--- Angabe der Prüfungsordnung (ohne Angabe: PO 2011) *** PO 2017 *** ------------------------------------------------------------------ --- --- Vorlage für Modulbeschreibungen --- --- Version: 2.0 --- --- Allgemeine Hinweise: --- --- - Kommentare beginnen mit --- und werden komplett ignoriert --- --- - Wichtige Schfüsselwörter 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. --- ------------------------------------------------------------------ *** Studiengang und Semester --- für Studiengang nur Kürzel verwenden: BaE, BaEP, BaI, BaMT oder MaII --- Folgende Stuiengänge sind möglich: --- --- BaBTBI : Bachelor Biotechnologie/Bioinformatik --- BaCTUT : Bachelor Chemietechnik/Umwelttechnik --- BaE : Bachelor Elektrotechnik --- BaEE : Bachelor Energieeffizienz --- BaEP : Bachelor Elektrotechnik im Praxisverbund --- BaI : Bachelor Informatik --- BaIBS : Bachelor Industrial Business Systems --- BaIBSE : Bachelor Industrial Business Systems --- BaLT : Bachelor Lasertechnik/Photonik --- BaMD : Bachelor Maschinenbau und Design --- BaMDP : Bachelor Maschinenbau und Design (Praxisverbund) --- BaMT : Bachelor Medientechnik --- MaALS : Master Applied Life Science --- MaII : Master Industrial Informatics --- MaMb : Master Maschinenbau --- MaTM : Master International Technical Management --- MaTMeng: Master International Technical Management (eng) --- --- Das Semester wird davor geschrieben, auch Semesterbereiche möglich --- Wenn das Modul in mehreren Studiengängen verwendet wird, werden diese --- durch Komma getrennt aufgeführt. --- --- Beispiel: 2BaI, 2-3BaE, 5BaMT 1MaII *** Modulbezeichnung --- Name laut Modulliste verwenden Analytics & Mathematics *** Art --- nur Alternativen: Pflichtfach, Wahlpflichtfach --- --- Beispiele: --- Pflichtfach --- Wahlpflichtfach --- Pflichtfach Vertiefung Technische Informatik Pflichtfach Vertiefung Industrial Cyber-Physical Systems *** 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 30, 120 *** 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 Mathematical knowledge on Bachelor’s level *** 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 experimental work + oral exam *** Lehrmethoden und Lernmethoden --- Alternativen: Vorlesung, Praktikum, Seminar, Studentische Arbeit --- Falls Modul aus mehreren Veranstaltungen besteht, werden diese durch --- Komma getrennt aufgeführt. Vorlesung *** Modulverantwortlicher --- Vorname abgekürzt, keine Titel --- Beispiel: F. Rump E. Wings *** Qualifikationsziele --- Fließtext eingeben --- siehe Vorgaben in der Dokumentation --- Die Studierenden sollen die numerischen Herausforderungen großer Datenmengen einschätzen und beurteilen können. --- Mit Hilfe einer Standard-Software sollen Sie ausgewählte Algorithmen für hochdimensionale Probleme analysieren, --- bewerten und anwenden können. Auf dieser Basis können sie (kommerzielle) Software-Pakete hinsichtlich deren Anwendbarkeit bewerten. Students have to be able to estimate and evaluate the numerical challenge of a large amount of data. With the support of a standard-software, students have to be able to analyse, assess and use selected algorithms for high-dimensional problems. On this basis, students will be able to assess the applicability of (commercial) software-packages. --- Die Studierenden sollen Repräsentationsformen durch gerichtete und ungerichtete Graphen als Bayes-Netze kennenlernen. --- Sie sollen Schlussfolgerungen innerhalb dieses Repräsentationen durchführen und Algorithmen zur Informationsweitergabe --- in Bayes-Netzen programmieren können. Anhand von Beispielen sollen sie das Lernen in Bayes-Netzen erläutern können. *** Lehrinhalte --- Fließtext eingeben The importance of data analysis, especially of a large amount of data (Big Data), is growing in the areas of science and economy. The lecture approaches concepts, algorithms and technology for the analysis of a large amount of data. Numerical methods for solving high-dimensional linear and non-linear systems of equations, as well as the process for calibration and Maximum-Likelihood will be addressed. --- Die Bedeutung der Datenanalyse, insbesondere großer Datenmengen (Big Data), wächst in verschiedenen Bereichen der --- Wissenschaft und Wirtschaft. Die Vorlesung behandelt Konzepte, Algorithmen und Technologien zur Analyse von großen --- Datenmengen. Es werden die numerischen Methoden zur Lösung von hochdimensionaler linearer und nichtlinearer ---- Gleichungssysteme sowie Verfahren für Kalibrierungs- und Maximum-Likelihood-Probleme behandelt. --- Die künstliche Intelligenz spielt in immer mehr Bereichen von Wissenschaft und Technik eine große Rolle. In der Vorlesung sollen Bayes-Netze zur Darstellung --- von Expertenwissen behandelt werden. Es werden Grundlagen der Graphentheorie, der Wahrscheinlichkeitstheorie und ihre Verknüpfung bei Bayes-Netzen --- behandelt. Außerdem werden Algorithmen zur Wissensweitergabe erläutert. *** Literatur --- Format: Heun, V.: Grundlegende Algorithmen, Vieweg, 2000. --- Mehrere Literaturangaben durch Leerzeilen trennen! Wu, James; Stephen Coggeshall, Stephen: Foundations of Predictive Analytics. Chapman and Hall/CRC, 2012 Fasel, D., Meier, A.: Big Data - Grundlagen, Systeme und Nutzungspotenziale, Springer, 2016 R Core Team: R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Wien, Österreich http://www.R-project.org/. --- Kruse, R., et.al.: Computational Intelligence, 2. Auflage, Springer Vieweg,2015 ------------------------------------------------------------------ --- --- 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 Analytics *** Dozent --- Vorname abgekürzt, keine Titel --- Beispiel: F. Rump E. Wings, A.W. Colombo *** SWS --- Zahl angeben 2