem Weg zum Studienabschluss unterstützen soll. In diesem Blogbeitrag findet ihr die wichtigsten Infos zusammengefasst. Was sind die Voraussetzungen für eine Antragstellung? Für die Antragstellung auf Zuerkennung eines Studienabschluss-Stipendiums sind alle der folgenden Voraussetzungen zu erfüllen: … Continued

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Back to top