MENUMENU
MENUMENU

Big Data Analytics (DLBECWBDA)

Modulbezeichnung: Big Data Analytics

Modulnummer:

DLBECWBDA

Semester:

--

Dauer:

Minimaldauer 1 Semester

Modultyp:

Wahlpflicht

Regulär angeboten im:

WS, SS

Workload: 300 h

ECTS Punkte: 10

Zugangsvoraussetzungen:

keine

Unterrichtssprache:

Deutsch

Kurse im Modul:

Workload:

Selbststudium: 220 h Selbstüberprüfung: 40 h Tutorien: 40 h

Kurskoordinatoren/Tutoren::

Siehe aktuelle Liste der Tutoren im Learning Management System

Modulverantwortliche(r):

Prof. Dr. Ralf Kneuper

Bezüge zu anderen Programmen:

Bezüge zu anderen Modulen im Programm:

Qualifikations- und Lernziele des Moduls:

Data Analytics und Big Data

Die Studierenden

  • können zwischen Informationen und Daten unterscheiden und kennen die Bedeutung dieser Begriffe für die Entscheidungsfindung.
  • können die Big Data-Problematik, insbesondere im Zusammenhang mit dem Internet of Things, herleiten und anhand von Beispielen beschreiben.
  • kennen Grundlagen aus der Statistik, die für die Analyse großer Datenbestände notwendig sind.
  • kennen den Prozess des Data Mining und können verschiedene Methoden darin einordnen.
  • kennen ausgewählte Methoden und Technologien, die im Big Data-Kontext angewendet werden und können sie an einfachen Beispielen anwenden.
  • kennen die rechtlichen Rahmenbedingungen für die Anwendung der Datenanalyse in Deutschland sowie international.
  • kennen die besonderen Chancen und Herausforderungen der Anwendung von Big Data-Analysen in der Industrie.

Statistical Computing

Nach erfolgreichem Abschluss sind die Studierenden in der Lage,

  • den Begriff Statistical Computing einzuordnen und abzugrenzen.
  • sich eine PC-Arbeitsumgebung zu schaffen, mit der Aufgaben aus dem Themengebiet Statistical Computing bearbeitet werden können.
  • einfache Programme mit der Programmiersprache R zu schreiben.
  • mit R Daten zu importieren und zu exportieren.
  • mit R verschiedene statistische Verfahren anzuwenden, von der deskriptiven Statistik über die Inferenzstatistik bis hin zur Varianz- und Regressionsanalyse.

Lehrinhalt des Moduls:

Data Analytics und Big Data:

  • Einführung in die Analyse von Daten
  • Statistische Grundlagen
  • Data Mining
  • Big Data-Methoden und Technologien
  • Rechtliche Aspekte der Datenanalyse
  • Lösungsszenarien
  • Anwendung von Big Data in der Industrie

Statistical Computing:

  • Einstieg in das Statistical Computing
  • Grundlagen der Programmierung mit R
  • Auf Daten zugreifen
  • Deskriptive Statistik
  • Inferenzstatistik
  • Varianzanalyse
  • Regressionsanalyse

Lehrmethoden:

Siehe Kursbeschreibung

Literatur:

Siehe Literaturliste der vorliegenden Kursbeschreibungen

Anteil der Modulnote an der Gesamtabschlussnote des Programms:

--

Prüfungszulassungsvoraussetzung:

Abschlussprüfungen:

Siehe Kursbeschreibungen

  • DLBINGDABD01:
    Schriftliche Ausarbeitung: Fallstudie (50%)
  • DLBDBSC01:
    Schriftliche Ausarbeitung: Fallstudie (50%)