Ringvorlesung Datenwelten

Daten verstehen, Zukunft gestalten

Du bist neugierig, wie Daten unsere Gesellschaft formen? Dir brummt der Kopf bei der Geschwindigkeit der aktuellen Entwicklungen? Dann komm in die Ringvorlesung Datenwelten!

University of Hamburg Datenwelten illustration
Bild: Adobe Stock, bearbeitet

Die Ringvorlesung Datenwelten begleitet seit vier Jahren über 3100 Studierende. Das Programm richtet sich an Studierende aller Fächer und vermittelt Grundlagen der Digital- und Datenkompetenz sowie Vertrautheit im Umgang mit datengetriebenen Methoden. Um Digitalisierung und Datafizierung zu verstehen, werden technisch-praktisches Wissen und kritische Reflexion eng miteinander verknüpft und aus interdisziplinären Perspektiven beleuchtet.

Inhalte der Datenwelten

Interdisziplinäre Perspektiven

Wintersemester

Datenwelten 1

Im Wintersemester legt die Vorlesungsreihe den Fokus auf Grundlagen von Statistik, Datenanalyse und Machine Learning aus einer technischen Perspektive. Das interdisziplinäre Team setzt sich aus Dozierenden der Informatik und den Sozialwissenschaften zusammen.

Zur Vorlesungsreihe auf Lecture2Go

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

Das technische und soziale Zusammenspiel dieser Systeme bei der Erhebung, Aufbewahrung und Nutzung 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)


Sommersemester

Datenwelten 2

Im Sommersemester beleuchtet die Vorlesungsreihe gesellschaftliche, politische und wirtschaftliche Zusammenhänge der zunehmenden Datafizierung und Digitalisierung aus unterschiedlichen Perspektiven durch Dozierende aller Fakultäten.

Zur Vorlesungsreihe auf Lecture2Go

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

Über 3100 Studierende

Aus 213 Fächern

Von 34 Dozierenden

Data science exercises in the Datenwelten course
Foto: DDLitLab/Rehder

Begleitende Übungen

Zwischen Code und Kontext

Die Übungen zu den Vorlesungen bieten eine praktische Vertiefung der Vorlesungsinhalte und eine Einführung in die Datenanalyse mit R. Sie richten sich an alle Studierenden der Universität Hamburg und sind so gestaltet, dass sie sowohl für Studierende mit als auch ohne Vorkenntnissen im Programmieren zugänglich sind.

Zum Programmieren nutzen wir vor allem den Jupyter-Server der MIN-Fakultät. Mit den Jupyter Notebooks können Studierende interaktiv programmieren und ihren Code direkt im eigenen Browser ausführen, ohne etwas installieren zu müssen. Das ermöglicht eine flexible Arbeitsumgebung, die sich gut für das Lernen und Experimentieren mit Datensätzen eignet.

Wir nutzen Literate Programming, bei dem Code und Text kombiniert werden. Dadurch können Studierende den Code nicht nur schreiben, sondern auch verstehen, verändern und dokumentieren. Die Übungen fördern den selbstständigen Kompetenzerwerb und vermitteln die technischen Grundlagen der Datenanalyse und des Machine Learning. Wir programmieren mit der Paketsammlung tidyverse, welches einer einheitlichen Designphilosophie, Grammatik und Datenstruktur folgt.

Neben den technischen Aspekten werden auch gesellschaftliche Fragestellungen behandelt, um ein umfassendes Verständnis für die Auswirkungen von Digitalisierung und Datafizierung zu entwickeln. Die Übungen sind interdisziplinär angelegt und berücksichtigen verschiedene Perspektiven aus Informatik, Sozialwissenschaften und anderen Disziplinen. Mit der Projektfinanzierung enden die Übungen zum Wintersemester 25/26.

Inhalte der Übungen

Fokus: Winter

  • Classification
  • Regression
  • Clustering
  • Neural Networks

Model

Coding

  • Import
  • Tidy
  • Visualize
  • Transform
  • Communicate

Analyze

Fokus: Sommer

  • APIs
  • Web Scraping
  • Open Repositories

Collect

Tools

  • Jupyter
  • Git
  • gKI-Chatbots
  • RStudio

Reflektion

  • AI-generierte Bilder & Fake News
  • Ethics & Bias
  • Datafizierung der Gesellschaft