DTA-03



DTA-03

Data Science Applications

Semester

Siehe Studienverlaufsplan

Art des Moduls

Pflicht

Modulverantwortung

Professur Informatik insb. Data Science

Modulsprache

Deutsch / Englisch

Veranstaltungsturnus

Mind. 1 x jährlich

Dauer der Veranstaltung

1 Semester

Arbeitsaufwand

150 Std.

Präsenz: 32 Std. | Selbststudium: 56 Std. | Transfer: 62 Std.

ECTS-Punkte

5 CP

Prüfungsleistung

Transferarbeit (6-8 Seiten)

Lehr- und Lernmethoden

Seminar (Präsenzlehre), ergänzend Selbststudium und Transfer, ggf. E-Learning, Pre- und Post-Reading.

Modulinhalte

  • Reporting versus Data Science

  • Multidimensional Database Models

  • User Interfaces

  • Analytical Processing

  • Information Deployment

  • Security and Access Regulations

  • Data Science Methods

  • Planning Strategy

  • Functions Inside the Planning Process

  • Simulation

  • Process Support

Teilnahmevoraussetzungen

Das Modul ist ohne Vorkenntnisse aus anderen Modulen studierbar.

Qualifikationsziele

Wissensverbreiterung

  • Kenntnisse über die wesentlichen Entwicklungstrends im Bereich der cloudbasierten Data Science-Plattformen.

  • Kenntnisse über Nutzwertkriterien und Risiken einer cloudbasierten Data Science-Plattform.

  • Erweiterung der Kompetenzen, um Methoden zur Durchführung von Data Science-Projekten mit Data Science-Plattformen.

Wissensvertiefung

  • Fähigkeit, mit einer ausgewählten Data Science-Plattform exemplarisch zu arbeiten und die IT-Integration eigenständig anwendungsorientiert planen und durchzuführen zu können.

  • Fähigkeit, die passenden Plattformen kennenlernen und auswählen zu können.

  • Steigerung der Fähigkeiten in Bezug auf unternehmerisches Denken und Handeln, um den unternehmerischen Nutzen – insbesondere für Fachabteilungen – beurteilen zu können.

Wissensverständnis

  • Fähigkeit, erworbenes Wissen durch die obligatorischen Transferprojekte und Transferarbeiten des Studiums auf ausgewählte Unternehmensbereiche anzuwenden.

  • Kompetenz, um Data Science-Projekte interdisziplinär mit IT-Mitarbeitern und Mitarbeitern der Fachabteilungen durchzuführen.

Verwendbarkeit des Moduls

für andere Module und Studiengänge

Verwendbar in den Masterstudiengängen Wirtschaftsinformatik, IT-Systems Engineering

Empfohlene Literatur

Zum Selbststudium empfiehlt sich den Studierenden folgende Literatur:

  • Elston, F. (2017): Data Science in the Cloud: with Microsoft Azure Machine Learning and Python (Englische Ausgabe)

  • Foss, G. und Modderman, P. (2019): Practical Data Science with SAP: Machine learning techniques for enterprise data

  • Grant, G., Granados, J. et. al. (2018): Perform Cloud Data Science with Azure Machine Learning (Englische Ausgabe)

  • Lakshmanan. V. (2018): Data Science on the Google Cloud Platform: Implementing End-to-End Real-Time Data Pipelines: From Ingest to Machine Learning

  • Miller, J. (2016): Learning IBM Watson Analytics (Englische Ausgabe).

  • Reinheimer, S. (2018): Cloud Computing: Die Infrastruktur der Digitalisierung (Ausgabe HMD)

Weitere Informationen

Keine