Menu

Digitization in Facility & Real Estate Management

Niveau

Einführung und Vertiefung

Lernergebnisse der Lehrveranstaltungen/des Moduls

Die Studierenden sind in der Lage:
• eigenständig Datensätze zu analysieren, zu strukturieren sowie Informationen darzustellen und kritisch zu evaluieren

Voraussetzungen der Lehrveranstaltung

Grundkenntnisse in Tabellenkalkulations- & Textverabeitungssoftware

Lehrinhalte

• Grundlegende Programmierkenntnisse zur Datenaufbereitung
• Analyse und Darstellung von Informationen aus Datensätzen

Empfohlene Fachliteratur

• Amos, D., Bader, D., Jablonski, J., & Heisler, F. (2021). Python basics: A practical introduction to Python 3 (Revised and updated 4th edition). Real Python.
Matthes, E. (2023). Python crash course: A hands-on, project-based introduction to programming (3rd edition). No • Starch Press.
• Runkler, T. A. (2025a). Data Analytics: Models and Algorithms for Intelligent Data Analysis - A Comprehensive Introduction (4th ed. 2025). Springer Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-658-45951-2
• Runkler, T. A. (2025b). Data Analytics: Models and Algorithms for Intelligent Data Analysis - A Comprehensive Introduction (4th ed. 2025). Springer Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-658-45951-2

Bewertungsmethoden und -Kriterien

Portfolio

Unterrichtssprache

Englisch

Anzahl der zugewiesenen ECTS-Credits

4

Semesterwochenstunden (SWS)

Geplante Lehr- und Lernmethode

Blended Learning

Semester/Trisemester, In dem die Lehrveranstaltung/Das Modul Angeboten wird

2

Art der Lehrveranstaltung/des Moduls

Art der Lehrveranstaltung