Energy & Sustainability Management FT
Apply Icon
Apply
now

Digitization in Energy & Sustainability Management (E)

level of course unit

Vertiefung

Learning outcomes of course unit

Die Studierenden sind in der Lage:
• Eigenschaften und Leistungsparameter verschiedener Übertragungstechnologien darzustellen
• Systeme, Verfahren und Protokolle der Datenübertragung zu benennen
• grundlegende Begriffe zu wirtschaftlichen und rechtlichen Aspekten der Internet-Infrastruktur zu erläutern
• Inhalte, Ergebnisse/Anwendungen und Arbeitsweise von Data Science zu beschreiben
• Grundfunktionen in der Verarbeitung von Massendaten inkl. Auswertungsfunktionen anzuwenden
• grundlegende Konzepte von Programmen zur Auswertung großer Datenmengen zu beschreiben und einfache Programm-Codes für Auswertungen selbst zu erstellen
• Tools für die Auswertungen von Daten anzuwenden

prerequisites and co-requisites

Wissenschaftliche & empirische Methoden (WIS.1)

course contents

• Grundlagen der Datenübertragung
• Technologien und Anwendungen moderner Netzwerke und Datenübertagung
• Leistungsparameter der Datenübertragung unkl. Breitband Powerline, Internet Knoten, Backbone Netze
• Internet Protokoll und Domain Name
• Geschäftsmodelle für Infrastrukturdienstleister
• Rechtliche Voraussetzung der Infrastrukturbereitstellung
• Datenschutz und Datensicherheit
• Auswertung von Messdaten
• Grundlagen der Zeitreihenanalyse

Das Modul beinhaltet 67% Übungen. Diese Lehrform findet in Kleingruppen statt

recommended or required reading

• Baun, C., 2018. Computernetze kompakt. 4. Auflage. Wiesbaden: Springer Vieweg
• Sauter, M., 2015. Grundkurs Mobile Kommunikationssysteme: LTE-Advanced, UMTS, HSPA, GSM, GPRS, Wireless LAN und Bluetooth. 6. Auflage. Wiesbaden: Springer Verlag
• Grus, J., 2016. Einführung in Data Science: Grundprinzipien der Datenanalyse mit Python. Sebastopol: O’Reilly Media
• Fasel, D., A. Meier, 2016. Big Data: Grundlagen, Systeme und Nutzungspotentiale. Wiesbaden: Springer Verlag
• Runkler, T.A., 2016. Data Analytics: Models and Algorithms for Intelligent Data Analysis. 2. Auflage. Wiesbaden: Springer Verlag

assessment methods and criteria

Klausur und Portfolio

language of instruction

English

number of ECTS credits allocated

9

eLearning quota in percent

30

course-hours-per-week (chw)

4.5

planned learning activities and teaching methods

Blended Learning

semester/trimester when the course unit is delivered

2

name of lecturer(s)

STGL

year of study

1

course unit code

DIT

type of course unit

integrated lecture

mode of delivery

Compulsory

work placement(s)

kein