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: Analytics - Techniken und Werkzeuge (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-T: Analytics - Techniken und Werkzeuge (Data Engineering) Anzahl der Leistungspunkte (LP):
6 LP
Modulart (Pflicht- oder Wahlpflichtmodul): Abhängig vom Studiengang (siehe unten)
Inhalte und Qualifikationsziele des Moduls:

Inhalt

Das Modul vermittelt vertieftes praktisches Wissen im Bereich Data Analytics mithilfe gängiger Data-Analytics-Systeme und -Werkzeuge. In Anlehnung an etablierte Datenanalyse-Prozesse werden Praxisbeispiele für die Wissensextraktion und Datenexploration in Industrie, Wissenschaft oder Gesellschaft empirisch untersucht. Hierbei werden verschiedene Machine Learning Verfahren wie beispielsweise Clustering und Klassifikation, Probabilistic Models sowie Deep Learning gelehrt. Zu einzelnen Schritten der Datenanalyse werden die Stärken und Schwächen im Stand der Technik betrachtet. Die Studierenden werden für offene Forschungsprobleme sensibilisiert und entwickeln eigene Techniken und Werkzeuge zur Lösung dieser Forschungsfragen.

 

Qualifikationsziele

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

Die Studierenden

  • erlernen die Anwendung verschiedener Verfahren maschinellen Lernens wie beispielsweise Clustering und Klassifikation,
  • erlernen die praktische Anwendung von Data Analytics-Methoden und -Systemen,
  • können Verfahren zur Wissensextraktion und Datenexploration praktisch anwenden,
  • werden befähigt, gängige Softwarewerkzeuge einzusetzen, Rohdaten vorverarbeiten und strukturiert zu analysieren,
  • werden befähigt, ungelöste Probleme aus der Forschung selbstständig zu bearbeiten und Lösungen dazu zu entwickeln,
  • können zu einer vorgegebenen Problemstellung geeignete Lösungskonzepte und -strategien auswählen und anwenden,
  • erweitern ihre fachliche Urteilskompetenz,
  • können etablierte Prozesse zur Datenanalyse für verschiedene Anforderungen implementieren und parametrieren,
  • erlangen einen Überblick über die verfügbaren Techniken und Werkzeuge und lernen diese zu bewerten,
  • erwerben fachsprachliche Kenntnisse in Englisch,
  • erweitern ihre Lernfähigkeiten.
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