Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 

Foto: Matthias Friel

Modul: Data Analytics - Konzepte und Methoden (Data Engineering)


Das hier aufgeführte Modul basiert auf in den Amtlichen Bekanntmachungen der Universität Potsdam veröffentlichten Studien- und Prüfungsordnungen.
Verbindliche Regelungswirkung haben nur die veröffentlichten Ordnungen.


HPI-DATA-K: Data Analytics - Konzepte und Methoden (Data Engineering) Anzahl der Leistungspunkte (LP):
6 LP
Modulart (Pflicht- oder Wahlpflichtmodul): Abhängig vom Studiengang (siehe unten)
Inhalte und Qualifikationsziele des Moduls:

Inhalt

Techniken zur Analyse großer Datenbestände finden in Wissenschaft und Wirtschaft in verschiedensten Domänen Anwendung, nicht zuletzt bei Banken, Versicherungen oder Informationsdienstleistern. Das branchenübergreifende Ziel ist dabei die Beherrschung großer, teilweise verteilter Datenbestände und die effiziente Extraktion interessanter Zusammenhänge und unerwarteter Muster. Das Vertiefungsgebiet Data Analytics im Fach Data Engineering betrachtet sowohl die Aufbereitung von Daten für eine schnelle und leistungsfähige Analyse als auch moderne Analysetechniken aus dem Bereich des maschinellen Lernens. Dieses Modul vermittelt die grundlegenden Konzepte und Methoden des Data Analytics wie beispielsweise Predictive Analytics, Data Exploration, Computational Statistics, Probabilistic Models, Causal Inference, Deep Learning, Heuristic Optimization oder Smart Data Representations.

 

Qualifikationsziele

Die Studierenden erwerben detailliertes Wissen über die im Modul gegenständlichen Fachthemen.

Die Studierenden

  • erlangen Kenntnisse zur Analyse großer Datenbestände wie beispielsweise Probabilistic Models oder Deep Learning,
  • können Datenbestände aufbereiten und analysieren,
  • verstehen die Notwendigkeit von Data Analytics Konzepten und können diese erläutern,
  • können unterschiedliche Methoden zur Analyse großer Datenbestände hinsichtlich ihrer Wirksamkeit und Anwendbarkeit einschätzen und vergleichen,
  • verstehen, welche Probleme im Themenbereich Data Analytics derzeit offen sind und haben Einblick in den diesbezüglichen Stand der Forschung gewonnen.
Modul(teil)prüfungen (Anzahl, Form, Umfang, Arbeitsaufwand in LP):

Eine Prüfung der folgende Formen:

Hausarbeit, mind. 8 Seiten zusammen mit der Präsentation von Forschungsergebnissen (Vortrag, 30-45 Min.)

Klausur, 90-120 Min.

Mündliche Prüfung, 30-45 Min.

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/Seminar (Vorlesung oder Seminar) 4 - - -

Häufigkeit des Angebots:

WiSe und SoSe

Voraussetzung für die Teilnahme am Modul: keine
Anbietende Lehreinheit: Digital Engineering
Zuordnung zu Studiengängen Modulart
Master of Science Data Engineering WiSe 2018/19 Wahlpflichtmodul