Das hier aufgeführte Modul basiert auf in den Amtlichen Bekanntmachungen der Universität Potsdam veröffentlichten Studien- und Prüfungsordnungen.
Verbindliche Regelungswirkung haben nur die veröffentlichten Ordnungen.
| GEW-DAP03: Big Data Analytics | Anzahl der Leistungspunkte (LP): 6 LP |
| Modulart (Pflicht- oder Wahlpflichtmodul): | Abhängig vom Studiengang (siehe unten) |
| Inhalte und Qualifikationsziele des Moduls: | Inhalt In dem Modul geht es sowohl um die Aufbereitung von großen Datenbeständen als Voraussetzung für eine schnelle und leistungsfähige Analyse als auch um moderne Data Mining Techniken für die Analyse an sich. In der Vorlesung werden anhand von aktuellen Anwendungen die grundlegenden Data Mining Problemstellungen aufgezeigt. Der Schwerpunkt der Vorlesung liegt auf Data Mining Algorithmen zur Wissensextraktion und bildet die einzelnen Schritte des Knowledge Discovery in Databases (KDD) Prozess ab. Es werden die grundsätzlichen Data Mining Problemstellungen vorgestellt und verschiedene algorithmische Lösungen aus jedem Bereiche verglichen. Darüber hinaus werden grundsätzliche Evaluierungsmethoden vorgestellt, um diese Data Mining Lösungen für konkrete Anwendungen bewerten zu können.
Qualifikationsziel Die Studierenden erwerben weiterführende Kenntnisse im Bereich der Analyse großer Datenbestände. |
| Modul(teil)prüfungen (Anzahl, Form, Umfang, Arbeitsaufwand in LP): | Eine Prüfung der folgenden Formen: Klausur, 90 Minuten Mündliche Prüfung, 30 Minuten |
| Selbstlernzeit (in Zeitstunden (h)): | 120 |
| Veranstaltungen (Lehrformen) |
Kontaktzeit (in SWS) |
Prüfungsnebenleistungen (Anzahl, Form, Umfang) |
Lehrveranstaltungsbegleitende Modul(teil)prüfung
(Anzahl, Form, Umfang) |
|
| Für den Abschluss des Moduls | Für die Zulassung zur Modulprüfung | |||
| Vorlesung und Übung (Vorlesung und Übung) | 2V + 2Ü | - | Übungsblätter (5) |
- |
| Häufigkeit des Angebots: | WiSe |
| Voraussetzung für die Teilnahme am Modul: | Empfohlen sind Grundkenntnisse der Statistik und Analysis sowie elementare Programmierkenntnisse (z.B. Matlab, R oder Python). |
| Anbietende Lehreinheit(en): |
Geowissenschaften
|
| Zuordnung zu Studiengängen | Modulart |
|---|---|
| Master of Science Remote Sensing, geoInformation and Visualization WiSe 2017/18 |
Wahlpflichtmodul
|
| Fakultätskatalog Mathematisch-Naturwissenschaftliche Fakultät WiSe 2016/17 |
Abhängig vom Studiengang
|
© Copyright HIS
Hochschul-Informations-System eG