Data Analytics & Visualisation

second cycle, Master

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

keine

* 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.)

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

Klausur

Englisch

5

20

2.5

Vortrag, Einzelarbeit mit Software, Gruppenarbeit, Präsentation und Diskussion von Aufgaben

3

Dipl.-Ing. Christoph Fröschl

DAT.3

Integrierte Lehrveranstaltung

Pflichtfach