Department Angewandte Informatik

Data and Information Science

Im Studium

 

Studienplan

1. Semester

Angewandte Informatik 1 | Integrierte Lehrveranstaltung (iL) | Coursecode: 200807108 Scripting für Data Scientists 3 SWS 5 ECTS
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 Daten
- Elementares Datenhandling
Bereich 3: Werkzeuge
- Werkzeuge zur Versionsverwaltung
- Entwicklungsumgebungen
Angewandte Mathematik 1 | Integrierte Lehrveranstaltung (iL) | Coursecode: 200807103 Graphentheorie und Systemdynamik 2 SWS 2.5 ECTS
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 SWS 2.5 ECTS
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 SWS 2.5 ECTS
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 SWS 2.5 ECTS
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 3 SWS 5 ECTS
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 3 SWS 5 ECTS
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
- Neuronale Speicherung von Information, Makroskopischer Aufbau des Gehirns
- Kognitionspsychologische Grundlagen
Bereich 3: Kommunikation
- Modelle/Theorien der Signal- und Nachrichtentransmission
- Kommunikationsmodelle und -theorien
Statistik 1 | Integrierte Lehrveranstaltung (iL) | Coursecode: 200807104 Deskriptive Statistik 2 SWS 2.5 ECTS
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 SWS 2.5 ECTS
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

2. Semester

Angewandte Informatik 2 | Integrierte Lehrveranstaltung (iL) | Coursecode: 200807208 Agenten-basierte Programmierung 2 SWS 2.5 ECTS
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 SWS 2.5 ECTS
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 SWS 2.5 ECTS
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 SWS 2.5 ECTS
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 Optimierungsaufgaben
- 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 3 SWS 5 ECTS
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 3 SWS 5 ECTS
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 3 SWS 5 ECTS
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 SWS 2.5 ECTS
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 SWS 2.5 ECTS
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

3. Semester

Angewandte Informatik 3 | Integrierte Lehrveranstaltung (iL) | Coursecode: 200807305 Cloud Computing für Data Scientists 3 SWS 5 ECTS
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 SWS 2.5 ECTS
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 Analyse
- 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
- Erstellung und Monte-Carlo-Simulation von Business Modellen und Finanzplänen (insb. GuV- sowie Cashflow-Planung)
- Rapid Prototyping
Berufsübergreifende Qualifikationen 1 | Seminar (Se) | Coursecode: 200807307 Wissenschaftliches Arbeiten und Schreiben 2 SWS 2.5 ECTS
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 SWS 2.5 ECTS
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 SWS 2.5 ECTS
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 SWS 2.5 ECTS
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
- Wichtige Lösungskonzepte für kooperative Spiele
Computational Intelligence 3 | Integrierte Lehrveranstaltung (iL) | Coursecode: 200807304 Schwarmintelligenz und Evolutionäre Algorithmen 2 SWS 2.5 ECTS
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 (PT) | Coursecode: 200807309 Projektarbeit 1 SWS 7.5 ECTS
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 SWS 2.5 ECTS
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

4. Semester

Berufsübergreifende Qualifikationen 2 | Integrierte Lehrveranstaltung (iL) | Coursecode: 200807402 Erfolgsstrategien für Data Scientists 2 SWS 2.5 ECTS
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 SWS 2.5 ECTS
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 und Masterprüfung 0.5 SWS 23 ECTS
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 | Seminar (Se) | Coursecode: 200807403 Seminar zur Masterarbeit 1.5 SWS 2 ECTS
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 Masterarbeitsprojekte
- Feedback geben und nehmen sowie reflektieren