Dieser Kurs vermittelt den Teilnehmenden ein grundlegendes Verständnis der Programmiersprache Python. Nach einer einleitenden Darstellung der Bedeutung von Python für datenwissenschaftliche Programmieraufgaben werden die Studenten mit grundlegenden Programmierkonzepten wie Variablen, Datentypen und Anweisungen vertraut gemacht. Darauf aufbauend wird der wichtige Begriff einer Funktion erläutert und Fehler, Ausnahmebehandlung und Protokollierung erklärt. Der Kurs schließt mit einem Überblick über die am weitesten verbreiteten Bibliothekspakete für Data Science ab.

Dieser Kurs baut auf Grundkenntnissen der Python-Programmierung (Introduction to Programming with Python, DLBDSIPWP) auf und befasst sich mit der Darstellung fortgeschrittener Python-Programmierkonzepte. Zu diesem Zweck werden wichtige Begriffe der objektorientierten Programmierung wie Klassen und Objekte und die zugehörigen Entwurfsprinzipien erläutert. Ausgehend von einer eingehenden Diskussion fortgeschrittener Merkmale von Python-Funktionen werden funktionale Programmierkonzepte und ihre Implementierung in Python vermittelt. Speziell im dualen Fernstudium:

Im dualen Fernstudium ist der Theorie-Praxis-Transfer anhand eines realen Projekts, das im Praxisbetrieb umgesetzt werden soll, zu leisten. Im Rahmen des Praxisprojektes bearbeiten die Studierenden eine praxisrelevante Fragestellung ihres Praxisbetriebs unter Betreuung einer:s Lehrenden. Eine Betreuung seitens Praxispartner kann auf Wunsch erfolgen.

Gespeicherte Daten bilden die Grundlage von vielen Wertschöpfungsketten einer Informations- und Wissensgesellschaft. Daher bildet die methodische Strukturierung von Datenschemas als „Formgeber“ gespeicherter Daten eine wichtige Grundlage, um gespeicherte Informationen so abzulegen, dass ein einfaches Wiederfinden und Bearbeiten möglich ist. Neben dem strukturierten Speichern von Daten muss auch ein strukturierter Zugriff auf große Datenmengen möglich sein.

In diesem Kurs wird vermittelt, wie Daten in relationalen Datenmodellen gespeichert werden und wie auf gespeicherte Daten mit SQL zugegriffen werden kann. Weiterhin werden neben relationalen Datenbanksystemen auch moderne DB-Systeme (NoSQL) zum Speichern und Zugreifen von Daten vorgestellt.

Dieser Kurs bietet die Möglichkeit, ein reales Anwendungsszenario für eine bestimmte Datenbank zu implementieren. Eine Liste mit Ideen für Anwendungsfälle wird auf der Online-Lernplattform zur Verfügung gestellt. Darüber hinaus können die Studierenden in Absprache mit dem Tutor eigene Anwendungsfälle einbringen und implementieren. Im Vordergrund steht die Umsetzung des theoretischen Wissens über Datenbankmethoden und -ansätze zur Lösung eines realen Anwendungsszenarios. Dazu gehört auch, mögliche Design- und Architekturentscheidungen mithilfe von Methoden aus der Datenbankmodellierung zu begründen und in einem funktionierenden Datenbanksystem zu implementieren.

Speziell im dualen Fernstudium: Im dualen Fernstudium ist der Theorie-Praxis-Transfer anhand eines realen Projekts, das im Praxisbetrieb umgesetzt werden soll, zu leisten. Im Rahmen des Praxisprojektes bearbeiten die Studierenden eine praxisrelevante Fragestellung ihres Praxisbetriebs unter Betreuung einer:s Lehrenden. Eine Betreuung seitens Praxispartner kann auf Wunsch erfolgen.

Daten werden oft als das "neue Öl" betrachtet, als der Rohstoff, aus dem Mehrwerte geschaffen werden. Um die Macht der Daten nutzbar zu machen, müssen die Daten gespeichert und auf technischer Ebene verarbeitet werden. In diesem Kurs werden die vier "Vs" von Daten sowie typische Datenquellen und -typen vorgestellt. Der Kurs behandelt die gängigsten Datenspeicherformate, die in modernen Systemen anzutreffen sind, wobei sowohl auf textbasierte als auch auf binäre Datenformate eingegangen wird. Der Umgang mit großen Datenmengen stellt erhebliche Herausforderungen an die zugrunde liegende Infrastruktur. Der Kurs behandelt die wichtigsten verteilten und Streaming-Datenverarbeitungs-Frameworks, die in führenden Anwendungen eingesetzt werden.

Ziel des Kurses ist es, die Studierenden mit ausgewählten Methoden und Techniken der Datenanalyse im Kontext stetig wachsender, heterogener Datenmengen vertraut zu machen. Hierzu wird zunächst die grundsätzliche Relevanz von Big Data-Methoden anhand der historischen Entwicklung der Datenbestände motiviert. Entscheidend ist hier unter anderem die kontinuierliche Belieferung der Systeme mit Sensordaten aus dem Internet of Things. Es folgt eine kurze Einführung in die wesentlichen statistischen Grundlagen, bevor die einzelnen Schritte des Data Mining-Prozess thematisiert werden. In Abgrenzung zu diesen klassischen Verfahren werden dann ausgewählte Methoden vorgestellt, mit denen Datenbestände im Big Data-Kontext analysierbar gemacht werden können. Weil die Datenanalyse bestimmten gesetzlichen Rahmenbedingungen unterliegt, werden in diesem Kurs zudem rechtliche Aspekte wie der Datenschutz behandelt. Der Kurs schließt mit einem Überblick über den Praxiseinsatz von Big Data-Methoden und -Werkzeugen. Hierbei werden insbesondere die Anwendungsfelder im industriellen Kontext beleuchtet.