Teaching
Lecture: Research Methods/Wissenschaftliches Arbeiten
Winter Semester 2013/2014
News/Aktuelles
- First registration period/Erste Anmeldephase (STiNE): 02.09.2013 - 12.09.2013 (13:00h)
- For this course we use the MIN-CommSy - all participants will be affirmed after the first lecture.
General Information/Allgemeine Informationen |
| LV-Nummer: |
64-750 |
| Lecturer: |
Dr. Sven Magg, Prof. Stefan Wermter |
| Period: |
Wed/Mi 14-16 |
| Room: |
D-125 |
| Credit Hours |
2 SWS |
| Language: |
English with English Material |
| Module: |
InfM-RM |
Contents/Inhalte
With the growing complexity of computer programs and intelligent systems, quantitative methods to analyse data are becoming increasingly important. Students of intelligent, adaptive systems are nowadays expected to be able to formulate hypotheses on the behaviour of artificial systems, create well-defined experiments, gather empirical data, and appropriately analyse those data to draw conclusions.
In this lecture we will introduce students to the core concepts of the scientific process, beginning at experiment design and execution all the way to data analysis and publication. A focus will be on methods and tools useful for the field of computer science and artificial intelligence. Compared to other natural sciences, the test subjects in computer science are often artificial systems or humans that interact with them and the lecture provides an overview over techniques frequently used especially in this domain.
Topics will include types of empirical studies and their application areas, statistical methods for the analysis of different forms of qualitative and quantitative data, and their presentation through scientific writing and discourse.
Mit der wachsenden Komplexität von Computerprogrammen und intelligenten Systemen werden Methoden zur empirischen Datenanalyse immer wichtiger. Von Studenten im Bereich intelligenter und anpassungsfähiger Systeme wird heutzutage erwartet daß sie Hypothesen über das Verhalten künstlicher Systeme formulieren, wohldefinierte Experimente durchführen, resultierende Daten sammeln und angemessen analysieren und daraus sinnvolle Schlüsse ziehen können.
In der Vorlesung führen wir Studenten in den wissenschaftlichen Prozess ein, von Experimentdesign und -durchführung bis hin zu Datenanalyse und Veröffentlichung. Es werden gezielt Methoden und Werkzeuge behandelt die in den Bereichen Informatik und Künstlicher Intelligenz Anwendung finden. Im Vergleich zu anderen Naturwissenschaften sind die Testsubjekte in der Informatik zumeist künstliche Systeme oder Menschen, welche mit diesen interagieren. Die Vorlesung bietet eine Übersicht über die gerade in diesem Bereich oft verwendeten Techniken.
Themen werden unter anderem verschiedene Typen von empirischen Studien und deren Verwendungsgebiet, statistische Methoden zur Analyse verschiedener Datenformen und wissenschaftliche Veröffentlichung und Diskurs sein.
Objective/Lernziel
The objective of this lecture is to gain a deeper understanding of the scientific methods and their application in the field of computer science and artificial intelligence:
- Learning the basic principles of scientific processes
- Gain applicable knowledge on experiment design and execution
- Understand hypothesis testing and statistical methods
Das Lernziel dieser Vorlesung ist ein vertieftes Verständnis wissenschaftlicher Methoden und deren Anwendung im Bereich der Informatik und Künstlichen Intelligenz:
- Erlernen der grundlegenden Prinzipien wissenschaftlichen Arbeitens
- Die Fähigkeit Experimente zu definieren und durchzuführen
- Das Testen von Hypothesen und dessen statistische Auswertung
Procedure/Vorgehen
The interactive lecture will be tightly coupled with a mixture of seminar and practical and will equip students with the theoretical background and concepts. Those will then be deepened in group discussions, practical experiments and data analysis. Over the course of the lecture and the exercises, students are going to design and execute at least one experiment and analyse the data followed by a presentation and discussion of their approach and results.
Die interaktive Vorlesung wird eng mit einer Mischung aus Seminar und Übung verknüpft sein. Studierende werden mit den notwendigen theoretischen Grundlagen vertraut gemacht, welche dann in Gruppendiskussionen, praktischen Experimenten und Datenanalyse vertieft werden. Im Verlauf der Vorlesung und des Seminars werden alle Studierende mindestens ein Experiment definieren und durchführen und dessen Daten analysieren, bevor die Herangehensweise und die Ergebnisse präsentiert und diskutiert werden.
Literature/Literatur
- Cohen, P. R. Empirical methods for artificial intelligence. MIT Press, Cambridge, Mass. 1995.
- Field, A., Miles, J., Field, Z. Discovering statistics using R. SAGE, Los Angeles, 2012.
- Law, A. M., and Kelton, W. D., editors. Simulation Modelling and Analysis. McGraw-Hill Education, 2000.
- Ross, S. M. Introduction to Probability Models. Harcourt, 7th edition, 2000.
Material
The material for this course can be found within the MIN-CommSy portal:
Informatik-CommSy: WTM: Research Methods WS2013/14
