Software Development 1
Niveau
Masterstudium
Lernergebnisse der Lehrveranstaltungen/des Moduls
Folgende Kompetenzen werden in der Lehrveranstaltung erarbeitet:
- Die Studierenden kennen die grundlegenden Konzepte der Softwareentwicklung (z.B. Objekt-Orientierung, funktionale Programmierung 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 kennen die gängigen Werkzeuge, die im Bereich der Softwareentwicklung in Data Science zum Einsatz kommen.
- Die Studierenden können grundlegende Applikationen konzipieren, um grundlegende Funktionalitäten zu automatisieren.
- Die Studierenden können konzipierte Applikationen selbstständig implementieren.
- Die Studierenden kennen die grundlegenden Konzepte der Softwareentwicklung (z.B. Objekt-Orientierung, funktionale Programmierung 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 kennen die gängigen Werkzeuge, die im Bereich der Softwareentwicklung in Data Science zum Einsatz kommen.
- Die Studierenden können grundlegende Applikationen konzipieren, um grundlegende Funktionalitäten zu automatisieren.
- Die Studierenden können konzipierte Applikationen selbstständig implementieren.
Voraussetzungen der Lehrveranstaltung
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).
Lehrinhalte
Folgende Inhalte werden in der Lehrveranstaltung besprochen:
- Der Prozess des Software-Engineerings und des Projektmanagements für datenintensive Anwendungen
- Programmierparadigmen für den Einsatz im Bereich Data Science
- Effektive und effiziente Datenstrukturen für datenintensive Anwendungen
- Werkzeuge und Softwareökosysteme für die Entwicklung und den Test datenintensiver Softwaresysteme
- Der Prozess des Software-Engineerings und des Projektmanagements für datenintensive Anwendungen
- Programmierparadigmen für den Einsatz im Bereich Data Science
- Effektive und effiziente Datenstrukturen für datenintensive Anwendungen
- Werkzeuge und Softwareökosysteme für die Entwicklung und den Test datenintensiver Softwaresysteme
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. (2012): The R Book (Ed. 2), John Wiley & Sons Ltd, Chichester (ISBN: 978-0-470-51024-7)
- 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. (2012): The R Book (Ed. 2), John Wiley & Sons Ltd, Chichester (ISBN: 978-0-470-51024-7)
Bewertungsmethoden und -Kriterien
Klausur
Unterrichtssprache
Englisch
Anzahl der zugewiesenen ECTS-Credits
6
E-Learning Anteil in %
30
Semesterwochenstunden (SWS)
3.0
Geplante Lehr- und Lernmethode
Folgende Methoden kommen zum Einsatz:
- Vortrag mit Diskussion
- Bearbeitung von Übungsaufgaben
- Interaktiver Workshop
- Vortrag mit Diskussion
- Bearbeitung von Übungsaufgaben
- Interaktiver Workshop
Semester/Trisemester, In dem die Lehrveranstaltung/Das Modul Angeboten wird
1
Name des/der Vortragenden
Prof. (FH) Lukas Demetz, PhD
Studienjahr
1
Kennzahl der Lehrveranstaltung/des Moduls
SDDE.2
Art der Lehrveranstaltung/des Moduls
Integrierte Lehrveranstaltung
Art der Lehrveranstaltung
Pflichtfach
Praktikum/Praktika
kein