Studiengang Information Science (Bachelor of Science) [PO 2019]

Wahlpflichtkatalog

WPs

1 Modulname
Data Analytics (Data Analytics)
1.1 Modulkürzel
151340
1.2 Art
Wahlpflicht / WP-Modul
1.3 Lehrveranstaltung(en)
Data Analytics
1.4 Semester
4 - 5
1.5 Modulverantwortliche(r)
Prof. Dr. Kawa Nazemi
1.6 Weitere Lehrende
Cristian Secco
1.7 Studiengangsniveau
Bachelor
1.8 Lehrsprache
Deutsch
2 Inhalt
Das Modul Data Analytics behandelt grundlegende Methoden und Techniken zur Analyse großer Datenmengen, um aus verfügbaren Daten wertvolle Informationen zu gewinnen und fundierte Entscheidungen zu treffen. Das Modul vermittelt den Studierenden die erforderlichen Kenntnisse und Fähigkeiten, um Daten zu analysieren, Muster zu erkennen und Erkenntnisse zu gewinnen. Folgende Inhalte sind unter anderem Bestandteil des Moduls: Einführung in Data Analytics Datenbeschaffung und Datenbereinigung Datenexploration und Datenvisualisierung Grundlegende statistische Methoden für die Datenanalyse Maschinelles Lernen und Data Mining Vorhersage und Klassifikation Clusteranalyse, Textmining und Segmentierung Big Data Analytics
3 Ziele
Das Modul hat zum Ziel, den Studierenden grundlegende Kenntnisse und Fähigkeiten im Bereich Data Analytics zu vermitteln. Nach Abschluss des Moduls können die Studierenden: Kenntnisse: Die Grundprinzipien von Data Analytics erklären Datenbeschaffungs- und Datenbereinigungsmethoden erläutern Methoden der Datenexploration und Datenvisualisierung anwenden Grundlegende statistische Methoden für die Datenanalyse erklären Konzepte des maschinellen Lernens erläutern Clustering und Klassifikation erläutern Fertigkeiten: Daten beschaffen, bereinigen und für die Analyse vorbereiten Daten explorieren, visualisieren und interpretieren Statistische Methoden zur Datenanalyse anwenden Maschinelles Lernen und Data Mining anwenden Vorhersage- und Klassifikationsmodelle entwickeln und evaluieren Clusteranalyse und Segmentierungsmethoden anwenden Textmining anwenden Kompetenzen: Datenanalyseprojekte planen, durchführen und auswerten Die Eignung verschiedener Analysemethoden für bestimmte Problemstellungen beurteilen Die Ergebnisse der Datenanalyse verständlich präsentieren und interpretieren
4 Lehr- und Lernformen
Seminar: Problem-based Learning Programming-based Learning Blended Learning
5 Arbeitsaufwand und Credit Points
5 CP (Modul gesamt); 150 Stunden: 60 Stunden Präsenzzeit, 90 Stunden Selbststudium und Prüfungsvorbereitung
6 Prüfungsform, Prüfungsdauer und Prüfungsvoraussetzung
Hausarbeit oder Praxisbericht und Präsentation gemäß §13 Abs. 3 und §13 Abs. 5 ABPO.
7 Notwendige Kenntnisse
–
8 Empfohlene Kenntnisse
Statistik und Empirie Grundlagen der Informatik Datenbanken
9 Dauer, zeitliche Gliederung und Häufigkeit des Angebots
Dauer: 1 Semester Gliederung: Seminar mit 4 SWS Häufigkeit: Jährlich, i.d.R. im Wintersemester
10 Verwendbarkeit des Moduls
Bachelorstudiengang Information Science
11 Literatur
Wird im Kurs bekanntgegeben.

Stand: 21.09.2023, 12:18:04. Ältere Versionen im Archiv.