TU Wien:Social Network Analysis VU (Neidhardt)
Daten[Bearbeiten | Quelltext bearbeiten]
Vortragende | Thomas Elmar Kolb• Julia Neidhardt• Ahmadou Wagne |
---|---|
ECTS | 3,0 |
Letzte Abhaltung | 2024W |
Sprache | English |
Mattermost | social-network-analysis • Register • Mattermost-Infos |
Links | tiss:194050, eLearning |
Masterstudium Data Science | Modul MLS/EX - Machine Learning and Statistics - Extension |
Masterstudium Business Informatics | Modul EE/COR - Enterprise Engineering Core (Gebundenes Wahlfach) |
Inhalt[Bearbeiten | Quelltext bearbeiten]
noch offen, bitte nicht von TISS oder Homepage kopieren, sondern aus Studierendensicht beschreiben.
Ablauf[Bearbeiten | Quelltext bearbeiten]
Zuerst zwei Einzelübungen, dann eine Gruppenübung (max. 4 Personen) mit Präsentation und abschließend eine Prüfung über den Semesterstoff. Im WS18 war die Präsentation je nach Termin ein bis zwei Wochen vor der Gruppenabgabe, war nicht besonders sinnvoll weil viele Gruppen noch nicht fertig waren und der Rest die spätere Abgabe eigentlich nicht gebraucht hätte.
Benötigte/Empfehlenswerte Vorkenntnisse[Bearbeiten | Quelltext bearbeiten]
Grundlegende Programmierkenntnisse (in Python oder R)
Vortrag[Bearbeiten | Quelltext bearbeiten]
2018WS
Früh und mit Anwesenheitspflicht (Liste geht durch), die meisten Infos sind auch auf den Folien zu finden, die Exercises aus den Folien werden aber gemeinsam bearbeitet
In den Vorträgen nach den Übungsabgaben wurden die Lösung jeder Aufgabe von Studenten vorgetragen, dazu musste am Beginn der LVA gekreuzt werden (ob die Kreuze Auswirkungen auf die Übungspunkte haben ist noch nicht bekannt)
Übungen[Bearbeiten | Quelltext bearbeiten]
2018WS
2 individuelle Aufgabenstellungen, 1 Gruppenarbeit (Short Paper + Präsentation)
Es wurden Daten von derStandard.at zur Verfügung gestellt. Dabei handelt es sich um Kommentare zu Artikeln und Votes, die für Kommentare vergeben wurden.
In den ersten zwei Aufgaben müssen aufgrund der Daten verschiedene Netzwerke konstruiert werden. Für die Netzwerke mussten dann verschiedenste Eigenschaften und Algorithmen berechnet werden. Programmiersprache ist entweder Python oder R (inkl. Libraries, z.B. NetworkX).
Für das Projekt wurden ebenfalls die Daten von derStandard.at verwendet. Man konnte sich eine Forschungsfrage aussuchen und diese dann mit (selbst gewählten) Methoden beantworten. Die Ergebnisse mussten auch im Rahmen einer Präsentation vorgestellt werden und es musste ein kurzes Paper (max. 4 Seiten) verfasst werden.
Es wurden über TUWEL Jypyter-Notebooks zur Verfügung gestellt die bei den Übungen extrem helfen.
Prüfung, Benotung[Bearbeiten | Quelltext bearbeiten]
Prüfung 05.02.2019
5 Fragen mit je 2-4 Unterpunkten die meist nicht voneinander abhängig waren. Die Fragen waren Stoffbereiche, die Unterpunkte waren die eigentlichen Fragen.
Arbeitszeit war 75min + kurze Verlängerung, war nicht arg stressig aber die Zeit hat man gebraucht. Inhaltlich viel aber es waren keine Aufsätze zu schreiben, Taschenrechner war verboten aber auch nicht notwendig
Note kommt laut LVA-Leitung ca. 2 Wochen, tatsächliche Dauer noch offen
Dauer der Zeugnisausstellung[Bearbeiten | Quelltext bearbeiten]
Laut LVA-Leitung ca. 1 Woche nach Prüfungsnote, tatsächliche Dauer noch offen
Zeitaufwand[Bearbeiten | Quelltext bearbeiten]
Meiner Meinung nach den ECTS entsprechend, sobald die Übungslösungen und Prüfungsfragen aus den letzten Semestern verfügbar sind sollte es schneller gehen
Unterlagen[Bearbeiten | Quelltext bearbeiten]
noch offen
Tipps[Bearbeiten | Quelltext bearbeiten]
Wurde früher als "Web Science" angeboten (https://tiss.tuwien.ac.at/course/courseDetails.xhtml?dswid=4366&dsrid=448&courseNr=188921).
Highlights / Lob[Bearbeiten | Quelltext bearbeiten]
noch offen
Verbesserungsvorschläge / Kritik[Bearbeiten | Quelltext bearbeiten]
Anwesenheitspflicht ist nervig und nicht notwendig, besonders um die Uhrzeit. Folien waren gut, teilweise aber doppelt in den Foliensätzen.
Präsentation der Gruppenarbeit bis zu zwei Wochen vor der eigentlichen Abgabe ist wenig sinnvoll