Lecture: Research Methods/Wissenschaftliches Arbeiten

News/Aktuelles

• First registration period/Erste Anmeldephase (STiNE): 01.09.2017 - 21.09.2017 (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, Dr. Sascha Griffiths
Period:	Wed/Mi 14-16
Room:	D-220
Credit Hours	2 SWS, 3 ETCS
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 and design of empirical studies and their application areas as well as statistical methods for the analysis of different forms of qualitative and quantitative data, including methods like Monte-Carlo Sampling and Bootstrapping.

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 und das Design von empirischen Studien und deren Verwendungsgebiet, statistische Methoden zur Analyse verschiedener Datenformen. Dies beinhaltet auch rechenintensive Methoden wie Monte-Carlo Sampling und Bootstrapping.

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 practical seminar 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. Practical implementation of methods for calculation and visualization in Python will help to deepen the knowledge.

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. Die Umsetzung von Methoden zur Berechnung und Visualisierung in Python helfen das Wissen zu vertiefen.

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.
• Allen B. Downey., Think Stats 2e. Green Tea Press Books, 2014. (Freely available online)

Material

The material for this course can be found within the MIN-CommSy portal:
Informatik-CommSy: WTM: Research Methods WS2017/18