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.

1. Einführung
   1. Warum Python?
   2. Beschaffung und Installation von Python
   3. Der Python-Interpreter, IPython und Jupyter
2. Variablen und Datentypen
   1. Variablen und Wertzuweisung
   2. Zahlen
   3. Strings
   4. Sammlungen
   5. Dateien
3. Erklärungen
   1. Zuweisung, Ausdrücke und Druck
   2. Bedingte Anweisungen
   3. Schleifen
   4. Iteratoren und Verständnisse
4. Funktionen
   1. Funktionserklärung
   2. Umfang
   3. Argumente
5. Fehler und Ausnahmen
   1. Fehler
   2. Behandlung von Ausnahmen
   3. Protokolle
6. Module und Pakete
   1. Verwendung
   2. Namensräume
   3. Dokumentation
   4. Populäre Datenwissenschaftspakete

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.

• Der Kurs bietet den Studierenden eine gründliche Einführung in wichtige Begriffe und Konzepte aus dem Bereich der objektorientierten Programmierung wie Klassen, Objekte, Abstraktion, Kapselung, Vererbung, Polymorphismus, Komposition und Delegation. Zusätzlich wird das Paradigma der funktionalen Programmierung und zugehörige Ideen wie Funktionen als erste Klasse Objekte, Dekoratoren, reine Funktionen, Unveränderbarkeit und Funktionen höherer Ordnung vermittelt. Entsprechend dem Portfolio-Kurstyp werden die oben genannten Konzepte und Ideen durch praktische Programmierprojekte untersucht.

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.

1. Grundlagen relationaler Datenbanken
   1. Grundkonzepte des relationalen Datenmodells
   2. Datensätze in der Datenbank suchen und löschen
   3. SQL und Relationale Datenbanksysteme
2. Datenbankanfragen an genau eine Tabelle
   1. Daten abfragen (SELECT)
   2. Daten mit Bedingung abfragen (WHERE)
   3. Ausgabe von Abfragen sortieren (ORDER BY)
   4. Abfragen mit Gruppenbildung (GROUP BY)
   5. Unterabfragen mit verschachtelten SELECT-Statements
3. Konzeption und Modellierung von relationalen Datenbanken
   1. Das Entity Relationship-Modell
   2. Beziehungen und Kardinalitäten in E/R-Modellen
   3. Normalformen von Datenbanken
4. Erstellung von relationalen Datenbanken
   1. Aktivitäten zum logischen Datenbankentwurf
   2. Abbildung vom konzeptionellen Datenmodell in das physikalische Datenmodell
   3. Erzeugen von Tabellen in SQL-Datenbanken aus E/R-Diagrammen
5. Komplexe Datenbankabfragen auf mehreren Tabellen
   1. Verbundmengen (JOIN)
   2. Mengenoperationen
   3. Datensichten mit CREATE VIEW
6. Manipulieren von Datensätzen in Datenbanken
   1. Neue Datensätze einfügen (INSERT)
   2. Vorhandene Datensätze ändern
   3. Transaktionen
7. NoSQL-Datenbanksysteme
   1. Motivation und Grundidee
   2. Ausgewählte Gruppen von NoSQL-Systemen

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.

In diesem Kurs wenden die Studierenden ihr Wissen über Datenmodellierung und Datenbanken an, um einen Anwendungsfall ihrer Wahl in einem Projekt zu implementieren. Alle relevanten Artefakte, wie die Bewertung des Anwendungsfalls, die gewählte Methode zur Implementierung, der Code und die Ergebnisse, werden in Form einer schriftlichen Ausarbeitung dokumentiert.

Das Streben nach Künstlicher Intelligenz (KI) hat die Menschheit über viele Jahrzehnte hinweg in Atem gehalten und ist seit den 60er Jahren ein aktives Forschungsgebiet. Dieser Kurs gibt einen detaillierten Überblick über die historischen Entwicklungen, Erfolge und Rückschläge in der KI sowie über moderne Ansätze in der Entwicklung der Künstlichen Intelligenz wie generative KI. Der Kurs gibt eine Einführung in das Reinforcement Learning, einen Prozess, der der Art und Weise ähnelt, wie Menschen und Tiere die Welt erleben: Erkundung der Umgebung und Ableitung der besten Aktion. Der Kurs behandelt auch die Grundsätze der Verarbeitung natürlicher Sprache und des Computer-Visualisierungsverfahrens, beides Schlüsselkomponenten für eine künstliche Intelligenz, die mit ihrer Umgebung interagieren kann.

1. Geschichte der KI
   1. Historische Entwicklung
   2. KI-Winter
   3. Expertensysteme
   4. Bemerkenswerte Fortschritte
2. Moderne KI-Systeme
   1. Schwache KI, starke KI und künstliche Superintelligenz
   2. Anwendungsbereiche
3. Bestärkendes Lernen
   1. Was ist bestärkendes Lernen?
   2. Markov-Entscheidungsprozess und Wertfunktionen
   3. Temporales Differenzlernen und Q-Learning
4. Natural Language Processing (NLP)
   1. Einführung in NLP und Anwendungsbereiche
   2. Grundlegende NLP-Techniken
   3. Daten vektorisieren
   4. Fortschrittliche NLP-Modelle
5. Computer Vision
   1. Einführung in Computer Vision
   2. Bilddarstellung und -Geometrie
   3. Feature Engineering
   4. Semantische Segmentierung
   5. Techniken zur Bildgenerierung

In diesem Kurs erkunden die Studierenden die faszinierende Welt des Prompts in generativen KI-Anwendungen. Sie beteiligen sich an praktischen Übungen, um neue KI-generierte Inhalte wie Texte, Bilder und Videos zu erstellen. Durch diese Übungen lernen die Studierenden, wie sie diese Systeme effektiv nutzen, analysieren und bewerten können, entsprechend ihrem jeweiligen Studienbereich.

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.

• In diesem Kurs arbeiten die Studierenden an einer grundlegenden praktischen Umsetzung eines generativen KI-Anwendungsfalls, indem sie aus einer Auswahl, die in der ergänzenden Richtlinie bereitgestellt wird, wählen. Der Kurs bietet praktische Beispiele als Lernmaterialien und Übungen mit grundlegenden Prompt-Techniken für Open-Source-Text-, Bild- und Video-Generierungsfälle. Die Übungen sollen die Studierenden inspirieren und anleiten, ihren eigenen generativen KI-Anwendungsfall zu bearbeiten, der eine Beschreibung des Anwendungsfalls, ausgewählte Prompt-Techniken, Ergebnisse und kritische Bewertungen aus technischer und ethischer Perspektive umfasst.