Data Analytics & Visualisation

Niveau der Lehrveranstaltung/des Moduls laut Lehrplan

second cycle, Master

Lernergebnisse der Lehrveranstaltung/des Moduls

Die Absolventin, der Absolvent / die Studierenden:
• kann die Inhalte, Ergebnisse/Anwendungen und Arbeitsweise von Data Science beschreiben
• kann „Fragestellungen“ in Anforderungen im Kontext Data Science zu überführen
• kann darauf aufbauend den Prozess und die Werkzeuge definieren und diese umsetzen/anwenden
• kennt eine Software mit Bibliotheken für die Durchführung von Datenanalysen und Auswertungen
• kann entsprechende Software benutzen
• kann geeignete Auswertungen und Analysen unter Nutzung der Software für definierte Beispiele durchführen

Voraussetzungen laut Lehrplan

keine

Lehrinhalte

* Einführung (Daten, Informationen, Wissen, zeitliche Komponenten, Zielsetzungen)
* Datenprozess (Sammeln, Aufbereiten, Analyse, Darstellung)
* Datenaufbereitung (Bereinigung, Umformung, Umskalierung, Speicherung)
* Ansätze für die Analyse von Daten
* Darstellung/Visualisierung von Ergebnissen
* Software (Open Source und proprietäre Software)
* Machine Learning – Prozess, Ansätze, Umsetzung
* Einführung in die verwendete Software z.B. Python
* Sammeln und Aufbereiten von Daten mit Hilfe von Software
* Analyse und Darstellung von Beispieldaten unter Nutzung verschiedener Ansätze (z.B. Regression, Entscheidungsbäume etc.)

empfohlene Fachliteratur

Runkler Th.; Information Mining; vieweg; 2000
Langit L.; Smart Business Intelligence Solutions with Microsoft SQL Server; Microsoft Press; 2008
Petersohn H.; Data Mining; Oldenbourg; 2005
Provost F., Fawcett T.; Data Science for Business; O’Reilly; 2013
Milton M.; Head First Data Analysis; O’Reilly; 2009