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

WPF.2

Integrierte Lehrveranstaltung

Wahlpflichtfach