Modulbeschreibung
Data Analytics
Kurzzeichen:
M_DatAna
Durchführungszeitraum:
FS/20-FS/25
ECTS-Punkte:
4
Lernziele:
Ausgewählte Themen von Informationssystem- und Datenbanksystem-Anwendungen kennen und die entsprechenden Werkzeuge anwenden können.
Verantwortliche Person:
Keller Stefan F.
Standort (angeboten):
Rapperswil-Jona
Empfohlene Module:
Zusätzlich vorausgesetzte Kenntnisse:
keine
Skriptablage:
Modultyp:
Standard-Modul für Elektrotechnik STD_14(Keine Semester Empfehlung)
Standard-Modul für Elektrotechnik STD_21(Keine Semester Empfehlung)
Standard-Modul für Elektrotechnik STD_24(Keine Semester Empfehlung)
Standard-Modul für Informatik STD_05(Empfohlenes Semester: 5)
Standard-Modul für Informatik STD_11(Empfohlenes Semester: 6)
Standard-Modul für Informatik STD_14(Empfohlenes Semester: 6)
Standard-Modul für Data Engineering and Machine Intelligence STD_14 (PF)
Standard-Modul für Informatik STD_21(Empfohlenes Semester: 6)
Standard-Modul für Data Engineering and Machine Intelligence STD_21 (PF)
Standard-Modul für Informatik STD_23(Empfohlenes Semester: 6)
Standard-Modul für Data Science STD_23 (VR)
Standard-Modul für Informatik Retro STD_14_UG(Empfohlenes Semester: 6)
Standard-Modul für Data Engineering & Machine Intelligence STD_14 (PF)
ECTS-Punkte pro Kategorie
Technik / 4 Punkte
Technik / 4 Punkte
Technik / 4 Punkte
Aufbau Informatik / 4 Punkte
Aufbau Informatik / 4 Punkte
Grundlagen Informatik und Aufbau Informatik / 4 Punkte
Kernmodule Informatik Profile / 4 Punkte
Modulbewertung
Bewertungsart:
Note von 1 - 6
Leistungsbewertung
Während der Prüfungssession:
Schriftliche Prüfung, 120 Minuten
Kurse in diesem Modul
Data Analytics
Kurzzeichen:
DatAna
Lernziele:
- 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.
Plan 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.
Unterrichtssprache:
Deutsch
Bibliographie:
Kursart:
(Durchführung gemäss Stundenplan)
Uebung mit 2 Lektionen pro Woche
- Max. Teilnehmer: 18
- Harte Grenze: ja
Vorlesung mit 2 Lektionen pro Woche
- Max. Teilnehmer: 999
- Harte Grenze: ja