Data Science & Intelligent Analytics* BB
Jetzt
Bewerben

Softwareentwicklung für Data Science 2

Niveau der Lehrveranstaltung/des Moduls laut Lehrplan

Masterstudium

Lernergebnisse der Lehrveranstaltung/des Moduls

Die AbsolventInnen vertiefen die Konzepte der Softwareentwicklung, die im Bereich der Data Science häufig angewandt werden. Dabei wird ein besonderer Schwerpunkt auf die Integration in andere Softwaresysteme gelegt, wobei ein Schwerpunkt die Verwendung von web-basierten Ansätzen bildet.

Ein weiterer Aspekt ist die Kenntnis von Entwurfsmustern (Design Patterns), die im Bereich datenintensiver Anwendungen häufig verwendet werden, bzw. die für den Aufbau effizienter datengetriebener Anwendungsarchitekturen relevant sind. Abgerundet wird die LV mit dem Know-how um effiziente Softwaresysteme, die auch bei steigenden Anforderungen in Bezug auf die zu analysierenden Daten skalieren.

Voraussetzungen laut Lehrplan

Softwareentwicklung für Data Science 1

Lehrinhalte

In der Lehrveranstaltung werden die Kenntnisse für die Softwareentwicklung datengetriebener Anwendungen vertieft. Dabei bilden die drei Themenfelder Softwarearchitektur, Systemintegration und musterbasierter Entwurf den Kern der Betrachtungen.

Die Lehrinhalte umfassen folgende Themengebiete:
- Architekturmodelle für datengetriebene Softwareentwicklung und -systeme
- Integrationsmodelle und -paradigmen für die Umsetzung komplexer, prozessorientierter Softwareökosysteme für analytische und datengetriebene Systeme
- Anwendung von bewährten Entwurfsmustern ("Design Pattern") für datengetriebene Anwendungen
- Konzeption und Umsetzung effizienter und skalierbarer Softwaresysteme für datengetriebene Anwendungen

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 oder Seminararbeit

Unterrichtssprache

Deutsch

Anzahl der zugewiesenen ECTS-Credits

3

geplante Lehr- und Lernmethoden

Vortrag mit Diskussion
Interaktiver Workshop

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

2

Semester-Wochen-Stunden (SWS)

2

Name des/der Vortragenden

N.A.

Studienjahr

1

empfohlene optionale Programmeinheiten

N.A.

Kennzahl der Lehrveranstaltungen/des Moduls

SEW.3

Art der Lehrveranstaltung/des Moduls

ILV

Art der Lehrveranstaltung

Präsenzveranstaltung

Praktikum/Praktika

N.A.