------------------------------------------------------------------
---
--- Vorlage für Modulbeschreibungen
---
--- Version: 1.0
---
--- Allgemeine Hinweise:
---
--- - Kommentare beginnen mit --- und werden komplett ignoriert
---
--- - Wichtige Schlüsselwörter beginnen mit *** und dürfen nicht
---   verändert oder gelöscht werden!!!
---
--- - Die Eingaben müssen immer in den leeren Zeilen nach *** erfolgen.
---
--- - Für einen Zeilenumbruch muss eine Leerzeile eingegeben werden.
---
--- - Aktuelle Modulhandbücher:
---     BaI : http://oow.hs-el.de/studium/pdf_bm/mh/mh_b_informatik_emd.pdf
---     BaE : http://oow.hs-el.de/studium/pdf_bm/mh/mh_b_elektrotechnik_automatisierungstechnik_emd.pdf
---     BaMT: http://oow.hs-el.de/studium/pdf_bm/mh/mh_b_medientechnik_emd.pdf
---     MaII: http://oow.hs-el.de/studium/pdf_bm/mh/mh_m_industrial_informatics_emd.pdf
---
------------------------------------------------------------------

*** Studiengang und Semester
--- für Studiengang nur Kürzel verwenden: E, EP, EE, I, MT oder II
--- Semester wird davor geschrieben, auch Semesterbereiche möglich
--- Wenn das Modul in mehreren Studiengängen verwendet wird, werden diese
--- durch Komma getrennt aufgeführt.
---
--- Beispiel: 2I, 2-3E, 5MT

5I, 5E, 7EP 

*** Modulbezeichnung
--- Name laut Modulliste verwenden

Data Science~

*** Englische Bezeichnung

Data Science

*** Art
--- nur Alternativen: Pflichtfach, Wahlpflichtfach
---
--- Beispiele: 
--- Pflichtfach
Wahlpflichtfach


--- BaI: Pflichtfach
--- BaE: Pflichtfach Vertiefung Technische Informatik
--- BaEP: Pflichtfach Vertiefung Technische Informatik

*** ECTS-Punkte
--- nur Zahl angeben
--- Beispiele:
--- 5
--- 7,5

5

*** Studentische Arbeitsbelastung
--- Angabe als x Stunden Kontaktzeit und y Stunden Selbststudium
--- Format: x, y
--- bei 2V+2P: 70, 80
--- bei 3V+1P: 70, 80
--- bei 4V+0P: 70, 80
--- bei 4V+2P: 105, 120

60,90

*** Voraussetzungen (laut Prüfungsordnung)
--- nur Modulbezeichnungen aufführen, z.B. Java 1


*** Empfohlene Voraussetzungen
--- zusätzliche Module, die nicht in Prüfungsordnung als Voraussetzung stehen
--- nur Modulbezeichnungen aufführen, z.B. Java 1

Java 1, Java 2, Algorithmen und Datenstrukturen, Datenbanken

*** Pruefungsform und -dauer
--- Alternativen:
--- Klausur 1,5 h
--- Klausur 1,5h oder mündliche Prüfung
--- Mündliche Prüfung
--- Erstellung und Dokumentation von Rechnerprogrammen
--- Mündliche Präsentation und schriftliche Dokumentation

Klausur 1,5 h oder mündliche Prüfung


*** Lehrmethoden und Lernmethoden
--- Alternativen: Vorlesung, Praktikum, Seminar, Studentische Arbeit
--- Falls Modul aus mehreren Veranstaltungen besteht, werden diese durch
--- Komma getrennt aufgeführt.

Vorlesung, Praktikum

*** Modulverantwortlicher
--- Vorname abgekürzt, keine Titel
--- Beispiel: F. Rump

T. Schmidt

*** Qualifikationsziele
--- Fließtext eingeben
--- siehe Vorgaben in der Dokumentation

Die Studierenden kennen die wesentlichen Konzepte in den Bereichen i) Datenintegration und Datenhaltung ii) Datenanalyse und Wissensmanagement sowie iii) Datenvisualisierung und Informationsbereitstellung. Die Studierenden verstehen die Anforderungen von großen Datenmengen (Big Data), kennen grundlegende Konzepte (z.B. MapReduce) und sind mit aktuellen Big-Data Technologien (z.B. Hadoop, Spark) vertraut und können diese auf praktische Problemstellungen anwenden.


*** Lehrinhalte
--- Fließtext eingeben


Vorgestellt werden grundlegende Konzepte und Methoden aus den Data Science Bereichen KDD/ML und Big Data die mit praktischen Übungen verdeutlicht werden. Stichworte sind:

KDD/ML: 
1) supervised/unsupervised learning 
2) Algorithmen: clustering, classification, Decision Trees, Apriori 
3) Evaluation measures

Big Data: 
1) Big Data Collection
2) Big Data Storage: Hadoop, modern databases, distributed computing platforms, MapReduce, Spark, NoSQL/NewSQL 
3) Big Data Systems: Security, Scalability, Visualisation & User Interfaces 
4) Big Data Analytics: Fast Algorithms, Data Compression, Machine Learning Tools for Big Data Frameworks



*** Literatur
--- max. drei Angaben
--- Format: Heun, V.: Grundlegende Algorithmen, Vieweg, 2000.
--- Mehrere Literaturangaben durch Leerzeilen trennen!


Freiknecht, J., Big Data in der Praxis. Carl Hanser Verlag, 2014

Karau, H., Learning Spark: Lightning-Fast Big Data Analysis, O'Reilly, 2015

Ester, M., Knowledge Discovery in Databases, Springer Verlag, 2000

------------------------------------------------------------------
---
--- Hier beginnt die Aufzählung der einzelnen Lehrveranstaltungen
--- des Moduls (z.B. Vorlesung und Praktikum).
---
--- Falls mehrere Lehrveranstaltungen vorgesehen sind, bitte die
--- entsprechenden Bereiche auskommentieren.
---
------------------------------------------------------------------

*** Titel der Lehrveranstaltung
--- Beispiel: Praktikum Informationssysteme

Data Science

*** Dozent
--- Vorname abgekürzt, keine Titel
--- Beispiel: F. Rump

T. Schmidt

*** SWS
--- Zahl angeben

3

*** Titel der Lehrveranstaltung
--- Beispiel: Praktikum Informationssysteme

Praktikum Data Science

*** Dozent
--- Vorname abgekürzt, keine Titel
--- Beispiel: F. Rump

T. Schmidt

*** SWS
--- Zahl angeben

1

------------------------------------------------------------------
---
--- Ausfüllen der Modul-Kompetenz-Matrix nicht vergessen!
---
------------------------------------------------------------------