Anwendungsorientierte Analyseplattformen (WP)

Masterstudium

Folgende Lernergebnisse werden in der Lehrveranstaltung erarbeitet:

- Die Studierenden kennen unterschiedliche, anwendungsorientierte Analyseplattformen (z.B. KNIME, RapidMiner, Grafana)
- Die Studierenden können die kennengelernten Analyseplattformen hinsichtlich ihrer Eignung für einen bestimmten Anwendungsfall vergleichen.
- Die Studierenden haben erste Anwendungserfahrung mit den vorgestellten Plattformen gesammelt.

keine Voraussetzungen

Folgende Inhalte werden in der Lehrveranstaltung besprochen:

- Vorstellung unterschiedlicher anwendungsorientierter Analyseplattformen (z.B KNIME, RapidMiner, Grafana)
- Vorstellung unterschiedlicher Cloudlösungen für die Datenanalyse (z.B. Google Cloud, AWS, Azure)
- Anwenden der vorgestellten Plattformen am Beispiel von Analysedatensätzen
- Diskussion der unterschiedlichen Ansätze

PRIMÄRLITERATUR:
- Mishra, A. (2019): Machine Learning in the AWS Cloud: Add Intelligence to Applications with Amazon SageMaker and Amazon Rekognition (Ed. 1), Wiley, Chichester (ISBN: 978-1119556718)
- Klinkenberg, R., Hofmann, M. (2016): RapidMiner (Ed. 1), Chapman and Hall, Farnham (ISBN: 978-1482205503)

SEKUNDÄRLITERATUR:
- Lakshmanan, V. (2017): Data Science on the Google Cloud Platform: Implementing End-to-End Real-Time Data Pipelines: From Ingest to Machine Learning (Ed. 1), O'Reilly Media, Farnham (ISBN: 978-1491974537)

Klausur oder Seminararbeit

Deutsch

4

15

2.0

Folgende Methoden kommen zum Einsatz:

- Vortrag mit Diskussion
- Bearbeitung von Übungsaufgaben
- Interaktiver Workshop

3

Mag. Johannes Spiess

2

WPF.2

Integrierte Lehrveranstaltung

Pflichtfach

kein