pb321 - Data Analytics im Zeitalter von Big Data (Vollständige Modulbeschreibung)

pb321 - Data Analytics im Zeitalter von Big Data (Vollständige Modulbeschreibung)

Originalfassung Englisch PDF Download
Modulbezeichnung Data Analytics im Zeitalter von Big Data
Modulkürzel pb321
Kreditpunkte 6.0 KP
Workload 180 h
Einrichtungsverzeichnis Department für Informatik
Verwendbarkeit des Moduls
  • Fach-Bachelor Betriebswirtschaftslehre mit juristischem Schwerpunkt (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Fach-Bachelor Biologie (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Fach-Bachelor Chemie (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Fach-Bachelor Comparative and European Law (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Fach-Bachelor Engineering Physics (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Fach-Bachelor Informatik (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Fach-Bachelor Interkulturelle Bildung und Beratung (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Fach-Bachelor Mathematik (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Fach-Bachelor Nachhaltigkeitsökonomik (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Fach-Bachelor Pädagogik (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Fach-Bachelor Pädagogisches Handeln in der Migrationsgesellschaft (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Fach-Bachelor Physik (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Fach-Bachelor Physik, Technik und Medizin (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Fach-Bachelor Sozialwissenschaften (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Fach-Bachelor Umweltwissenschaften (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Fach-Bachelor Wirtschaftsinformatik (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Fach-Bachelor Wirtschaftswissenschaften (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Zwei-Fächer-Bachelor Anglistik (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Zwei-Fächer-Bachelor Biologie (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Zwei-Fächer-Bachelor Chemie (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Zwei-Fächer-Bachelor Elementarmathematik (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Zwei-Fächer-Bachelor Ev. Theologie und Religionspädagogik (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Zwei-Fächer-Bachelor Gender Studies (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Zwei-Fächer-Bachelor Germanistik (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Zwei-Fächer-Bachelor Geschichte (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Zwei-Fächer-Bachelor Informatik (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Zwei-Fächer-Bachelor Interdisziplinäre Sachbildung (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Zwei-Fächer-Bachelor Kunst und Medien (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Zwei-Fächer-Bachelor Materielle Kultur: Textil (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Zwei-Fächer-Bachelor Mathematik (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Zwei-Fächer-Bachelor Musik (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Zwei-Fächer-Bachelor Niederdeutsch (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Zwei-Fächer-Bachelor Niederlandistik (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Zwei-Fächer-Bachelor Ökonomische Bildung (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Zwei-Fächer-Bachelor Pädagogik (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Zwei-Fächer-Bachelor Philosophie / Werte u. Normen (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Zwei-Fächer-Bachelor Physik (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Zwei-Fächer-Bachelor Politik-Wirtschaft (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Zwei-Fächer-Bachelor Slavistik (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Zwei-Fächer-Bachelor Sonderpädagogik (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Zwei-Fächer-Bachelor Sozialwissenschaften (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Zwei-Fächer-Bachelor Sportwissenschaft (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Zwei-Fächer-Bachelor Technik (Bachelor) > Säule "Überfachliche Professionalisierung"
  • Zwei-Fächer-Bachelor Wirtschaftswissenschaften (Bachelor) > Säule "Überfachliche Professionalisierung"
Zuständige Personen
  • Marx Gómez, Jorge (Prüfungsberechtigt)
  • Lehrenden, Die im Modul (Prüfungsberechtigt)
Teilnahmevoraussetzungen
Kompetenzziele
Das Modul hat die Zielsetzung grundlegende analytische Methoden anhand von Big Data Szenarien zu vermitteln. Die Studierenden aus den Geistes- und Naturwissenschaften (z. B. Sozial- oder Umweltwissenschaften, Physik und Mathematik) sollen in die Lage versetzt werden aktuelle Lösungsansätze, die insbesondere bei Verwendung von In-Memory Computing und Data Science zum Einsatz kommen, auf fachspezifische Fragestellungen zu übertragen und eigenständig Lösungen in Kleingruppen zu erarbeiten. Die Studierenden haben erste Erfahrungen mit den Aufgaben eines Data Scientist.
Modulinhalte
Aufgrund des steigenden Informationsaufkommens und der stetigen Weiterentwicklung der Informations-und Kommunikationstechnologien können Unternehmen und Wissenschaftler auf Informationen zugreifen, die herkömmliche Analysesysteme nicht mehr verarbeiten können. Deshalb ist es zwingend notwendig nicht erst auf der IT Ebene ein Verständnis für die Methoden und Möglichkeiten eines Data Scientist aufzubauen, sondern schon in den Fachbereichen. Daher ist es unerlässlich, dass die Aufgaben und Methoden eines Data Scientist praktisch vermittelt werden. Hierzu ist die Veranstaltung zweigeteilt: (1) Einführung in die Aufgaben/Methoden eines Data Scientist und notwendiger Softwaresysteme und (2) praktische Umsetzung der Methoden anhand fachspezifischer Fragestellungen in Kleingruppen und Vorstellung der Ergebnisse durch die Studierenden. Fachspezifische Fragestellungen können beispielsweise aus der Forschung in den Thematiken: Windenergie, Mustererkennung in ökologischen Wachstumsstrukturen , Reaktion und Transport im Boden, soziale Ungleichheit, Analyse sozialer Netzwerke, Demographie, Analyse komplexer sozialer Systeme stammen.

Die Studierenden
- benennen und erkennen der Aufgaben eines Data Scientist.
- erhalten einen Einblick in aktuelle Methoden im Rahmen von Data Analytics Aufgaben.
- erhalten theoretische und praktische Kenntnisse im
- Prozess der Datenmodellierung und -beschaffung (Prozess der
Extraktion, Transformation und des Datenladens).
- können fachspezifische Fragestellungen mittels der im Modul erlernten Methoden im Rahmen von Kleingruppen
eigenständig bearbeiten.

Die Studierenden
- führen Aufgaben eines Data Scientist mittels vermittelter Methoden eigenständig durch.
- erlernen anhand der Durchführung Vor- und Nachteile der unterschiedlichen Methoden und können diese Methoden anhand des erworbenen Wissens optimiert einsetzen.

Die Studierenden
- führen fachspezifische Fragestellungen in Kleingruppen durch.
- organisieren die Aufgaben in den Kleingruppen und stellen ihre Fragestellungen und Ergebnisse vor.

Die Studierenden
- eignen sich Methoden des Data Scientists an und nutzen diese für fachspezifische Fragestellungen.
- erkennen Aufgaben und übernehmen für diese Verantwortung
Literaturempfehlungen
  • Jensen, Pedersen, Thomsen (2010): Multidimensiona l Databases and Data Warehousing (Synthesis lectures on Data Management)
  • Loshin (2012): Business Intelligence – The Savvy Manager’s Guide Max Bramer (2013): "Principles of data mining"
  • Jure Leskovec, Anand Rajaraman, Jeffrey Ullman (2014): "Mining of massive datasets"
Links
Unterrichtssprache Deutsch
Dauer in Semestern 1 Semester
Angebotsrhythmus Modul semi-anual
Aufnahmekapazität Modul 100
Modulart Ergänzung/Professionalisierung
Modullevel PB (Professionalisierungsbereich / Professionalization)
Lehr-/Lernform V+S
Lehrveranstaltungsform Kommentar SWS Angebotsrhythmus Workload Präsenz
Vorlesung 2 WiSe 28
Seminar 2 WiSe 28
Präsenzzeit Modul insgesamt 56 h
Prüfung Prüfungszeiten Prüfungsform
Gesamtmodul
In der veranstaltungsfreien Zeit, in der Regel 4 Wochen nach Ende des Vorlesungszeitraums.
1 Referat (max. 30 Min.) mit schriftl. Ausarbeitung (max. 15 Seiten) oder
1 Hausarbeit (max. 25 Seiten)