inf1202 - Fortgeschrittenenpraktikum "Data Science" (Vollständige Modulbeschreibung)

inf1202 - Fortgeschrittenenpraktikum "Data Science" (Vollständige Modulbeschreibung)

Originalfassung Englisch PDF Download
Modulbezeichnung Fortgeschrittenenpraktikum "Data Science"
Modulkürzel inf1202
Kreditpunkte 6.0 KP
Workload 180 h
Einrichtungsverzeichnis Department für Informatik
Verwendbarkeit des Moduls
  • Master Informatik (Master) > Praktische Informatik
  • Master Wirtschaftsinformatik (Master) > Akzentsetzungsmodule der Informatik
Zuständige Personen
  • Wingerath, Wolfram (Modulverantwortung)
  • Lehrenden, Die im Modul (Prüfungsberechtigt)
Teilnahmevoraussetzungen

Grundlagen von Datenbanken, Grundlagen von Data Science

Kompetenzziele

Ziele dieses Moduls sind die Vermittlung von praktischen Kenntnissen zu Data Science und dem Bezug zu Fragestellungen aus einer konkreten Anwendungsdomäne. Des Weiteren erlangen die Studierenden einen nachhaltigen Einblick in die technische Realisierung, Implementierung, und inhaltliche Einordnung von Datenanalyseprozessen bzw. deren Ergebnissen.

Fachkompetenzen
Die Studierenden:

  • verfügen über Kenntnisse zur technischen Realisierung bei der Implementierung und Programmierung von Datenanalyseverfahren
  • programmieren und implementieren Prozesse im Kontext der Datenanalyse (etwa zur Automatisierung oder Datenreinigung)


Methodenkompetenzen
Die Studierenden:

  • schlagen für spezielle Fragestellungen konkrete Verarbeitungsprinzipien vor
  • reflektieren bestimmte Technologien und Vorgehensweisen bzgl. ihrer Auswirkungen auf die Ergebnisse von Datenanalysen


Sozialkompetenzen
Die Studierenden:

  • generieren Ansätze zur Datenanalyse im Team


Selbstkompetenzen
Die Studierenden:

  • erkennen ihre Belastbarkeit bei der Implementierung und erkennen Fehler
  • reflektieren ihr Handeln
Modulinhalte

Dieses Modul ist vor allem als praktische Fortführung des Moduls Data Science I konzipiert. Es vertieft die dort behandelten Inhalte durch praktische Anwendung in einem konkreten Problembereich. Schwerpunkte sind dabei:

  • Design von Analysen zur Beantwortung konkreter Fragestellungen aus dem gegebenen Problembereich
  • Erschließung (und Bereinigung) relevanter Datenquellen
  • Auswahl und Anwendung geeigneter Konzepte und Techniken bei der Durchführung von Analysen
  • Interpretation und Präsentation der Ergebnisse
Literaturempfehlungen

Siehe Beschreibung der zugeordneten Lehrveranstaltung

Links
Unterrichtsprachen Deutsch, Englisch
Dauer in Semestern 1 Semester
Angebotsrhythmus Modul unregelmäßig
Aufnahmekapazität Modul unbegrenzt
Lehr-/Lernform 1P
Vorkenntnisse Grundlagen von Datenbanken, Grundlagen von Data Science
Prüfung Prüfungszeiten Prüfungsform
Gesamtmodul

Am Ende der Vorlesungszeit bzw. nach Absprache mit dem Lehrenden

Portfolio oder Projekt oder praktische Arbeit oder Fachpraktische Übungen und mündliche Prüfung

Lehrveranstaltungsform Praktikum
SWS 4
Angebotsrhythmus SoSe oder WiSe
Workload Präsenzzeit 56 h