Industrial Data Science and AI-based Optimisation

Angewandte Informatik 1 | Integrierte Lehrveranstaltung (IL) | Coursecode: 200807108

Scripting für Data Scientists

5.00

ECTS

3.00

SWS

Bereich 1: Programmierung bzw. Scripting – Programmierparadigmen – Datentypen – Elementare Befehle – Operatoren und Kontrollstrukturen – Funktionen und Bibliotheken – Reguläre Ausdrücke – Clean Coding und Debugging Bereich 2: Datenbasierte Anwendungen – Import und Export von Date – Elementares Datenhandling Bereich 3: Werkzeuge – Werkzeuge zur Versionsverwaltung – Entwicklungsumgebungen

Angewandte Mathematik 1 | Integrierte Lehrveranstaltung (IL) | Coursecode: 200807103

Graphentheorie und Systemdynamik

2.50

ECTS

2.00

SWS

Bereich 1: Graphentheorie – Grundbegriffe von Graphen – Inzidenzmatrix, Gradmatrix, Adjazenzmatrix, Abstandsmatrix, Laplace-Matrix – Zusammenhang von Graphen – Planare und bipartite Graphen – Euler’sche und Hamilton’sche Graphen – Grundlagen von gerichteten Graphen Bereich 2: Systemdynamik – Überblick über Modellierung und Simulation – Systemwissenschaftliche Grundlagen – Wirkungsgraphen, Wirkungsmatrizen und Pulsmodelle – Eigenwertproblem, Matrixnormen, Singulärwerte und Diagonalisierung – Markow-Ketten – Kybernetische und regelungstechnische Grundlagen – Lineare und nichtlineare Differenzialgleichungen – Taylorreihen und Linearisierung – Anfangswertprobleme und numerische Integration – Gleichgewichte und Stabilitäten von Differentialgleichungen – Grundlagen der ereignisorientierten Simulation

Angewandte Mathematik 1 | Integrierte Lehrveranstaltung (IL) | Coursecode: 200807102

Informations- und Kodierungstheorie

2.50

ECTS

2.00

SWS

Bereich 1: Informationstheorie & Signalverarbeitung – Kommunikationsmodell von Weaver – Statistische Eigenschaften natürlicher Sprachen – Shannon-Entropie – Grundbegriffe der Signalverarbeitung – Fourierreihen und Integraltransformationen Bereich 2: Zahlentheorie und Kodierungstheorie – Zahlensysteme, Teilbarkeiten, Primzahlen, Chinesischer Restsatz – Kodierungen (Huffman-Code, Hamming-Distanz, Grey-Code, …) – Prüfziffern und Hash-Codes – Fehlerkorrigierende Codes – Datenkompression Bereich 3: Kryptographie – Geschichte und Grundbegriffe der Kryptographie – Symmetrische vs. asymmetrische Verfahren – Wichtige Verfahren (RSA, AES, …) – Kryptographisches Hashing

Datenbanksysteme 1 | Integrierte Lehrveranstaltung (IL) | Coursecode: 200807106

Datenbankgrundlagen und Abfragesprachen

2.50

ECTS

2.00

SWS

Bereich 1: Einführung und Grundbegriffe – Datenbankmodelle inkl. historischer Entwicklung – Architektonische Schichten Bereich 2: Relationale Datenbanken – Grundbegriffe des relationalen Datenmodells – Datenmodellierung mittels Entity-Relationship-Modell – Integritätsbedingungen und Normalformen – Denormalisierung Bereich 3: SQL – Relationale Operatoren – Data Query Language (DQL) – Data Manipulation Language (DML) – Data Definition Language (DDL) – Data Control Language (DCL) Bereich 4: Spezielle Themen – Verteilte und föderierte Datenbanksysteme – NoSQL-Datenbanken – Datensicherheit

Datenbanksysteme 1 | Integrierte Lehrveranstaltung (IL) | Coursecode: 200807107

Management relationaler Datenbanken

2.50

ECTS

2.00

SWS

Bereich 1: Grundlegende Themen – Installation und Setup eines relationalen Datenbanksystems – Erstellen von relationalen Datenbanken sowie Import/Export von Datensätzen – Rechtekonzept und Benutzerverwaltung – Absetzen von SQL-Statements (DQL, SML, DDL, DCL) – Sichten und Indizes Bereich 2: Fortgeschrittene Themen – Gespeicherte Prozeduren, Funktionen, Transaktionen und Trigger – Dateigruppen, FileTables, Partitionen und Cursor – Speicheroptimierung und Verschlüsselung – Räumliche und hierarchische Datentypen

Einführung und Grundlagen 1 | Integrierte Lehrveranstaltung (IL) | Coursecode: 200807101

Einführung in Data Science

5.00

ECTS

3.00

SWS

Bereich 1: Einführung in Data Science – Überblick über das Fachgebiet – Wichtige Grundbegriffe – Anwendungsmöglichkeiten – Gesellschaftlicher und rechtlicher Kontext – Zukunftsperspektiven Bereich 2: Grundlagen und ausgewählte Methoden der Künstlichen Intelligenz – Klassische Logik (Aussagenlogik, Boolsche Logik, Prädikatenlogik) – Grenzen der Logik – Neuere Konzepte der Logik (Fuzzy-Logik, Informationslogik) – Fuzzy-Mengen und Fuzzy-Regler – Entscheidungsbäume und Erweiterungen – Probabilistische Zugänge (insb. Naive Bayes Klassifikation und Bayes-Netze) Bereich 3: Basiswerkzeuge für Data Scientists – Tabellenkalkulation entsprechend ECDL Advanced Syllabus – Datenbanken entsprechend ECDL Advanced Syllabus – Grundlagen von Unix-Betriebssystemen – Grundlagen von Unix-Shells bzw. der Shell-Programmierung (inkl. grep, sed und awk) – Grundlagen der Textverarbeitung mit LaTeX – Grundlagen der Literaturverwaltung

Einführung und Grundlagen 2 | Übung (UE) | Coursecode: 200807109

Repetitorium

5.00

ECTS

3.00

SWS

Wiederholung wichtiger Grundlagen für das Studium, wie zum Beispiel: I. Repetitorium der Mathematik und höheren Mathematik Bereich 1: Mathematische Grundbegriffe – Mengenlehre und Zahlenmengen – Lösen von Gleichungen und Ungleichungen – Elementare Funktionen – Rechnen mit komplexen Zahlen – Metrische Räume Bereich 2: Elementare Analysis – Folgen und Reihen, Grenzwertbegriff – Differenzialrechnung, Extremwertaufgaben, Regel von de l’Hospital – Integralbegriff, einfache Integrale, Gammafunktion Bereich 3: Grundbegriffe der Linearen Algebra – Vektoren und Matrizen – Lösung von linearen Gleichungssystemen – Vektorräume inkl. Funktionenräume II. Repetitorium der Informationswissenschaften Bereich 1: Grundbegriffe – Daten-, Wissens- und Informationsmanagement – Information Retrieval Bereich 2: Kognition – Neuronen, Synapsen, Neurotransmitter, neuronale Schaltungen …

Statistik 1 | Integrierte Lehrveranstaltung (IL) | Coursecode: 200807104

Deskriptive Statistik

2.50

ECTS

2.00

SWS

Bereich 1: Einführung und Kenngrößen – Überblick über die Teildisziplinen der Statistik – Skalenniveaus – Lage-, Streuungs- und Assoziationsmaße – Grundlagen der statistischen Visualisierung (insb. Boxplots und Scatterplots) Bereich 2: Regressionen – Lineare Regressionen – Linear transformierbare nichtlineare Regressionen – Logistische Regressionen Bereich 3: Zeitreihenanalyse – Trends und saisonale Komponenten – Autokorrelation – Heteroskedastizität

Statistik 1 | Integrierte Lehrveranstaltung (IL) | Coursecode: 200807105

Wahrscheinlichkeitstheorie und Induktive Statistik

2.50

ECTS

2.00

SWS

Bereich 1: Wahrscheinlichkeitstheorie – Grundbegriffe der Wahrscheinlichkeitstheorie – Grenzwertsätze – Bedingte Wahrscheinlichkeiten und Bayes’sches Theorem – Grundbegriffe der Kombinatorik – Wichtige diskrete und stetige univariate Verteilungen Bereich 2: Induktive Statistik – Stichproben und Konfidenzintervalle – Datensatzreduktion und Samplingtheorem – Hypothesentests basierend auf parametrischen und nichtparametrischen Verteilungen – Resampling (Bootstrapping, Kreuzvalidierung, …) und Monte-Carlo-Verfahren – Maximum Likelihood-Methode

Angewandte Informatik 2 | Integrierte Lehrveranstaltung (IL) | Coursecode: 200807208

Agenten-basierte Programmierung

2.50

ECTS

2.00

SWS

Bereich 1: Grundlagen zur Agenten-basierten Programmierung – Zelluläre Automaten, Selbstorganisation und Emergenzen – Eigenschaften von Agenten bzw. Agenten-basierten Modellen – Beschreibung Agenten-basierter Modelle mittels ODD-Protokoll – Übersicht über bekannte Agenten-basierte Modelle Bereich 2: Programmierung und Evaluierung Agenten-basierter Modelle – Einführung in die Konzeption und Programmierung von Agenten-basierten Modellen – Einführung in die Evaluierung von Agenten-basierten Modellen/Simulationen – Fortgeschrittene Themen der Agenten-basierten Modellierung

Angewandte Informatik 2 | Integrierte Lehrveranstaltung (IL) | Coursecode: 200807209

High Performance Computing

2.50

ECTS

2.00

SWS

Bereich 1: Grundlagen – Überblick und Begriffsdefinitionen – Prozessorarchitekturen (CPU, GPU, TPU, …) und relevante Schnittstellen Bereich 2: Hardware-Virtualisierung – Plattform-Virtualisierung – Relevante Cluster-Frameworks im Rahmen der Hardware-Virtualisierung – Storage-Virtualisierung Bereich 3: Betriebssystem-Virtualisierung – Container-Virtualisierung – Relevante Cluster-Frameworks im Rahmen der Betriebssystem-Virtualisierung

Angewandte Mathematik 2 | Integrierte Lehrveranstaltung (IL) | Coursecode: 200807203

Datenstrukturen und Algorithmen

2.50

ECTS

2.00

SWS

Bereich 1: Klassische Datenstrukturen und Algorithmen – Berechenbarkeit, Turing-Maschine und Halteproblem – Laufzeitbetrachtungen und Landau-Notation – Grundaufgaben der Algorithmenentwicklung – Einfache und weiterführende Datenstrukturen – Einfache Algorithmen (Backtracking, Bubblesort, …) – Teile-und-Herrsche-Prinzip (inkl. dynamisches Programmieren) Bereich 2: Weiterführende Algorithmen – Besonderheiten beim Zugriff auf sequentiell gespeicherte Daten – Prioritätswarteschlangen und selbstorganisierende Datenstrukturen – Grundlagen der verlustbehafteten Kompression von Daten – Grundlagen der Fast-Fourier-Transformation – Single-Pass-Algorithmen – Kalman-Filter

Angewandte Mathematik 2 | Integrierte Lehrveranstaltung (IL) | Coursecode: 200807202

Optimierung und Numerik

2.50

ECTS

2.00

SWS

Teil 1: Aspekte der Numerik – Zahlendarstellung am Computer – Art und Reduktion numerischer Fehler – Konditionierung von Problemen – Numerisches Differenzieren und numerische Quadratur – Numerisches Lösen von Gleichungssystemen (inkl. Newton-Verfahren) – Pivotisierung und Matrixzerlegung (LU, QR, …) Teil 2: Optimierung – Grundlegende Aspekte von Optimierungsaufgabe – Ein- und mehrdimensionale Extremwertaufgaben – Abstiegsverfahren 1. Ordnung (Steepest Descent, Impulsmethoden, …) – Abstiegsverfahren 2. Ordnung (Newton- und Newton-artige Verfahren, …) – Konjugierte Gradienten – Lineare Optimierung, Simplex-Algorithmus, MILP-Probleme – Optimierung mit Nebenbedingungen (Langrange-Ansatz inkl. KKT-Bedingungen) – Multikriterielle Optimierung (inkl. Pareto-Analyse) – Spezielle Methoden der stochastischen Optimierung (z.B. Simulated Anealing)

Computational Intelligence 1 | Integrierte Lehrveranstaltung (IL) | Coursecode: 200807201

Neuronale Netze I: Architekturen

5.00

ECTS

3.00

SWS

Bereich 1: Grundlagen und Werkzeuge – Wiederholung natürlicher neuronaler Netze – Perzeptron und lineare Separabilität – Grundstrukturen künstlicher neuronaler Netze – Multilayered Perceptron und Error Backpropagation – Hopfield-Netze – Markow-Chain-Monte-Carlo-Methoden – Tensoren und Tensorrechnung – Vorstellung gängiger Frameworks für künstliche neuronale Netze Bereich 2: Einfache Anwendungsgebiete – Vorhersage einfacher Zeitreihen – Handschriftenerkennung – Assoziative Mustererkennung Bereich 3: Weiterführende Architekturen – Boltzmann-Maschinen – Selbstorganisierende Karten – Autoencoder – Grundlagen von Convolutional Neural Networks – Grundlagen von Recurrent Neural Networks

Datenbanksysteme 2 | Integrierte Lehrveranstaltung (IL) | Coursecode: 200807207

Analytische Informationssysteme

5.00

ECTS

3.00

SWS

Bereich 1: ETL bzw. ETL-Prozesse – Grundlagen von ETL bzw. ETL-Prozessen – Planung und Erstellung von ETL-Workflows Bereich 2: Multidimensionale bzw. OLAP-Datenbanben – Grundlagen von multidimensionalen bzw. OLAP-Datenbanken – Planung und Erstellung von multidimensionalen bzw. OLAP-Datenbanken – Zugriffsmöglichkeiten auf multidimensionale bzw. OLAP-Datenbanken – Einführung in die Abfragesprache MDX – Data Mining mittels multidimensionaler bzw. OLAP-Datenbanken Bereich 3: Business Intelligence bzw. Business Analytics – Einführung in Business Intelligence bzw. Business Analytics – Übersicht über wichtige Lösungen im Bereich Business Intelligence bzw. Business Analytics – Übersicht über wichtige Lösungen im Bereich Self-Service BI

Statistik 2 | Integrierte Lehrveranstaltung (IL) | Coursecode: 200807204

Multivariate Statistik und Data Mining

5.00

ECTS

3.00

SWS

Bereich 1: Strukturenentdeckende Verfahren: – Principal Component Analysis – Explorative Faktorenanalyse – Nächste-Nachbarn-Klassifikation – Clusteranalyse – Partial Least Squares Regression – Support Vector Machines – Multidimensionale Skalierung Bereich 2: Strukturenprüfende Verfahren: – Multivariate lineare, nichtlineare und logistische Regression – LASSO (least absolute shrinkage and selection operator) – Multivariate Zeitreihenanalyse (inkl. Strukturbruchanalyse) – Strukturgleichungsmodelle – Diskriminanzanalyse – Varianzanalyse – Konfirmatorische Faktorenanalyse Bereich 3: Text Mining – Häufigkeiten und Korrelationen von Wörtern – Gruppierung/Clusterung von Texten

Statistik 3 | Integrierte Lehrveranstaltung (IL) | Coursecode: 200807205

Datenqualität und Datenbereinigung

2.50

ECTS

2.00

SWS

Bereich 1: Aufbereitung von Daten – Einlesen von und Arbeiten mit Daten aus verschiedenen Quellen (CSV, XML, HTML, JSON, …) – Zeichensätze bzw. Zeichensatz-Transformation – Datentypkonvertierung und Renormierung – Erkennung von Dupletten und Deduplizierung – Komplexe Transformationen von Daten (insb. Pivotierung und Unpivotierung) – Komplexe Filterung und Sortierung von Daten Bereich 2: Fehlerbehaftete und unvollständige Daten – Analyse der Datenqualität – Glättung von diskreten Daten – Erkennung von Anomalien – Singuläre und multiple Imputation Bereich 3: Kontinuierliche Daten – Besonderheiten von Audio-, Bild-, Videodaten (bzw. Signaldaten) – Transformationen und Diskretisierung von kontinuierlichen Daten – Faltungen und Anwendung von Filtern – Glätten von kontinuierlichen Daten – Komprimierung kontinuierlicher Daten

Statistik 3 | Integrierte Lehrveranstaltung (IL) | Coursecode: 200807206

Fortgeschrittene Informationsvisualisierung

2.50

ECTS

2.00

SWS

Bereich 1: Grundlagen der Visualisierung – Grundlagen der menschlichen Verarbeitung visueller Informationen – Fallstricke und Verzerrungen bei Visualisierungen – Standardisierungen im Bereich der Visualisierung – Berichts- sowie Diagrammtypen und deren Eigenschaften – Klassische Diagrammtypen (Flächen-, Balken-, Säulen-, Linien-, Netzdiagramme, Boxplots, Scatterplots etc.) – Moderne Diagrammtypen (Heatmaps, Treemaps, Streamgraphs, Chord- und Sunburst-Diagramme etc.) – Spezielle Diagrammtypen (Tachometer, Wasserfalldiagramme, Landkarten etc.) – Textbasierte Visualisierungen (Wordclouds, Infografiken etc.) Bereich 2: Fortgeschrittene Themen – Animierte Visualisierungen – Interaktive Visualisierungen – Automatisierte dynamische Berichtserstellung

Angewandte Informatik 3 | Integrierte Lehrveranstaltung (IL) | Coursecode: 200807305

Cloud Computing für Data Scientists

5.00

ECTS

3.00

SWS

Bereich 1: Grundlagen des Cloud Computing – Überblick und Begriffsdefinitionen – IT-Architekturen und IT-Servicemanagement – Service Deployment Modelle (XaaS, Edge Computing, Fog Computing, …) – Security Management und Identity Management – Überblick über wichtige Cloud Computing Provider Bereich 2: Einführung in das Cloud Computing – Anbindung an das Identitätsverzeichnis und entsprechende Sychronisierung – Aufbau und Konfiguration einfacher Cloud Services – Monitoring und Kostenverwaltung Bereich 3: Data Storage und Data Processing in der Cloud – Aufbau, Konfiguration und Einsatz ausgewählter Storage Services – Aufbau, Konfiguration und Einsatz von Clustern zur verteilten Speicherung und Verarbeitung von Big Data – Hochperformante und skalierbare Datenabfragen

Berufsübergreifende Qualifikationen 1 | Integrierte Lehrveranstaltung (IL) | Coursecode: 200807306

Business Development und Innovation

2.50

ECTS

2.00

SWS

Bereich 1: Betriebswirtschaftliche Grundbegriffe – Rechnungswesen, Controlling und Bilanzierung – Investition und Finanzierung – Organisation, HR-Management und Führung – Performance Management – Marketing und Marktbearbeitung, Customer-Relationship-Management sowie Logistik – Rechtliche Rahmenbedingungen – Risiko und Risikomanagement Bereich 2: Strategische Analys – Externe Analyse der Makroökonomie, der Industrie, des Sektors etc – Interne Analyse der Ressourcen, der Stakeholder, der Governance, der Unternehmenskultur etc – SWOT-Analyse Bereich 3: Strategien und Strategientwicklung – Business Strategy vs. Corporate Strategy – Mergers & Acquisitions sowie strategische Allianzen – Strategieentwicklung in der Praxis Bereich 4: Innovation – Innovation, Entrepreneurship und Intrapreneurship – Softwarelösungen zur Durchführung von Monte-Carlo-Simulationen …

Berufsübergreifende Qualifikationen 1 | Seminar (SE) | Coursecode: 200807307

Wissenschaftliches Arbeiten und Schreiben

2.50

ECTS

2.00

SWS

Bereich 1: Wissenschaftstheorie – Geschichte der Wissenschaftstheorie – Wichtige Theorien bzw. Denkrichtungen der Wissenschaftstheorie – Überblick über wissenschaftliche Forschungsmethoden Bereich 2: Forschungsprozesse – Ableitung der Forschungsfragen und Hypothesen – Durchführung von Intensivrecherchen – Design des Forschungsvorhabens bzw. Entscheidung hinsichtlich Methodik – Analyse, Publikation und Präsentation des Erkenntnisgewinns – Arbeitstechniken und Zeitmanagement Bereich 3: Publikation und Publikationsstandards – Klarer und konsistenter Schreibstil sowie geschlechtergerechte Formulierung – Zitation und Umgang mit Literaturverwaltungsprogrammen – Eigentumsrechte und ethische Grundsätze – Strukturierung, Formatierung und Visualisierung – Varianten des Publizierens – Qualitätssicherung bzw. Reviews und Peer Reviews – Rankings und Impact Faktoren

Computational Intelligence 2 | Integrierte Lehrveranstaltung (IL) | Coursecode: 200807302

Fortgeschrittene Themen der Künstlichen Intelligenz

2.50

ECTS

2.00

SWS

Bereich 1: Fortgeschrittene KI-gestützte Anwendungen – Semantische Textanalyse und Textsynthese bzw. Natural Language Processing – Biometrische Analysen – Generierung synthetischer Datensätze – Weitere fortgeschrittene KI-gestützte Anwendungen Bereich 2: Methoden der Künstlichen Intelligenz in der Praxis – Einsatzgebiet sowie Vor- und Nachteile verschiedener KI-Methoden – Hybride Ansätze (Fuzzy-Neural-Ansätze etc.) – Auswahl geeigneter KI-Methoden für konkrete Probleme – Typische Fehler und Probleme sowie deren Vermeidung bzw. Reduktion – Neue Ansätze der Künstlichen Intelligenz bzw. Computational Intelligence

Computational Intelligence 2 | Integrierte Lehrveranstaltung (IL) | Coursecode: 200807301

Neuronale Netze II: Deep Learning

2.50

ECTS

2.00

SWS

Bereich 1: Fortgeschrittene Themen hinsichtlich neuronaler Netze – Convolutional Neural Networks – Recurrent Neural Networks – Generative Adversarial Networks Bereich 2: Fortgeschrittene Anwendungen neuronaler Netze – Handschrift- und Spracherkennung – Kantendetektion in Bildern und Videos – Objekterkennung in Bildern und Videos Bereich 3: Deep Learning in der Praxis – Deep Learning Frameworks für CPU-, GPU- und TPU-Computing – Planung, Konzeption, Setup sowie Training und Optimierung von neuronalen Netzen

Computational Intelligence 3 | Integrierte Lehrveranstaltung (IL) | Coursecode: 200807303

Entscheidungs- und Spieltheorie

2.50

ECTS

2.00

SWS

Bereich 1: Präferenzen und Mechanismus Design Theorie – Binäre Relationen und Präferenzordnungen – Theorie offenbarter Präferenzen und Conjoint-Analysen – Verfahren der Präferenzaggregation und Arrow’s Unmöglichkeitstheorem – Gibbard-Satterthwaite Theorem Bereich 2: Entscheidungstheorie – Entscheidungstheoretische Grundbegriffe – Risikowahrnehmung und Risikoneigung – Lösungskonzepte für Entscheidungen bei Risiko – Lösungskonzepte für Entscheidungen bei Unsicherheit Bereich 3: Nicht-kooperative Spieltheorie – Grundbegriffe der nicht-kooperativen Spieltheorie – Statische Spiele bei vollständiger Information – Dynamische Spiele bei vollständiger Information – Statische Spiele bei unvollständiger Infrormation – Dynamische Spiele bei unvollständiger Information – Auktionen und Auktionstheorie Bereich 4: Kooperative Spieltheorie – Grundbegriffe der kooperativen Spieltheorie …

Computational Intelligence 3 | Integrierte Lehrveranstaltung (IL) | Coursecode: 200807304

Schwarmintelligenz und Evolutionäre Algorithmen

2.50

ECTS

2.00

SWS

Bereich 1: Schwarmintelligenz – Grundlagen der Schwarmintelligenz – Beispiele schwarmintelligenter Systeme – Grundlagen der Partikelschwarmoptimierung – Konzeption und Programmierung von schwarmintelligenten Modellen mittels Agenten-basierter Programmierung – Evaluierung von schwarmintelligenten Modellen/Simulationen Bereich 2: Genetische und evolutionäre Algorithmen – Grundprinzipien genetischer und evolutionärer Algorithmen – Anwendungen genetischer und evolutionärer Algorithmen – Einsatz evolutionärer Algorithmen zur Evaluierung Agenten-basierter Modelle – Grundprinzipien der evolutionären Spieltheorie – Grundprinzipien der künstlichen Immunsysteme

Projekt | Projektarbeit (PA) | Coursecode: 200807309

Projektarbeit

7.50

ECTS

1.00

SWS

Bereich 1: Durchführung von Projekten aus dem Bereich Data Science – Auseinandersetzung mit gegebenen Anforderungen – Erarbeitung unterschiedlicher Lösungsstrategien – Planung, Durchführung, Steuerung und Controlling des Projekts bzw. Projektfortschritts – Zusammenarbeit im Team inkl. etwaiger Konfliktlösungen Bereich 2: Projektdokumentation sowie Dissemination von Projektergebnissen – Erstellung von Projektdokumentationen auf Basis von Normen, Standards und Vorgaben – Präsentation und Diskussion des Projektfortschritts sowie der Projektergebnisse

Projekt | Integrierte Lehrveranstaltung (IL) | Coursecode: 200807308

Projektmanagement und Evaluierung von Softwarelösungen

2.50

ECTS

2.00

SWS

Bereich 1: Grundlagen des F&E-Projektmanagements – Grundbegriffe und Phasen – Normen und Standards – Methoden und Tools – Grundlagen des agilen Projektmanagements – Kommunikation, Präsentation und Moderation – Krisenmamagement Bereich 2: Förderprojekte – Wichtige Grundlage hinsichtlich Förderprojekten – Wichtige Fördergeber und Förderschienen Bereich 3: Softwaregestütztes Projektmanagement – Software zum Planen, Steuern und Controlling von Projekten – Softwaregestütztes Projektmanagement in der Praxis Bereich 4: Evaluierung von Softwarelösungen – Wichtige Evaluierungskriterien für Software im Bereich Data Science – Etablierte State-of-the-Art-Plattformen und -Softwarelösungen

Berufsübergreifende Qualifikationen 2 | Integrierte Lehrveranstaltung (IL) | Coursecode: 200807402

Erfolgsstrategien für Data Scientists

2.50

ECTS

2.00

SWS

Bereich 1: Data Science in der Praxis – Analyse von Problemstellungen und Auswahl von geeigneten Methoden und Algorithmen – Diskussion der Vor- und Nachteile verschiedener Methoden und Algorithmen Bereich 2: Best Practices und die Zukunft von Data Sciene – Best Practices bei Data Science Projekten – Vermeidung typischer Fallstricke bei Data Science Projekten – Diskussion über den Status Quo und die Zukunft von Data Science

Berufsübergreifende Qualifikationen 2 | Integrierte Lehrveranstaltung (IL) | Coursecode: 200807401

Ethik, Compliance und Datenschutz

2.50

ECTS

2.00

SWS

Bereich 1: Ethik – Ethische Grundbegriffe und Problemstellungen – Ethische Betrachtung von Big Data und Künstlicher Intelligenz – Corporate Social Responsibility Bereich 2: Datenschutz – Grundbegriffe und Überblick – Datenschutzgesetz – Datenschutzgrundverordnung – Rechtsdurchsetzung im Datenschutz Bereich 3: Compliance bzw. IT-Compliance – Governance und Compliance – IT-Governance und IT-Compliance – IT-Risiken und IT-Risikomanagement

Masterarbeit und Masterprüfung | Masterarbeit (MA) | Coursecode: 200807404

Masterarbeit

20.00

ECTS

0.50

SWS

Bereich 1: Masterarbeit – Ableitung der Forschungsfragen und Hypothesen – Durchführung von Intensivrecherchen – Design des Forschungsvorhabens bzw. Entscheidung hinsichtlich Methodik – Durchführung des geplanten Forschungsvorhabens – Verfassung der Masterarbeit nach bestimmten Normen, Standards und Vorgaben – Regelmäßige Abstimmungen mit dem Betreuer bzw. der Betreuerin der Masterarbeit Bereich 2: Masterprüfung – Präsentation und Verteidigung der Masterarbeit – Ablegung von Teilprüfungen über wichtige studienplanrelevante Inhalte

Masterarbeit und Masterprüfung | Modul-/Abschlussprüfung (FA) | Coursecode:

Masterprüfung

3.00

ECTS

0.00

SWS

Masterarbeit und Masterprüfung | Seminar (SE) | Coursecode: 200807403

Seminar zur Masterarbeit

2.00

ECTS

1.50

SWS

Bereich 1: Exposé zur Masterarbeit – Verfassung des Exposés zur Masterarbeit nach bestimmten Normen, Standards und Vorgaben Bereich 2: Dissemination erster Ergebnisse der Masterarbeit – Präsentation und Verteidigung erster Ergebnisse der Masterarbeit – Diskussion über erste Ergebnisse anderer Masterarbeitsprojekt – Feedback geben und nehmen sowie reflektieren