Modulbeschreibung
Data Analytics
Kurzzeichen:
M_DatAna
Unterrichtssprache:
Deutsch
ECTS-Credits:
4
Leitidee:
Ausgewählte Themen von Informationssystem- und Datenbanksystem-Anwendungen kennen und die entsprechenden Werkzeuge anwenden können.
Modulverantwortung:
Prof. Keller Stefan F.
Standort (angeboten):
Rapperswil-Jona
Modultyp:
Wahlpflicht-Modul für Informatik Retro STD_14_UG(Empfohlenes Semester: 6)Kategorie:Grundlagen Informatik und Aufbau Informatik (I-gai)
Wahlpflicht-Modul für Data Engineering & Machine Intelligence STD_14 (PF)Kategorie:Kernmodule Informatik Profile (I-KMP)
Wahlpflicht-Modul für Informatik STD_14(Empfohlenes Semester: 6)Kategorien:Aufbau (I_Auf), Informatik (I_Inf)
Wahl-Modul für Data Science STD_14 (PF)
Wahlpflicht-Modul für Informatik STD_21(Empfohlenes Semester: 6)Kategorien:Aufbau (I_Auf), Informatik (I_Inf)
Wahl-Modul für Data Science STD_21 (PF)
Wahlpflicht-Modul für Informatik STD_23(Empfohlenes Semester: 6)Kategorien:Aufbau (I_Auf), Informatik (I_Inf)
Wahl-Modul für Data Science STD_23 (VR)
Modulbewertung:
Note von 1 - 6
Leistungsnachweise und deren Gewichtung
Modulschlussprüfung:
Schriftliche Prüfung, 120 Minuten
Inhalte
Angestrebte Lernergebnisse (Abschlusskompetenzen):
- Sie kennen die Anwendungen und Strukturen von Online Analytical Processing (OLAP) Systemen. Sie können die einschlägigen Patterns für den Entwurf von Data Warehouse (DW) Datenbanken anwenden und Sie kennen die entsprechenden SQL-Funktionen.
- Sie kennen Werkzeuge und Funktionen zur Datenintegration.
- Sie kennen Verteilte Datenbanksysteme (Big Data).
- Sie kennen Anwendungen und Prinzipien der räumlichen Datenanalyse (Spatial Data Analytics).
- Sie kennen Grundlagen von Data Analytics (Data Mining) und entsprechende Anwendungen. Sie kennen die wichtigsten Algorithmen für die Klassifikation, die Segmentierung und für die Warenkorbanalyse.
Modul- und Lerninhalt:
- Data Warehouses und OLAP.
- Datenintegration, Extract-Transform-Load.
- Verteilte Datenbanksysteme (Big Data).
- Spatial Data Analytics.
- Data Analytics-Grundlagen.
- Machine Learning-Lösungen im produktiven Einsatz.