Datenmanagement und -analyse - Interaktive Studienpläne der TU Ilmenau
Die Interaktiven Studienpläne sind ein Informationsangebot zu den Studiengängen der TU Ilmenau.
Die rechtsverbindlichen Studienpläne entnehmen Sie bitte den jeweiligen Studien- und Prüfungsordnungen (Anlage Studienplan).
Alle Angaben zu geplanten Lehrveranstaltungen finden Sie im elektronischen Vorlesungsverzeichnis.
Bitte beachten Sie, dass auf dieser Seite keine Aktualisierungen mehr vorgenommen werden. Alle Module und Studienpläne ab der PO-Version 2021 (Bachelor- und Master-Studiengänge) sind ab sofort im Campus-Portal erreichbar.
| Modulinformationen zu Datenmanagement und -analyse im Studiengang Master Wirtschaftsinformatik 2021 | |
|---|---|
| Modulnummer | 200041 |
| Prüfungsnummer | 2200686 |
| Fakultät | Fakultät für Informatik und Automatisierung |
| Fachgebietsnummer | 2254 (Datenbanken und Informationssysteme) |
| Modulverantwortliche(r) | Prof. Dr. Kai-Uwe Sattler |
| Turnus | Sommersemester |
| Sprache | Deutsch |
| Leistungspunkte | 5 |
| Präsenzstudium (h) | 45 |
| Selbststudium (h) | 105 |
| Verpflichtung | Wahlmodul |
| Abschluss | schriftliche Prüfungsleistung, 90 Minuten |
| Details zum Abschluss | |
| Link zum Moodle-Kurs | https://moodle.tu-ilmenau.de/enrol/index.php?id=2924 |
| Lehrende | Prof. Dr. Sattler, Kai-Uwe |
| Anmeldemodalitäten für alternative PL oder SL | |
| max. Teilnehmerzahl | |
| Vorkenntnisse | Vorlesung Datenbanksysteme |
| Lernergebnisse und erworbene Kompetenzen | Nach Besuch dieser Vorlesung sind die Studierenden mit grundlegenden Methoden der Auswertung und Analyse großer Datenbestände vertraut. Sie kennen Verfahren zur Vorbereitung und Bereinigung von Daten und können Standardverfahren aus den Bereichen Data Mining/Machine Learning und OLAP anwenden. Weiterhin sind sie mit grundlegenden Verfahren der Textanalyse und der Analyse von Graphdaten vertraut. Mit den Übungen können die Studierenden Standardwerkzeuge zur Analyse und Verarbeitung von Daten (Datenbanken, Data Warehouses, interaktive Notebooks) praktisch anwenden. Sie sind in der Lage, eigene Lösungen zu gestellten Aufgaben zu präsentieren, sich an themenspezifischen Diskussionen zu beteiligen und sind bereit, Fragen zu beantworten. |
| Inhalt | Arten von Daten, Datenanalyseprozess; Datenvorarbeitung und -bereinigung; OLAP; Grundlagen des Data Mining/Machine Learning: ausgewählte Verfahren; Textanalyse, Graphanalyse; Rechtliche Aspekte und Datenschutz; Systeme und Werkzeuge zur Datenanalyse (SQL, Jupyter, Tensorflow) |
| Medienformen und technische Anforderungen bei Lehr- und Abschlussleistungen in elektronischer Form | Vorlesung mit Präsentationen und Tafel, Handouts, Moodle |
| Literatur |
|
| Lehrevaluation | |