Data Science & Intelligent Analytics BB
Apply Icon
Jetzt
Bewerben

Softwareentwicklung 2

Niveau der Lehrveranstaltung/des Moduls laut Lehrplan

Masterstudium

Lernergebnisse der Lehrveranstaltung/des Moduls

Folgende Kompetenzen werden in der Lehrveranstaltung erarbeitet:

- Die Studierenden kennen weiterführende Konzepte der Softwareentwicklung (z.B. Pipelines, Testen, usw.) die im Bereich der Data Science häufig angewandt werden.
- Die Studierenden sind mit dem Einsatz der erarbeiteten Konzepte in häufig genutzten Softwareentwicklungsumgebung im Bereich der Datenanalyse (z.B. in Python, MATLAB oder R) vertraut.
- Die Studierenden können weiterführende Applikationen konzipieren, um grundlegende Funktionalitäten zu automatisieren.
- Die Studierenden können konzipierte Applikationen selbstständig implementieren.

Voraussetzungen laut Lehrplan

1. Semester: Die Studierenden verfügen über Vorwissen im Bereich Informationstechnologien im Umfang von 6 ECTS und kennen daher das Konzept der Relationalen Datenbank und können einfache SQL-Abfragen lesen. / 1. Semester: Die Studierenden verfügen über Vorwissen im Bereich Informationstechnologien im Umfang von 6 ECTS und kennen daher einfache Programmierkonzepte (z.B. Variablen, Verzweigungen, Schleifen), sowie typische Programmieransätze (z.B. funktionale Programmierung). / 2. Semester: Modulprüfung SDDE.A1 (Software Development 1)

Lehrinhalte

Folgende Inhalte werden in der Lehrveranstaltung besprochen:

- Architekturmodelle für datengetriebene Softwareentwicklung und -systeme.
- Integrationsmodelle und -paradigmen für die Umsetzung komplexer, prozessorientierter Softwareökosysteme für analytische und datengetriebene Systeme
- Anwendung von bewährten Entwurfsmustern (Design Patterns) für datengetriebene Anwendungen
- Konzeption und Umsetzung effizienter und skalierbarer Softwaresysteme für datengetriebene Anwendungen
- Testen von Softwareapplikationen (z.B. Unit Tests, Integration Tests usw.)

empfohlene Fachliteratur

PRIMÄRLITERATUR:
- Lutz, M (2013): Learning Python (Ed. 1), O'Reilly Media, Farnham (ISBN: 978-1449355739)

SEKUNDÄRLITERATUR:
- Sommerville, I. (2015): Software Engineering, Global Edition (Ed. 10), Pearson Education, London (ISBN: 978-1292096131)
- Williams, L.; Zimmermann, T. (2016): Perspectives on Data Science for Software Engineering (Ed. 1), Morgan Kaufmann, Burlington (ISBN: 978-0128042069)
- Crawley, M. J. (2007): The R Book (Ed. 1), John Wiley & Sons Ltd, Chichester (ISBN: 978-0-470-51024-7)

Bewertungsmethoden und -kriterien

Klausur

Unterrichtssprache

Deutsch

Anzahl der zugewiesenen ECTS-Credits

6

eLearning Anteil in Prozent

33

Semesterwochenstunden (SWS)

3

geplante Lehr- und Lernmethoden

Folgende Methoden kommen zum Einsatz:

- Vortrag mit Diskussion
- Bearbeitung von Übungsaufgaben
- Interaktiver Workshop

Semester/Trimester, in dem die Lehrveranstaltung/das Modul angeboten wird

2

Name des/der Vortragenden

Prof. (FH) Dipl.-Informatiker Karsten Böhm

Studienjahr

1

empfohlene optionale Programmeinheiten

keine

Kennzahl der Lehrveranstaltungen/des Moduls

SDDE.5

Art der Lehrveranstaltung/des Moduls

Integrierte Lehrveranstaltung

Art der Lehrveranstaltung

Pflichtfach

Praktikum/Praktika

kein