Modulhandbuch des Studiengang Data Science (MASTER OF SCIENCE) Stand:

Größe: px
Ab Seite anzeigen:

Download "Modulhandbuch des Studiengang Data Science (MASTER OF SCIENCE) Stand: 10.02.2015"

Transkript

1 2014 Modulhandbuch des Data Science (MASTER OF SCIENCE) Stand:

2 Inhalt Vorbemerkung... 2 Modulübersicht... 2 Studienplan... 3 Modulübersicht... 4 Modul Programming for Data Science... 4 Modul Mathematical Foundations for Data Science... 5 Modul Datamining... 6 Modul Business Intelligence & Warehouse... 7 Modul Data Bases for Big Data... 8 Modul Web Data Integration... 9 Modul Large Scale Data Analysis & Parallelization Modul Decision Support Modul Optimization Techniques for Data Anaylsis Modul Machine Learning Modul Textmining Modul Business Process and Big Data Use Cases Modul Kompaktseminar (Summerschool) Modul Praktikum Modul In-Mermory Databases Modul Webmining Modul Semantic Web Technologies Modul Data Privacy & Data Compliance Modul Master Thesis Hinweis: Die Abkürzungen wurden aus der Studien- und Prüfungsordnung des Masterstudienganges Data Science entnommen und sind in XX der Studienprüfungsordnung Data Science erläutert. Seite 1

3 Vorbemerkung Der ist als Fernstudium mit integrierten Blended Learning-Ansatz modular mit Studienbriefen, Präsenz und Onlinephasen sowie Betreuung durch Online-Tutoren und Dozenten aufgebaut. Die Regelstudienzeit beträgt bis zum Erreichen des Master-Grades sechs Semester. Das Studium vermittelt theoretische und praktische Kenntnisse in den Bereichen Datenanalyse, Datenextraktion und Dateninterpretation. Ziel des Studiums ist die Befähigung des Absolventen zu praktischen, konzeptionellen, wissenschaftlichen und wirtschaftlichen Tätigkeiten im Bereich Data Science. Im 1. Semester werden die Grundlagen für Data Science in den Bereich Business Intelligence, Data Warehouse, Datamining sowie die Grundlagen für Big Data vermittelt. Aufbauend auf diesen Grundlagen werden im 2. bis 5. Semester die Kenntnisse mittels Modulen in den Bereichen Compliance, Business Process, Data Mining, Data Analysis und Programming vertieft. Im 4. Semester wird ein zweiwöchiges Kompaktseminar durchgeführt in welchem die Studierenden gemeinsam mit grundständig Studierenden und mit Unterstützung von Fachexperten aus der Industrie und Behörden Werkzeuge und Methoden der Datenanalyse kennenlernen. Im Anschluss beginnen die Studierenden ein 20-Wochen dauerndes Praktikum das bei einem LoI-Partner in der Anwendungsbranche erfolgt. Mit der Masterthesis zeigen die Teilnehmer am Ende des Studiums, dass sie die Fähigkeiten besitzen, Theorie und Technik mit Reflexion auf die eigene berufliche Qualifizierung an einem anwendungsbezogenen Beispiel wissenschaftlich umzusetzen. Modulübersicht Säule Säule 1: Business Information Vertiefung Data Privacy & Data Compliance (50400, HSAS) Master-Thesis (61000) Säule 2: Data Analytics Semantic Web Technologies (50300, UMA) Webmining (50200, UMA) Säule 3: Data Management In-Memory Databases / OLAP (50100, EKUT) Praxis Summer school [Tools and platforms] (40100 ) Practical Training (40200) Vertiefung Business Process & Big Data Use Cases (30400, HSAS) Textmining (30300, UMA) Machine Learning (30200, HSAS) Optimization Techniques for Data Analysis (30100, EKUT) Decision Support (20400, UMA) Large Scale Data Analysis and Parallelization (20300, HSAS) Web Data Integration (20200, UMA) Data Bases for Big Data (20100, EKUT)) Grundlagen Business Intelligence and Warehouses (10400, HSAS) Datamining (10300, UMA) Mathematical Foundations for Data Science (10200, HSAS) Programming for Data Science (10100, HSAS) Die Module einer thematischen Säule bauen inhaltlich auf einander auf. Die Teilnehmer werden kontinuierlich an schwierigere und komplexere Themen der Data Science herangeführt. Seite 2

4 Studienplan Die nachfolgende Abbildung zeigt die Verteilung der Module und ECTS-Punkte im Semesterverlauf: Modulgruppe 1. Semester 2. Semester 3. Semester 4. Semester 5.Semester 6. Semester Grundlagen Vertiefung Praxis Master Programming for Data Science Mathematical Foundations for Big Data Datamining Business Intelligence and Warehouse Databases for Big Data Web Integration Large Scale Data Analysis and Parallelization Decision Support Optimization Techniques for Data Analysis Machine Learning Textmining Business Process and Big Data Use Cases Summer school Practical Training 20 ECTS In-Memory Databases Webmining Semantic Web technologies Data Privacy and Data Compliance Master-Thesis 20 ECTS Seite 3

5 Modulübersicht Modul Programming for Data Science Prüfungs- / Modulnummer 10110/ Programming for Data Science Semester 1 Prof. Dr. Häberlein, Hochschule Albstadt-Sigmaringen? Deutsch Zuordnung zum Curriculum Grundlagen Keine Nach erfolgreichem Abschluss des Moduls sind die Studenten in der Lage, Daten (verschiedener Formate) mit Hilfe von Python/R zu verarbeiten, Analysen durchzuführen und in geeigneter Weise darzustellen Lehrinhalt Einführung Python/R (Libs, Datenstrukturen...) Verarbeitung Daten (Data Cleaning, Effizienz,...) Analysen (Bsp Anwendungen, fitting model to data, Darstellung,...) Bayessche Analyse Studien- und Prüfungsleistung K60 () Seite 4

6 Modul Mathematical Foundations for Data Science Prüfungs- / Modulnummer / Mathematical Foundations for Data Science Semester 1 Prof. Dr. Häberlein, Hochschule Albstadt-Sigmaringen Deutsch Zuordnung zum Curriculum Grundlagen Keine Die Studenten bekommen die mathematischen Grundlagen vermittelt, die im Data Science Umfeld notwendig sind. Nach erfolgreichem Abschluss des Moduls haben die Studenten die nötige Basis für die folgenden Vorlesungen. Lehrinhalt Wahrscheinlichkeitstheorie / Kombinatorik Verteilungen (diskrete, kontinuierliche, multivariate,...) Predictive Analytics (Korrelationen, Regression, Decision Tree learning, (InfoTheory?)) Bayessche Statistik (Theorem, Anwendungen, Klassifikator?) Studien- und Prüfungsleistung K60 () Seite 5

7 Modul Datamining Prüfungs- / Modulnummer / Datamining Semester 1 Prof. Dr. Bizer, Universität Mannheim Englisch Zuordnung zum Curriculum Grundlagen Lehrinhalt Studien- und Prüfungsleistung Keine Students will acquire fundamental knowledge of the techniques, opportunities and applications of data mining. Successful participants will be able to identify opportunities for applying data mining in an enterprise environment, select and apply appropriate techniques, and interpret the results. The course provides an introduction to advanced data analysis techniques as a basis for analyzing business data and providing input for decision support systems. The course covers the following topics: 1. Goals and Principles of Data Mining 2. The Data Mining Process (Data Representation and Preprocessing) 3. Clustering (k-means Clustering, Hierarchical Clustering, Density-based Clustering, Proximity Measures) 4. Classification (k-nearest-neighbors, Naïve Bayes, Decision Trees, Rule Induction, Evaluating Classification, The Overfitting Problem) 5. Regression (Linear Regression, KNN-Regression, Artificial Neural Networks for Regression) 6. Association Analysis (Frequent Itemset Generation, Rule Generation, Interestingness Measures, Sequential Patterns) K60 () Pang-Ning Tan, Michael Steinback, Vipin Kumar Introduction to Data Mining, 2nd Edition, 2014 Seite 6

8 Modul Business Intelligence & Warehouse Prüfungs- / Modulnummer / Business Intelligence and Warehouse Semester 1 Prof. Dr. Nemirovskij, Hochschule Albstadt-Sigmaringen Deutsch Zuordnung zum Curriculum Grundlagen Keine Primärziel dieses Moduls ist dem Studierenden umfassend die theoretischen Grundlagen von Business Intelligence (BI) und Data Warehouses (auch als Business Warehouses bezeichnet) und damit Kenntnisse über wesentliche BI-Methoden, -Technologien und -Tools zu vermitteln. Hierunter fallen neben der Begriffsabgrenzung und - einordnung auch entsprechende Architekturen, das Data Preprocesssing (ETL-Prozess), die Modellierung mehrdimensionaler Datenschemata sowie auch das Reporting. Lehrinhalt Einführung (Begriffsabgrenzung und -einordnung) BI-Systemarchitektur(en) Data Preprocessing Data Warehousing Reporting Aktuelle Trends Sofern möglich sollen einzelne Fallbeispiele aus der Unternehmenspraxis zu Illustrationszwecken herangezogen und in den Übungen aufgegriffen werden. Studien- und Prüfungsleistung K60 () Seite 7

9 Modul Data Bases for Big Data Prüfungs- / Modulnummer / Data Bases for Big Data Semester 2 Prof. Dr. Grust, Eberhard Karls Universität Tübingen Deutsch Zuordnung zum Curriculum Vertiefung Nach erfolgreichem Abschluss dieses Moduls sollen die Studierenden in der Lage sein zu beurteilen, welche Rolle Relationale Datenbanksysteme in daten-intensiven Anwendungen einnehmen und welchen (signifikanten) Mehrwert diese Systeme bieten können. Sie sollen Ausschnitte der realen Welt in der tabellarischen Form der relationalen Welt darstellen und die Qualität der entstandenen Modelle einschätzen können. Im Fokus steht dabei der Erwerb umfassender Fertigkeiten im Umgang mit der Datenbanksprache SQL und deren Einbettung in bekannte Programmiersprachen. Damit sind die Studierenden in der Lage, in ihren Applikationen Datenbanksysteme zu nutzen, um Massen von Daten sowohl in Tabellen- als auch in alternativen Formaten zu verarbeiten. Lehrinhalt Dieses Modul bietet eine klassische Einführung in das spannende Gebiet der Datenbanksysteme und umfasst u.a. die folgenden Themen: Datenbanksysteme und ihr Mehrwert in datenintensiven Anwendungen Tabellarische Speicherung und Abfrage im relationalen Modell Schlüssel, Funktionale Abhängigkeiten und Constraints Redundanzen, Normalformen und sinnvolles Datenbank- Design Alternative Datenstrukturen und deren Modellierung im relationalen Modell Einbettung von SQL in Python, Object-Relational Mapping Studien- und Prüfungsleistung K60 () Seite 8

10 Modul Web Data Integration Prüfungs- / Modulnummer / Web Data Integration Semester 2 Prof. Dr. Christian Bizer, Universität Mannheim Englisch Zuordnung zum Curriculum Vertiefung Keine Students will be able select and apply appropriate techniques for integrating and cleansing enterprise as well as Web data. Participants will acquire knowledge of the data integration process as well as the techniques that are used in each phase of the process. Lehrinhalt Heterogeneity and Distributedness The Data Integration Process Web Data Formats Schema Mapping and Data Translation Identity Resolution Data Quality Assessment Data Fusion Studien- und Prüfungsleistung K60 () Seite 9

11 Modul Large Scale Data Analysis & Parallelization Prüfungs- / Modulnummer / Large Scale Data Analysis & Parallelization Semester 2 Prof. Dr. Eppler, Hochschule Albstadt-Sigmaringen Deutsch Zuordnung zum Curriculum Vertiefung Keine Die Studierenden können Map/Reduce-/YARN- Datenbanktechnologien und verteilte Datenbankmanagementsysteme anwenden und kennen die theoretischen Prinzipien der Partitionierung und Verteilung. Lehrinhalt Überblick zu No-SQL-Datenbanken Map Reduce/YARN Aufbau des DBMS Hadoop mit o Hadoop File System o Map Reduce/YARN o Hive o Partitionierung o Realationale und nicht relationale Daten einfügen Verteilte Datenbanken o Vertikale/horizontale Fragmentierung o Fragmentierungstransparenz o Transaktionskontrolle MySQL Clusters o Cluster einrichten o Partitionierung o Verwaltung von Partitionen o SQL in verteilten Datenbanken Studien- und Prüfungsleistung K60 () Seite 10

12 Modul Decision Support Prüfungs- / Modulnummer / Decision Support Semester 2 Prof. Dr. Stuckenschmidt, Universität Mannheim Englisch Zuordnung zum Curriculum Vertiefung Lehrinhalt Studien- und Prüfungsleistung Keine Students will acquire basic knowledge of the techniques, opportunities and applications of decision theory. Successful participants will be able to identify opportunities for decision support in an enterprise environment, select and apply appropriate techniques, and interpret the results. The Module is based on the Textbook: Artificial Intelligence: A Modern Approach by Stuart Russell and Peter Norvig and will cover the following chapters: Intelligent Agents Logical Decision Making Classical Planning Quantifying Uncertainty Probabilistic Reasoning Probabilistic Reasoning Over Time Making Simple Decisions Making Complex Decisions Game Theory and Mechanism Design K60 () Seite 11

13 Modul Optimization Techniques for Data Anaylsis Prüfungs- / Modulnummer / Optimization Techniques for Data Analysis Semester 3 Prof. Dr. Grust, Eberhard Karls Universität Tübingen Deutsch Zuordnung zum Curriculum Vertiefung Lehrinhalt Studien- und Prüfungsleistung Keine Mit erfolgreichem Abschluss dieses Moduls sollen die Studierenden einen Einblick in die Techniken zur Optimierung von Datenbankanfragen gewinnen. Dabei soll ein Bewusstsein dafür entwickelt werden, welche Probleme bei daten-intensiven Anwendungen gelöst werden muss und wie Datenbankmanagementsysteme diese in Angriff nehmen. Die Einflussmöglichkeiten, die dem Benutzer dabei bleiben, sollen verstanden, bewertet und sinnvoll eingesetzt werden können. Damit sind die Studierenden über das reine Bedienen eines Datenbanksystems hinaus in der Lage, selbst konkrete Optimierungen von Anwendungen zu bewirken und das System entsprechend zu konfigurieren. Dieses Modul bietet einen Einblick in die Interna relationaler Datenbanksysteme. Es wird dargestellt, wie Datenbanken die Ausführung von Abfragen optimieren können. Dabei werden u.a. folgende Themen beleuchtet: Speicherhierarchie und grundlegende Architektur eines Datenbanksystems Indizierung als Technik zum effizienten Datenzugriff Ausführungspläne und deren Optimierung Transaktionsmanagement K60 () Seite 12

14 Modul Machine Learning Prüfungs- / Modulnummer / Machine Learning Semester 3 Prof. Dr. Knoblauch, Hochschule Albstadt-Sigmaringen Deutsch Zuordnung zum Curriculum Vertiefung Lehrinhalt Studien- und Prüfungsleistung Data Mining / Decision Support Diese Vorlesungen vermitteln einen systematischen vereinheitlichenden Überblick über Methoden des maschinellen Lernens und deren Anwendungsmöglichkeiten. Nach Abschluss dieses Moduls soll der Student ein "Arsenal" von Methoden kennen und verstehen, sowie in der Lage sein - je nach Problemstellung - geeignete Verfahren des Maschinellen Lernens auszuwählen, anzuwenden und zu evaluieren. Aufbauend auf den Vorlesungen "Datamining" und "Decision Support" vermittelt diese Vorlesung einen systematischen vereinheitlichenden Überblick über Methoden des maschinellen Lernens und deren Anwendungsmöglichkeiten. Einführung/Überblick Maschinelles Lernen, einfache lineare Modelle Neuronale Netzwerke Kernel-Methoden & Support Vector Machines Graphical Probabilistic Models Kombination von Modellen Lernen von Verhaltensmodellen K60 () Seite 13

15 Modul Textmining Prüfungs- / Modulnummer / Textmining Semester 3 Prof. Dr. Ponzetto, Universität Mannheim Englisch Zuordnung zum Curriculum Vertiefung Lehrinhalt Successful participants will be able to understand state-of-the-art methods for Natural Language Processing, as well as being able to select, apply and evaluate the most appropriate techniques for a variety of different practical and application-oriented scenarios. In the digital age, techniques to automatically process textual content have become ubiquitous. Given the breakneck speed at which people produce and consume textual content online e.g., on micro-blogging and other collaborative Web platforms like wikis, forums, etc. there is an ever-increasing need for systems that automatically understand human language, answer natural language questions, translate text, and so on. This class will provide a complete introduction to state-ofthe-art principles and methods of Natural Language Processing (NLP). The main focus will be on statistical techniques, and their application to a wide variety of problems. This is because statistics and NLP are nowadays highly intertwined, since many NLP problems can be formulated as problems of statistical inference, and statistical methods, in turn, represent de-facto the standard way to solve many, if not the majority, of NLP problems. Covered topics will include: Words o Language Modeling o Part-Of-Speech Tagging Syntax o Statistical Parsing Semantics and pragmatics o Computational Lexical Semantics o Computational Discourse Applications o Topic Modeling o Information Extraction Seite 14

16 Studien- und Prüfungsleistung o Question Answering and Summarization o Statistical Alignment and Machine Translation K60 () Seite 15

17 Modul Business Process and Big Data Use Cases Prüfungs- / Modulnummer / Business Process and Big Data Use Cases Semester 3 Prof. Dr. Ruf, Hochschule Albstadt-Sigmaringen Deutsch Zuordnung zum Curriculum Vertiefung In diesem Modul lernen die Studierenden den Anwendungsbezug von Big Data Analytics in der betrieblichen Praxis. Das Modul vermittelt aus betriebswirtschaftlicher Perspektive wie Unternehmen mit Big Data Lösungen messbare Beiträge für die Wertschöpfung leisten. Hierzu lernen die Studierenden, wie Big Data Analytics Projekte gemanagt werden, welche Wertschöpfungs- und Businessmodelle in der Datenwirtschaft möglich sind und wie Big Data Technologien für intelligentere Geschäftsprozesse im Unternehmen genutzt werden können. Lehrinhalt Business Modelle in der Datenwirtschaft Kategorisierung und Vorstellung von Use cases Vorgehensmodelle für BDA-Projekte Management von BDA-Projekten BDA RoI Referenzarchitekturen für BDA-Systeme Deployment Process Intelligence Datengetriebene Prozessanalysen und optimierungen Studien- und Prüfungsleistung K60 () Seite 16

18 Modul Kompaktseminar (Summerschool) Prüfungs- / Modulnummer - / Kompaktseminar (Summerschool) Semester 4 Tutoren HSAS, EKTU, UMA und von Partnerunternehmen Deutsch, Englisch Zuordnung zum Curriculum Praxis Summe: 80h Präsenzanteil: 80h Vorlesungen Übungen - - Das Kompaktseminar vermittelt den lernen die Studierenden unter Anleitung von Experten Werkzeuge und Methoden zur Analyse kennen und anzuwenden. Lehrinhalt Studien- und Prüfungsleistung Inhalte in Abhängigkeit von den durchführenden Dozenten wird von den durchführenden Dozenten angegeben. Seite 17

19 Modul Praktikum Prüfungs- / Modulnummer / Praktikum Semester 4 LoI-Partner der Anwendungsbranche LoI-Partner der Anwendungsbranche Deutsch, Englisch Zuordnung zum Curriculum Praxis Summe: 160h Präsenzanteil: 160h Mitarbeit an Aufgabenstellungen des LoI-Partner Ergebnis: Projektarbeit zur Bewertung durch den LoI-Partner Verteidigung der Projektarbeit vor Mitarbeitern des LoI- Partner (Dauer 40 Minuten; 20 Minuten Vortrag & 20 Minuten Verteidigung) Lehrinhalt Studien- und Prüfungsleistung R (1) M40 () Kompaktseminar Der Studierende ist in der Lage das in den Semestern 1 bis 3 erlernten Wissen in der Anwendungsbranche einzusetzten Inhalte werden durch den LoI-Partner vorgegeben. Pr (20 ECTS) wird duch den LoI-Partner vorgegeben Seite 18

20 Modul In-Mermory Databases Prüfungs- / Modulnummer / In-Memory Databases Semester 5 Prof. Dr. Grust, Eberhard Karls Universität Tübingen Deutsch Zuordnung zum Curriculum Vertiefung Lehrinhalt Studien- und Prüfungsleistung K60 () Seite 19

21 Modul Webmining Prüfungs- / Modulnummer / Webmining Semester 5 Prof. Dr. Bizer, Universität Mannheim Deutsch Zuordnung zum Curriculum Vertiefung Lehrinhalt Studien- und Prüfungsleistung K60 () Seite 20

22 Modul Semantic Web Technologies Prüfungs- / Modulnummer / Sematic Web Technologies Semester 5 Prof. Dr. Stuckenschmidt, Universtät Mannheim Englisch Zuordnung zum Curriculum Vertiefung Lehrinhalt Studien- und Prüfungsleistung The participants of this course learn about principles and applications of Semantic Web standards. They become familiar with their technical foundations such as representation and query languages, or logical inference. After taking this course, the students will be aware of the problems and benefits of semantic technologies in the context of tasks such as knowledge management, information search and data integration, and they will be capable of judging the applicability of these technologies for addressing practical challenges. This course gives an introduction to the technical foundations of Semantic Web Technologies, including knowledge representation and query languages, as well as logical inference. More specifically, it covers the following contents: Vision and Principles of the Semantic Web Representation Languages (XML, RDF, RDF Schema, OWL) Knowledge Modeling: Ontologies and Linked Data Logical Reasoning in RDF and OWL Commercial and Open Source Tools and Systems K60 () Pascal Hitzler, Markus Krötzsch and Sebastian Rudolph, Foundations of Semantic Web Technologies, Chapman & Hall/CRC, 2009 Seite 21

23 Modul Data Privacy & Data Compliance Prüfungs- / Modulnummer / Data Privacy & Data Compliance Semester 5 Prof. Dr. Ruf, Hochschule Albstadt-Sigmaringen Zuordnung zum Curriculum Vertiefung Business Process and Big Data Use Cases Nach Abschluss des Moduls kennen die Studierenden nationale und internationale Datenschutznormen und sind in der Lage Unterschiede herauszustellen. Sie kennen die verschiedenen Stadien der Datenerhebung, können diese rechtlich würdigen und in den betrieblichen Kontext einordnen. Die Studierenden haben auf der Grundlage von Praxisfällen gelernt, wie BDA- Projekte aus Datenschutzperspektive zu bearbeiten sind. Sie kennen die Schutzziele und können deren Berücksichtigung dokumentieren und bewerten. Die Studierenden kennen technische Lösungen zur Umsetzung des Datenschutzes und sind befähigt diese auf konkrete Use Cases anzuwenden. Lehrinhalt Einführung und Abgrenzung Datenschutz und Datensicherheit Normen Formen der Datenerhebung Datenarten Stadien der Datenverarbeitung Prinzipen und Schutzziele des Datenschutzes Datenschutzmodellierung Technische Lösungen Studien- und Prüfungsleistung K60 () Seite 22

24 Modul Master Thesis Prüfungs- / Modulnummer / Master Thesis Semester 6 1. Prüfer Dozenten der HSAS, EKUT oder UMA 2. Prüfer Dozenten der HSAS, EKUT oder UMA Deutsch, Englisch Zuordnung zum Curriculum Master Summe: 900h Vorlesungsteil (Kolloquien-Vortragsteilnahme): 10h Prüfung (Verteidigung): 1h Fernstudienanteil: 880h studium und Anleitung zum wissenschaftlichen Arbeiten: 80h Praktische Arbeiten für Entwurf, Umsetzung und Test: 500h Wahrnehmen der Onlinebetreuung und Beratung: 100h Ausarbeiten der Dokumentation, Verteidigung: 150h Prüfungsvorbereitung Verteidigung: 50h (1ETCS = 30h) 1 (schriftliche Prüfungsarbeit) (Verteidigung) Das Thema der Master-Thesis wird frühestens nach Abschluss des dritten Studiensemesters und spätestens drei Monate nach Abschluss aller Modul- bzw. Modulteilprüfungen ausgegeben. In Ausnahmefällen kann der Prüfungsausschuss auch bei Fehlen einer Prüfungsleistung (aus den ersten drei Semestern) der Zulassung zur Master-Thesis zustimmen. (gem. XX Abs. XX Satz X StuPo) Mit der Master-Arbeit erbringt der Student den Nachweis, dass er unter Anleitung selbstständige umfangreiche wissenschaftliche Themen bearbeiten kann. Er zeigt damit, dass er in der Lage ist, praxisorientierte oder theoretische Themenstellungen nach wissenschaftlichen Kriterien zu analysieren, zu strukturieren und ergebnisorientiert zu bearbeiten. Die Master-Thesis dokumentiert seine Arbeit und erfüllt die Kriterien eines wissenschaftlichen Berichts. Der Student erläutert und begründet seine Vorgehensweisen, Methoden und seinen Lösungsweg. Mit der Verteidigung wird das erworbene Wissen des Studenten im Zusammenhang geprüft. Er zeigt, dass er das im Studium erworbene Wissen zur Lösung umfassender Probleme der Data Science anwenden kann. Lehrinhalt Ist abhängig vom Thema und Inhalt der Master-Thesis. Studien- und Prüfungsleistung Ma (1) M40 () Ist abhängig vom Thema und Inhalt der Master-Thesis. Anleitung zur wissenschaftlichen Arbeit Projektmanagement und Dokumentation Vom Kandidaten selber vorgeschlagene vertiefende Seite 23

Erfolgreich studieren.

Erfolgreich studieren. Erfolgreich studieren. Studien- und Prüfungsordnung der Hochschule Albstadt-Sigmaringen für Masterstudiengänge (ausgenommen weiterbildende Masterstudiengänge) Besonderer Teil für den Studiengang Business

Mehr

Organisatorisches. Unit1: Intro and Basics. Bewertung. About Me.. Datenorientierte Systemanalyse. Gerhard Wohlgenannt

Organisatorisches. Unit1: Intro and Basics. Bewertung. About Me.. Datenorientierte Systemanalyse. Gerhard Wohlgenannt Organisatorisches Datenorientierte Systemanalyse Unit1: Intro and Basics Gerhard Wohlgenannt Inhalt: Datenorientierte Systemanalyse Umfang: 5 units XX.10.2013 XX.11.2013 09:00-13:30 Uhr Room XXX Infos,

Mehr

I. Allgemeine Vorschriften. 1 Grundsatz der Gleichberechtigung

I. Allgemeine Vorschriften. 1 Grundsatz der Gleichberechtigung Studienordnung für den postgradualen Studiengang "International Business Informatics" an der Wirtschaftswissenschaftlichen Fakultät der Europa-Universität Viadrina Frankfurt (Oder) Gemäß 74 Absatz 1, Ziffer

Mehr

Large Scale Data Management

Large Scale Data Management Large Scale Data Management Beirat für Informationsgesellschaft / GOING LOCAL Wien, 21. November 2011 Prof. Dr. Wolrad Rommel FTW Forschungszentrum Telekommunikation Wien rommel@ftw.at Gartner's 2011 Hype

Mehr

I. Allgemeine Vorschriften

I. Allgemeine Vorschriften Aufgrund von 9 Abs. 1 i. V. m. 74 Abs. 1, Ziff. 1 des Gesetzes über die Hochschulen des Landes Brandenburg (Brandenburgisches Hochschulgesetz - BbgHG) in der Fassung vom 6. Juli 2004 (GVBl. I S. 394 ff.),

Mehr

Universität Dortmund Integrating Knowledge Discovery into Knowledge Management

Universität Dortmund Integrating Knowledge Discovery into Knowledge Management Integrating Knowledge Discovery into Knowledge Management Katharina Morik, Christian Hüppe, Klaus Unterstein Univ. Dortmund LS8 www-ai.cs.uni-dortmund.de Overview Integrating given data into a knowledge

Mehr

Accounting course program for master students. Institute of Accounting and Auditing http://www.wiwi.hu-berlin.de/rewe

Accounting course program for master students. Institute of Accounting and Auditing http://www.wiwi.hu-berlin.de/rewe Accounting course program for master students Institute of Accounting and Auditing http://www.wiwi.hu-berlin.de/rewe 2 Accounting requires institutional knowledge... 3...but it pays: Lehman Bros. Inc.,

Mehr

Prof. Dr. Margit Scholl, Mr. RD Guldner Mr. Coskun, Mr. Yigitbas. Mr. Niemczik, Mr. Koppatz (SuDiLe GbR)

Prof. Dr. Margit Scholl, Mr. RD Guldner Mr. Coskun, Mr. Yigitbas. Mr. Niemczik, Mr. Koppatz (SuDiLe GbR) Prof. Dr. Margit Scholl, Mr. RD Guldner Mr. Coskun, Mr. Yigitbas in cooperation with Mr. Niemczik, Mr. Koppatz (SuDiLe GbR) Our idea: Fachbereich Wirtschaft, Verwaltung und Recht Simple strategies of lifelong

Mehr

unter Verwendung von Folien von Herrn Prof. Dr. Flensburg, von Laudon/Laudon/Schoder und von Frau Prof. Dr. Schuhbauer

unter Verwendung von Folien von Herrn Prof. Dr. Flensburg, von Laudon/Laudon/Schoder und von Frau Prof. Dr. Schuhbauer Knowledge Management Wissensmanagement 0. Produktionsfaktoren 1. Data Information Knowledge 2. Knowledge representation Wissensdarstellung 3. Interfaces to artificial intelligence 4. Knowledge management

Mehr

Proseminar - Data Mining

Proseminar - Data Mining Proseminar - Data Mining SCCS, Fakultät für Informatik Technische Universität München SS 2012, SS 2012 1 Data Mining Pipeline Planung Aufbereitung Modellbildung Auswertung Wir wollen nützliches Wissen

Mehr

Software Engineering verteilter Systeme. Hauptseminar im WS 2011 / 2012

Software Engineering verteilter Systeme. Hauptseminar im WS 2011 / 2012 Software Engineering verteilter Systeme Hauptseminar im WS 2011 / 2012 Model-based Testing(MBT) Christian Saad (1-2 students) Context Models (e.g. State Machines) are used to define a system s behavior

Mehr

Hochschule Esslingen. Modulbeschreibung TBB Internationale Technische Betriebswirtschaft. Inhaltsverzeichnis. Kanalstr. 33 73728 Esslingen

Hochschule Esslingen. Modulbeschreibung TBB Internationale Technische Betriebswirtschaft. Inhaltsverzeichnis. Kanalstr. 33 73728 Esslingen Kanalstr. 33 73728 Esslingen Inhaltsverzeichnis Seite 1 von 6 TBB602 MD International Business 2 Int.Marketing/-Finance & Case Studies Int.Business 3 International Conmmercial Law 5 Erläuterungen 6 Modul

Mehr

LOG AND SECURITY INTELLIGENCE PLATFORM

LOG AND SECURITY INTELLIGENCE PLATFORM TIBCO LOGLOGIC LOG AND SECURITY INTELLIGENCE PLATFORM Security Information Management Logmanagement Data-Analytics Matthias Maier Solution Architect Central Europe, Eastern Europe, BeNeLux MMaier@Tibco.com

Mehr

Proseminar - Data Mining

Proseminar - Data Mining Proseminar - Data Mining SCCS, Fakultät für Informatik Technische Universität München SS 2014, SS 2014 1 Data Mining: Beispiele (1) Hausnummererkennung (Klassifikation) Source: http://arxiv.org/abs/1312.6082,

Mehr

Lehrangebot am Institut für Marketing für Master of Science

Lehrangebot am Institut für Marketing für Master of Science Univ.-Prof. Dr. Anton Meyer Institut für Marketing Lehrangebot am Institut für Marketing für Master of Science - Informationen, Vorgehen, Richtlinien Stand: August 2012 www.marketingworld.de Übersicht

Mehr

Background for Hybrid Processing

Background for Hybrid Processing Background for Hybrid Processing Hans Uszkoreit Foundations of LST WS 04/05 Scope Classical Areas of Computational Linguistics: computational morphology, computational syntax computational semantics computational

Mehr

Fachgruppe Statistik, Risikoanalyse & Computing. STAT672 Data Mining. Sommersemester 2007. Prof. Dr. R. D. Reiß

Fachgruppe Statistik, Risikoanalyse & Computing. STAT672 Data Mining. Sommersemester 2007. Prof. Dr. R. D. Reiß Fachgruppe Statistik, Risikoanalyse & Computing STAT672 Data Mining Sommersemester 2007 Prof. Dr. R. D. Reiß Überblick Data Mining Begrifflichkeit Unter Data Mining versteht man die Computergestützte Suche

Mehr

URL: http://www.swt.tu-berlin.de/menue/studium_und_lehre/aktuelles_semester/ Modulbeschreibung

URL: http://www.swt.tu-berlin.de/menue/studium_und_lehre/aktuelles_semester/ Modulbeschreibung Titel des Moduls: Softwarequalität - Praxis Engl.: Applied Software Quality Verantwortlich für das Modul: Jähnichen, Stefan E-Mail: stefan.jaehnichen@tu-berlin.de Modulbeschreibung LP (nach ): 3 URL: http://www.swt.tu-berlin.de/menue/studium_und_lehre/aktuelles_semester/

Mehr

Management Information System SuperX status quo and perspectives

Management Information System SuperX status quo and perspectives Management Information System SuperX status quo and perspectives 1 Agenda 1. Business Intelligence: Basics 2. SuperX: Data Warehouse for Universities 3. Joolap: OLAP for Universities 4. Cooperative reporting

Mehr

Erfolgreich studieren.

Erfolgreich studieren. Erfolgreich studieren. Studien- und Prüfungsordnung der Hochschule Albstadt-Sigmaringen für Masterstudiengänge (ausgenommen weiterbildende Masterstudiengänge) Besonderer Teil für den Studiengang Facility

Mehr

KLU Offizielle Veröffentlichung FSPO 28.05.2014

KLU Offizielle Veröffentlichung FSPO 28.05.2014 Fachspezifische Studien- und Prüfungsordnung für den Master- Studiengang Global Logistics an der Kühne Logistics University Wissenschaftliche Hochschule für Logistik und Unternehmensführung Das Präsidium

Mehr

Vorgehensmodelle und webbasierte Technologien zur Integration von Systemen zur Unterstützung der Collaboration in Communities

Vorgehensmodelle und webbasierte Technologien zur Integration von Systemen zur Unterstützung der Collaboration in Communities Synopsis I Vorgehensmodelle und webbasierte Technologien zur Integration von Systemen zur Unterstützung der Collaboration in Communities Abschlussarbeit zur Erlangung des Grades Master of Science (MSc)

Mehr

Studien- und Prüfungsordnung

Studien- und Prüfungsordnung Schellingstrasse 24 D-7074 T +49 (0)7 8926 0 F +49 (0)7 8926 2666 www.hft-stuttgart.de info@hft-stuttgart.de Hochschule für Technik Studien- und Prüfungsordnung Master Software Technology - Vollzeit -

Mehr

Customer-specific software for autonomous driving and driver assistance (ADAS)

Customer-specific software for autonomous driving and driver assistance (ADAS) This press release is approved for publication. Press Release Chemnitz, February 6 th, 2014 Customer-specific software for autonomous driving and driver assistance (ADAS) With the new product line Baselabs

Mehr

The Master of Science Entrepreneurship and SME Management

The Master of Science Entrepreneurship and SME Management The Master of Science Entrepreneurship and SME Management 1 WELCOME! 2 Our Business Faculty focus on SME and Innovation. We are accredited from AQAS. Thus, our Master in SME offers a new and innovative

Mehr

Lehrangebot am Institut für Marketing

Lehrangebot am Institut für Marketing Institut für Marketing Univ.-Prof. Dr. Anton Meyer Lehrangebot am Institut für Marketing für Master of Science - Informationen, Vorgehen, Richtlinien Stand: Oktober 2011 www.marketing.bwl.lmu.de Übersicht

Mehr

Erfolgreich studieren.

Erfolgreich studieren. Erfolgreich studieren. Studien- und Prüfungsordnung der Hochschule Albstadt-Sigmaringen für Masterstudiengänge (ausgenommen weiterbildende Masterstudiengänge) Besonderer Teil für den Studiengang Textil-

Mehr

Minuten [1, 4 ] Mathematische

Minuten [1, 4 ] Mathematische Anlage: Übersicht über die Module und Prüfungen im Bachelorstudiengang Wirtschaftsinformatik (Information Systems and Management) an der Hochschule für angewandte Wissenschaften - Fachhochschule München

Mehr

Die Naturwissenschaftlich-Technische Fakultät 6 der Universität des Saarlandes Fachrichtung Informatik

Die Naturwissenschaftlich-Technische Fakultät 6 der Universität des Saarlandes Fachrichtung Informatik Die Naturwissenschaftlich-Technische Fakultät 6 der Universität des Saarlandes Fachrichtung Informatik Modulkatalog: Kernbereich des Schwerpunktfachs Informatik Fassung vom 17. September 2015 auf Grundlage

Mehr

(1) Für die Lehrveranstaltungen werden folgende Abkürzungen verwendet:

(1) Für die Lehrveranstaltungen werden folgende Abkürzungen verwendet: B. Besonderer Teil 28 Verwendete Abkürzungen () Für die werden folgende Abkürzungen verwendet: V = Vorlesung Ü = Übung L = Labor/Studio S = Seminar P = Praxis WA = Wissenschaftliche Arbeit EX = Exkursion

Mehr

Modultabelle. Masterstudiengänge Wirtschaftsinformatik (90 ECTS-Punkte und 120 ECTS-Punkte) Fakultät Wirtschaftsinformatik und Angewandte Informatik

Modultabelle. Masterstudiengänge Wirtschaftsinformatik (90 ECTS-Punkte und 120 ECTS-Punkte) Fakultät Wirtschaftsinformatik und Angewandte Informatik Otto-Friedrich-Universität Bamberg Modultabelle Masterstudiengänge Wirtschaftsinformatik (90 ECTS-Punkte und 120 ECTS-Punkte) Fakultät Wirtschaftsinformatik und Angewandte Informatik Stand: Wintersemester

Mehr

Modulbeschreibung. The course is principally designed to impart: technical skills 50%, method skills 40%, system skills 10%, social skills 0%.

Modulbeschreibung. The course is principally designed to impart: technical skills 50%, method skills 40%, system skills 10%, social skills 0%. Titel des Moduls: Parallel Systems Dt.: Parallele Systeme Verantwortlich für das Modul: Heiß, Hans-Ulrich E-Mail: lehre@kbs.tu-berlin.de URL: http://www.kbs.tu-berlin.de/ Modulnr.: 866 (Version 2) - Status:

Mehr

Sprachtechnologie in der Wissenschaft: Digital-Turn in evidenzbasierter Bildungsforschung und -information

Sprachtechnologie in der Wissenschaft: Digital-Turn in evidenzbasierter Bildungsforschung und -information Sprachtechnologie in der Wissenschaft: Digital-Turn in evidenzbasierter Bildungsforschung und -information Iryna Gurevych Sprachtechnologie-Feuerwerk: Aktuelle Anwendungsbeispiele und Zukunftsvisionen

Mehr

Betrugserkennung mittels Big Data Analyse Beispiel aus der Praxis TDWI München, Juni 2014

Betrugserkennung mittels Big Data Analyse Beispiel aus der Praxis TDWI München, Juni 2014 Betrugserkennung mittels Big Data Analyse Beispiel aus der Praxis TDWI München, Juni 2014 Beratung Business Analytics Software Entwicklung Datenmanagement AGENDA Der Kreislauf für die Betrugserkennung

Mehr

Information & Knowledge Management

Information & Knowledge Management Übergangsbestimmungen für das Masterstudium Information & Knowledge Management an der Technischen Universität Wien von der Studienkommission Informatik beschlossen am 20.9.2006 (1) Sofern nicht anderes

Mehr

Skills Resource Planning

Skills Resource Planning Skills Resource Planning Data Assessment Solutions GmbH Jena, 1.6.2015 Was wir machen Software Consulting Operations Management Skills- und Ressourcen-Management Data Analytics Daten- und Prozessintegration

Mehr

Inhaltsverzeichnis: Seite 1 von 6

Inhaltsverzeichnis: Seite 1 von 6 Vierte Änderung der Studienordnung für den Studiengang Angewandte Medieninformatik (bisher Media Processing and Interactive Services) (Master of Science) an der Fakultät Informatik der Fachhochschule Schmalkalden

Mehr

Distributed testing. Demo Video

Distributed testing. Demo Video distributed testing Das intunify Team An der Entwicklung der Testsystem-Software arbeiten wir als Team von Software-Spezialisten und Designern der soft2tec GmbH in Kooperation mit der Universität Osnabrück.

Mehr

Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick. Volker.Hinz@microsoft.com

Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick. Volker.Hinz@microsoft.com Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick Volker.Hinz@microsoft.com Was sagt der Markt? Fakten Meinung der Analysten zu Microsofts Angeboten Nutzen

Mehr

Mash-Up Personal Learning Environments. Dr. Hendrik Drachsler

Mash-Up Personal Learning Environments. Dr. Hendrik Drachsler Decision Support for Learners in Mash-Up Personal Learning Environments Dr. Hendrik Drachsler Personal Nowadays Environments Blog Reader More Information Providers Social Bookmarking Various Communities

Mehr

DIE ZUKUNFT WARTET NICHT. ANALYSIERE SIE.

DIE ZUKUNFT WARTET NICHT. ANALYSIERE SIE. INFORMATION SCIENCE & BIG DATA ANALYTICS * MASTER OF SCIENCE (MSc ) FLORIAN KALCHER, NDU Student DIE ZUKUNFT WARTET NICHT. ANALYSIERE SIE. *in Akkreditierung DAS DATENUNIVERSUM MEISTERN In der digitalen

Mehr

Individuelles Bachelorstudium. Software Engineering for Physics

Individuelles Bachelorstudium. Software Engineering for Physics Individuelles Bachelorstudium Software Engineering for Physics 1 Qualifikationsprofil Das individuelle Bachelorstudium Software Engineering for Physics vermittelt eine breite, praktische und theoretische

Mehr

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle DATA WAREHOUSE Big Data Alfred Schlaucher, Oracle Scale up Unternehmensdaten zusammenfassen Noch mehr Informationen aus Unternehmens- Daten ziehen! Datenmengen, Performance und Kosten Daten als Geschäftsmodell

Mehr

K 992/ Curriculum für das. Aufbaustudium. Management MBA

K 992/ Curriculum für das. Aufbaustudium. Management MBA K 992/ Curriculum für das Aufbaustudium Management MBA 1_AS_Management_MBA_Curriculum Seite 1 von 7 Inkrafttreten: 1.10.2012 Inhaltsverzeichnis 1 Zielsetzung... 3 2 Zulassung... 3 3 Aufbau und Gliederung...

Mehr

geändert durch Satzungen vom 17. Januar 2011 15. Februar 2013 18. Februar 2014 5. Juni 2014

geändert durch Satzungen vom 17. Januar 2011 15. Februar 2013 18. Februar 2014 5. Juni 2014 Der Text dieser Fachstudien- und Prüfungsordnung ist nach dem aktuellen Stand sorgfältig erstellt; gleichwohl ist ein Irrtum nicht ausgeschlossen. Verbindlich ist der amtliche, beim Prüfungsamt einsehbare

Mehr

Komplexität der Information - Ausgangslage

Komplexität der Information - Ausgangslage Intuition, verlässliche Information, intelligente Entscheidung ein Reisebericht Stephan Wietheger Sales InfoSphere/Information Management Komplexität der Information - Ausgangslage Liefern von verlässlicher

Mehr

Mechatronische Systeme Information Technology Master of Science (M.Sc.) Fachbereich Elektrotechnik und Informationstechnik

Mechatronische Systeme Information Technology Master of Science (M.Sc.) Fachbereich Elektrotechnik und Informationstechnik Mechatronische Systeme Information Technology Master of Science (M.Sc.) Fachbereich Elektrotechnik und Informationstechnik 1 Master FH LuH Februar 2007 Mechatronische Systeme Beginn WS 2006/2007 Konzept

Mehr

Education Day 2012. Wissensgold aus Datenminen: wie die Analyse vorhandener Daten Ihre Performance verbessern kann! Education Day 2012 11.10.

Education Day 2012. Wissensgold aus Datenminen: wie die Analyse vorhandener Daten Ihre Performance verbessern kann! Education Day 2012 11.10. Wissensgold aus Datenminen: wie die Analyse vorhandener Daten Ihre Performance verbessern kann! 11.10.2012 1 BI PLUS was wir tun Firma: BI plus GmbH Giefinggasse 6/2/7 A-1210 Wien Mail: office@biplus.at

Mehr

Teil II Lehrveranstaltungen

Teil II Lehrveranstaltungen Satzung des Fachbereichs Elektrotechnik der Fachhochschule Lübeck über das Studium im Bachelor-Studiengang Informatik/Softwaretechnik (INF) (Studienordnung Informatik/Softwaretechnik (INF)) Vom 9. Oktober

Mehr

Modul Strategic Management (PGM-07)

Modul Strategic Management (PGM-07) Modul Strategic Management (PGM-07) Beschreibung u. Ziele des Moduls Dieses Modul stellt als eine der wesentlichen Formen wirtschaftlichen Denkens und Handelns den strategischen Ansatz vor. Es gibt einen

Mehr

Learning Analytics und Foren

Learning Analytics und Foren Learning Analytics und Foren Agathe Merceron Beuth Hochschule für Technik Berlin Margarita Elkina Hochschule für Wirtschaft und Recht Berlin Albrecht Fortenbacher Hochschule für Technik und Wirtschaft

Mehr

SAS Education. Grow with us. Anmeldung bei SAS Education. Kurstermine Juli Dezember 2015 für Deutschland, Österreich und die Schweiz

SAS Education. Grow with us. Anmeldung bei SAS Education. Kurstermine Juli Dezember 2015 für Deutschland, Österreich und die Schweiz 2015 SAS Education Kurstermine Juli Dezember 2015 für Deutschland, Österreich und die Schweiz Anmeldung bei SAS Education Deutschland www.sas.de/education Tel. +49 6221 415-300 education@ger.sas.com Fax

Mehr

STUDIENPLAN FÜR DAS MASTERSTUDIUM QUANTITATIVE FINANCE AN DER WIRTSCHAFTSUNIVERSITÄT WIEN. 1 Qualifikationsprofil

STUDIENPLAN FÜR DAS MASTERSTUDIUM QUANTITATIVE FINANCE AN DER WIRTSCHAFTSUNIVERSITÄT WIEN. 1 Qualifikationsprofil STUDIENPLAN FÜR DAS MASTERSTUDIUM QUANTITATIVE FINANCE AN DER WIRTSCHAFTSUNIVERSITÄT WIEN Der Senat der Wirtschaftsuniversität Wien hat am 29.01.2014 gemäß 25 Abs 1 Z 10 Universitätsgesetz 2002 nachfolgenden

Mehr

Prüfungsordnung für die Durchführung der Externenprüfung Master of Engineering (M.Eng.) Technology Management

Prüfungsordnung für die Durchführung der Externenprüfung Master of Engineering (M.Eng.) Technology Management Prüfungsordnung für die Durchführung der Externenprüfung Master of Engineering (M.Eng.) Technology Management Vom 17.06.2015 Rechtsgrundlage Aufgrund von 32 Abs. 3 Satz 1 in Verbindung mit 33 des Gesetzes

Mehr

Prüfungsberatungs-Stunde Datenbanksysteme 1 (Dbs1)

Prüfungsberatungs-Stunde Datenbanksysteme 1 (Dbs1) Prüfungsberatungs-Stunde Datenbanksysteme 1 (Dbs1) Herbstsemester 2013/14 Prof. S. Keller Informatik HSR Januar 2014, HS13/14 Dbs1 - Prüfungsvorbereitung 1 Dbs1 Ziele Grundlagenwissen in folgenden Gebieten

Mehr

Digital Customer Experience Notwendiges Übel oder überlebenswichtige Notwendigkeit? Datalympics, 2. Juli 2014

Digital Customer Experience Notwendiges Übel oder überlebenswichtige Notwendigkeit? Datalympics, 2. Juli 2014 Digital Customer Experience Notwendiges Übel oder überlebenswichtige Notwendigkeit? Datalympics, 2. Juli 2014 Digitale Realität Die Welt verändert sich in rasantem Tempo Rom, Petersplatz, März 2013 Franziskus

Mehr

Einsatz einer Dokumentenverwaltungslösung zur Optimierung der unternehmensübergreifenden Kommunikation

Einsatz einer Dokumentenverwaltungslösung zur Optimierung der unternehmensübergreifenden Kommunikation Einsatz einer Dokumentenverwaltungslösung zur Optimierung der unternehmensübergreifenden Kommunikation Eine Betrachtung im Kontext der Ausgliederung von Chrysler Daniel Rheinbay Abstract Betriebliche Informationssysteme

Mehr

Semantic Web. Anwendungsbereiche & Entwicklungen. http://www.know-center.at. Dr. Michael Granitzer

Semantic Web. Anwendungsbereiche & Entwicklungen. http://www.know-center.at. Dr. Michael Granitzer Semantic Web Anwendungsbereiche & Entwicklungen Dr. Michael Granitzer - gefördert durch das Kompetenzzentrenprogramm Agenda Die Vision und warum das Semantic Web Sinn macht Grundlagen: Wissensrepräsentation

Mehr

Bachelor/Master-Thesis (für den Standort Stuttgart) Treiberbasierte Planung

Bachelor/Master-Thesis (für den Standort Stuttgart) Treiberbasierte Planung Bachelor/Master-Thesis (für den Standort Stuttgart) Treiberbasierte Planung Hochschulstudium (Wirtschaftsinformatik oder ein vergleichbarer Studiengang) Fachliche und technische Kenntnisse im Bereich Business

Mehr

Security Patterns. Benny Clauss. Sicherheit in der Softwareentwicklung WS 07/08

Security Patterns. Benny Clauss. Sicherheit in der Softwareentwicklung WS 07/08 Security Patterns Benny Clauss Sicherheit in der Softwareentwicklung WS 07/08 Gliederung Pattern Was ist das? Warum Security Pattern? Security Pattern Aufbau Security Pattern Alternative Beispiel Patternsysteme

Mehr

Privacy-preserving Ubiquitous Social Mining via Modular and Compositional Virtual Sensors

Privacy-preserving Ubiquitous Social Mining via Modular and Compositional Virtual Sensors Privacy-preserving Ubiquitous Social Mining via Modular and Compositional s Evangelos Pournaras, Iza Moise, Dirk Helbing (Anpassung im Folienmaster: Menü «Ansicht» à «Folienmaster») ((Vorname Nachname))

Mehr

An Introduction to Monetary Theory. Rudolf Peto

An Introduction to Monetary Theory. Rudolf Peto An Introduction to Monetary Theory Rudolf Peto 0 Copyright 2013 by Prof. Rudolf Peto, Bielefeld (Germany), www.peto-online.net 1 2 Preface This book is mainly a translation of the theoretical part of my

Mehr

Technologie für RIS und Portalverbund der nächsten Generation E-Government Experts Meeting 2010-02-16

Technologie für RIS und Portalverbund der nächsten Generation E-Government Experts Meeting 2010-02-16 Technologie für RIS und Portalverbund der nächsten Generation E-Government Experts Meeting 2010-02-16 Technologie4RISuPV.PPT/hoffmann/feb10/1 R4eGov Technologie4RISuPV.PPT/hoffmann/feb10/2 Ausgangspunkt:

Mehr

Syllabus Course description

Syllabus Course description Syllabus Course description Course title Human Resources and Organization Course code 27166 Scientific sector SECS-P/10 Degree Bachelor in Economics and Management Semester and academic year 2nd semester

Mehr

Software & Information Engineering

Software & Information Engineering Übergangsbestimmungen für das Bachelorstudium Software & Information Engineering an der Technischen Universität Wien von der Studienkommission Informatik beschlossen am 20.9.2006 (1) Sofern nicht anderes

Mehr

Sharing Digital Knowledge and Expertise

Sharing Digital Knowledge and Expertise Sharing Digital Knowledge and Expertise Die Spring und Summer Schools des GCDH Veranstaltungen 2012 2015 Summer und Spring Schools Workshop: Soziale Netzwerkanalyse Grundlagen und Interpretation Strickmuster

Mehr

1. In 8 Abs. 1 wird die bisherige Modulbezeichnung Geobezugssysteme durch die Modulbezeichnung Parameterschätzung und Geobezugssysteme ersetzt.

1. In 8 Abs. 1 wird die bisherige Modulbezeichnung Geobezugssysteme durch die Modulbezeichnung Parameterschätzung und Geobezugssysteme ersetzt. Dritte Satzung zur Änderung der Studien und Prüfungsordnung für den Bachelorstudiengang Geotelematik und Navigation (Geotelematics and Navigation) an der Hochschule für angewandte Wissenschaften Fachhochschule

Mehr

Kongsberg Automotive GmbH Vehicle Industry supplier

Kongsberg Automotive GmbH Vehicle Industry supplier Kongsberg Automotive GmbH Vehicle Industry supplier Kongsberg Automotive has its HQ in Hallbergmoos, 40 locations worldwide and more than 10.000 employees. We provide world class products to the global

Mehr

STUDIENPLAN FÜR DAS MASTERSTUDIUM QUANTITATIVE FINANCE AN DER WIRTSCHAFTSUNIVERSITÄT WIEN. 1 Qualifikationsprofil

STUDIENPLAN FÜR DAS MASTERSTUDIUM QUANTITATIVE FINANCE AN DER WIRTSCHAFTSUNIVERSITÄT WIEN. 1 Qualifikationsprofil STUDIENPLAN FÜR DAS MASTERSTUDIUM QUANTITATIVE FINANCE AN DER WIRTSCHAFTSUNIVERSITÄT WIEN (idf der Beschlüsse der Studienkommission vom 11.12.2008, 14.05.2009 und 05.06.2012, genehmigt vom Senat der Wirtschaftsuniversität

Mehr

Studien- und Prüfungsordnung für den Bachelor-Studiengang Wirtschaftsinformatik (ab Jahrgang 2007)

Studien- und Prüfungsordnung für den Bachelor-Studiengang Wirtschaftsinformatik (ab Jahrgang 2007) Amtliche Mitteilung Nr. 6/2008 25. Juni 2008 Studien- und Prüfungsordnung für den Bachelor-Studiengang Wirtschaftsinformatik (ab Jahrgang 2007) Auf der Grundlage von 9 Abs. 2, 13 Abs. 2 und 74 Abs. 1 Nr.

Mehr

Erste Änderung der Studien- und Prüfungsordnung

Erste Änderung der Studien- und Prüfungsordnung Amtliches Mitteilungsblatt Wirtschaftswissenschaftliche Fakultät Mathematisch-Naturwissenschaftliche Fakultät Erste Änderung der Studien- und Prüfungsordnung für den Masterstudiengang Wirtschaftsinformatik

Mehr

Komponenten des Big Data Lab Konzepte und Technologien zum Bearbeiten von Big Data Use Cases

Komponenten des Big Data Lab Konzepte und Technologien zum Bearbeiten von Big Data Use Cases Komponenten des Big Data Lab Konzepte und Technologien zum Bearbeiten von Big Data Use Cases Copyr i g ht 2012, SAS Ins titut e Inc. All rights res er ve d. Fachbereich: Die richtigen Fragen SAS BIG DATA

Mehr

Spezialisierung Business Intelligence

Spezialisierung Business Intelligence Spezialisierung Business Intelligence Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg peter.becker@h-brs.de 10. Juni 2015 Was ist Business Intelligence? Allgemein umfasst der Begriff Business

Mehr

Fachspezifische Studienund Prüfungsordnung für den Studiengang. Master of Arts in General Management FSPO MA GM

Fachspezifische Studienund Prüfungsordnung für den Studiengang. Master of Arts in General Management FSPO MA GM Fachspezifische Studienund Prüfungsordnung für den Studiengang Master of Arts in General Management FSPO MA GM 2015 Zeppelin Universität staatlich anerkannte Hochschule der Zeppelin Universität gemeinnützige

Mehr

Vom 6. August 2013. 1 Zweck der Studien- und Prüfungsordnung

Vom 6. August 2013. 1 Zweck der Studien- und Prüfungsordnung Studien- und Prüfungsordnung für den Masterstudiengang Software Engineering for Industrial Applications an der Hochschule für Angewandte Wissenschaften Hof Vom 6. August 2013 Aufgrund von Art. 13 Abs.

Mehr

UNIGRAZONLINE. With UNIGRAZonline you can organise your studies at Graz University. Please go to the following link: https://online.uni-graz.

UNIGRAZONLINE. With UNIGRAZonline you can organise your studies at Graz University. Please go to the following link: https://online.uni-graz. English Version 1 UNIGRAZONLINE With UNIGRAZonline you can organise your studies at Graz University. Please go to the following link: https://online.uni-graz.at You can choose between a German and an English

Mehr

Kybernetik Einführung

Kybernetik Einführung Kybernetik Einführung Mohamed Oubbati Institut für Neuroinformatik Tel.: (+49) 731 / 50 24153 mohamed.oubbati@uni-ulm.de 24. 04. 2012 Einführung Was ist Kybernetik? Der Begriff Kybernetik wurde im 1948

Mehr

Das Knowledge Grid. Eine Architektur für verteiltes Data Mining

Das Knowledge Grid. Eine Architektur für verteiltes Data Mining Das Knowledge Grid Eine Architektur für verteiltes Data Mining 1 Gliederung 1. Motivation 2. KDD und PDKD Systeme 3. Knowledge Grid Services 4. TeraGrid Projekt 5. Das Semantic Web 2 Motivation Rapide

Mehr

Big Data in Marketing und IT

Big Data in Marketing und IT Big Data in Marketing und IT Chancen erkennen, Strategien entwickeln und Projekte erfolgreich umsetzen T-Systems Hacker Day 30. September 2015 Prof. Dr. Alexander Rossmann Reutlingen University Big Data

Mehr

4 Module und Prüfungen (1) Die Tabelle in der Anlage 1 zeigt den Modul und Prüfungsplan des Bachelor Studiums Wirtschaftsinformatik

4 Module und Prüfungen (1) Die Tabelle in der Anlage 1 zeigt den Modul und Prüfungsplan des Bachelor Studiums Wirtschaftsinformatik Veröffentlicht im Nachrichtenblatt Hochschule Nr. 3/ 2015, S. 131 am 14.07.2015 Prüfungs und Studienordnung (Satzung) des Fachbereichs Wirtschaft für den Bachelor Studiengang Wirtschaftsinformatik an der

Mehr

Support Technologies based on Bi-Modal Network Analysis. H. Ulrich Hoppe. Virtuelles Arbeiten und Lernen in projektartigen Netzwerken

Support Technologies based on Bi-Modal Network Analysis. H. Ulrich Hoppe. Virtuelles Arbeiten und Lernen in projektartigen Netzwerken Support Technologies based on Bi-Modal Network Analysis H. Agenda 1. Network analysis short introduction 2. Supporting the development of virtual organizations 3. Supporting the development of compentences

Mehr

TMF projects on IT infrastructure for clinical research

TMF projects on IT infrastructure for clinical research Welcome! TMF projects on IT infrastructure for clinical research R. Speer Telematikplattform für Medizinische Forschungsnetze (TMF) e.v. Berlin Telematikplattform für Medizinische Forschungsnetze (TMF)

Mehr

2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung

2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung 2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung Reporting, Analyse und Data Mining André Henkel, initions AG 22. und 23. Oktober 2013 in Hamburg

Mehr

#Big Data in #Austria

#Big Data in #Austria Mario Meir-Huber und Martin Köhler #Big Data in #Austria Big Data Herausforderungen und Potenziale 23.6.2014 Vorstellung Studie Studie #BigData in #Austria Start: 1.11.2013 30.04.2014 Projektpartner: IDC

Mehr

Vierte Satzung zur Änderung der Studien- und Prüfungsordnung für Master-Studiengänge der Hochschule Aalen vom 25. Februar 2015. Artikel 1 Änderungen

Vierte Satzung zur Änderung der Studien- und Prüfungsordnung für Master-Studiengänge der Hochschule Aalen vom 25. Februar 2015. Artikel 1 Änderungen Vierte Satzung zur Änderung der Studien- und Prüfungsordnung für Master-Studiengänge der Hochschule Aalen vom 25. Februar 2015 Auf Grund von 8 Abs. 5 in Verbindung mit 32 des Gesetzes über die Hochschulen

Mehr

Fachstudien- und Prüfungsordnung für den Masterstudiengang Arbeitsmarkt und Personal der Rechts- und Wirtschaftswissenschaftlichen

Fachstudien- und Prüfungsordnung für den Masterstudiengang Arbeitsmarkt und Personal der Rechts- und Wirtschaftswissenschaftlichen Fachstudien- und Prüfungsordnung für den Masterstudiengang Arbeitsmarkt und Personal der Rechts- und Wirtschaftswissenschaftlichen Fakultät der Universität Erlangen- Nürnberg - FPOAuP - Vom 17. Juli 2009

Mehr

Bachelor (BSc) Mathematik

Bachelor (BSc) Mathematik BACHELOR-MASTER-KONZEPT FÜR MATHEMATISCHE STUDIENGÄNGE an der Technischen Universität München (TUM) FPO 2007 www-sb.ma.tum.de/study/studplan/ www-sb.ma.tum.de/docs/fpo/ 1. Übersicht Zum Wintersemester

Mehr

Dr. Stefan Wess, Geschäftsführer

Dr. Stefan Wess, Geschäftsführer Dr. Stefan Wess, Geschäftsführer Wirtschaftliche Aspekte der Suchtechnologie: Es geht um (viel) mehr als (nur) Die richtige Information zur richtigen Zeit bei der richtigen Person 4 Dr. Stefan Wess 11.

Mehr

Master-Thesis (m/w) für unseren Standort Stuttgart

Master-Thesis (m/w) für unseren Standort Stuttgart Master-Thesis (m/w) für unseren Standort Abschlussarbeit im Bereich Business Process Management (BPM) Effizienzsteigerung von Enterprise Architecture Management durch Einsatz von Kennzahlen Braincourt

Mehr

Anlage 1 zur FSPO BuErz: Modul- und Prüfungsliste Bachelor-/Masterstudiengang und Spezielle Module Bildungs- und Erziehungswissenschaft

Anlage 1 zur FSPO BuErz: Modul- und Prüfungsliste Bachelor-/Masterstudiengang und Spezielle Module Bildungs- und Erziehungswissenschaft Anlage 1 zur FSPO BuErz: Modul- und Prüfungsliste Bachelor-/Masterstudiengang und Spezielle Module Bildungs- und Erziehungs Bachelorstudiengang Modul- 01001 Einführung in die Grundlagen der Erziehungs

Mehr

Wirtschaftsinformatik studieren an der Fakultät für Informatik (FIN)

Wirtschaftsinformatik studieren an der Fakultät für Informatik (FIN) Wirtschaftsinformatik studieren an der Fakultät für Informatik (FIN) Vorstellung des Studiengangs Master Wirtschaftsinformatik Prof. Myra Spiliopoulou Institut für Technische & Betriebliche Informationssysteme

Mehr

ISO 15504 Reference Model

ISO 15504 Reference Model Prozess Dimension von SPICE/ISO 15504 Process flow Remarks Role Documents, data, tools input, output Start Define purpose and scope Define process overview Define process details Define roles no Define

Mehr

Exploring the knowledge in Semi Structured Data Sets with Rich Queries

Exploring the knowledge in Semi Structured Data Sets with Rich Queries Exploring the knowledge in Semi Structured Data Sets with Rich Queries Jürgen Umbrich Sebastian Blohm Institut AIFB, Universität Karlsruhe (TH) Forschungsuniversität gegründet 1825 www.kit.ed Overview

Mehr

Business Information Systems Technology

Business Information Systems Technology Business Systems Technology for Kiel Bernhard Thalheim Systems Engineering Group Computer Science Institute Kiel University, Germany Partners Witold Abramowicz: The Poznan University of Economics, Management

Mehr

DATA ANALYSIS AND REPRESENTATION FOR SOFTWARE SYSTEMS

DATA ANALYSIS AND REPRESENTATION FOR SOFTWARE SYSTEMS DATA ANALYSIS AND REPRESENTATION FOR SOFTWARE SYSTEMS Master Seminar Empirical Software Engineering Anuradha Ganapathi Rathnachalam Institut für Informatik Software & Systems Engineering Agenda Introduction

Mehr

Introduction to the diploma and master seminar in FSS 2010. Prof. Dr. Armin Heinzl. Sven Scheibmayr

Introduction to the diploma and master seminar in FSS 2010. Prof. Dr. Armin Heinzl. Sven Scheibmayr Contemporary Aspects in Information Systems Introduction to the diploma and master seminar in FSS 2010 Chair of Business Administration and Information Systems Prof. Dr. Armin Heinzl Sven Scheibmayr Objective

Mehr

Big-Data and Data-driven Business KMUs und Big Data Imagine bits of tomorrow 2015

Big-Data and Data-driven Business KMUs und Big Data Imagine bits of tomorrow 2015 Big-Data and Data-driven Business KMUs und Big Data Imagine bits of tomorrow 2015 b Wien 08. Juni 2015 Stefanie Lindstaedt, b Know-Center www.know-center.at Know-Center GmbH Know-Center Research Center

Mehr