Data Science & Intelligent Analytics* BB
Apply Icon
Jetzt
Bewerben

Softwareentwicklung für Data Science 1

Niveau der Lehrveranstaltung/des Moduls laut Lehrplan

Masterstudium

Lernergebnisse der Lehrveranstaltung/des Moduls

Die AbsolventInnen kennen die Konzepte der Softwareentwicklung, die im Bereich der Data Science häufig angewandt werden. Sie sind mit dem Einsatz dieser Konzepte in häufig genutzten Softwareentwicklungsumgebungen im Bereich der Datenanalyse (z.B. in Python, MathLab oder R) vertraut. Die für die Softwareentwicklung notwendigen Werkzeuge und Softwaresysteme sind ihnen bekannt.

Voraussetzungen laut Lehrplan

Keine Voraussetzungen

Lehrinhalte

In der Lehrveranstaltung wird der Prozess der Softwareentwicklung thematisiert, wobei auf wichtige Aspekte des Software Engineerings (z.B. der Anforderungserhebung und -dokumentation) im Überblick eingegangen wird. Der Kernaspekt dabei ist die Verwendung von Softwaresystemen in datenintensiven Anwendungskontexten. Die Betrachtungen des Themenfelds erfolgen sowohl auf Konzeptebene (z.B. prozedurale, objektorientierte und funktionale Programmierparadigma), als auch in Bezug auf die Ausprägung der Konzepte in unterschiedlichen Programmiersprachen (z.B. Python, MathLab und R). Die hierfür eingesetzten Softwareökosysteme werden im Überblick dargestellt und im Detail in der Anwendung demonstriert.
Ein besonderes Augenmerk wird auf die Verwendung effektiver und effizienter Datenstrukturen und deren Implementierung gelegt.

Die Lehrinhalte umfassen folgende Themengebiete:
- Der Prozess des Software-Engineerings und des Projektmanagements für datenintensive Anwendungen
- Programmierparadigmen für den Einsatz im Bereich Data Science
- vergleichende Darstellung geeigneter Programmiersprachen im Kontext datenintensiver Anwendungen
- effektive und effiziente Datenstrukturen für datenintensive Anwendungen
- Werkzeuge und Softwareökosysteme für die Entwicklung und den Test datenintensiver Softwaresysteme

empfohlene Fachliteratur

- Häberlein, T. (2016) Informatik: Eine praktische Einführung mit Bash und Python. 2. Auflage, De Gruyter Oldenbourg, Berlin (ISBN: 978-3110496864).
- Sommerville, I. (2015) Software Engineering, Global Edition. 10. Auflage, Pearson Education, London (ISBN: 978-1292096131).
- Williams, L.; Zimmermann, T. (2016) Perspectives on Data Science for Software Engineering. 1. Auflage, Morgan Kaufmann, Burlington (ISBN: 978-0128042069).
- Crawley, M. J. (2007) The R Book. 1. Auflage, John Wiley & Sons Ltd, Chichester (ISBN: 978-0-470-51024-7).
- Bowles, M. (2015) Machine Learning in Python: Essential Techniques for Predictive Analysis. 1. Auflage, John Wiley & Sons Ltd, Chichester (ISBN: 978-1118961742).
- Lutz, M (2013) Learning Python. 1. Auflage, O'Reilly Media, Farnham.

Bewertungsmethoden und -kriterien

Abschlussklausur

Unterrichtssprache

Deutsch

Anzahl der zugewiesenen ECTS-Credits

3

geplante Lehr- und Lernmethoden

Vortrag mit Diskussion
Gruppenarbeiten

Semester/Trimester, in dem die Lehrveranstaltung/das Modul angeboten wird

1

Semester-Wochen-Stunden (SWS)

2

Name des/der Vortragenden

N.A.

Studienjahr

1

empfohlene optionale Programmeinheiten

N.A.

Kennzahl der Lehrveranstaltungen/des Moduls

SEW.1

Art der Lehrveranstaltung/des Moduls

ILV

Art der Lehrveranstaltung

Präsenzveranstaltung

Praktikum/Praktika

N.A.