Big Data Analytics

In dieser Lehrveranstaltung werden die Grundlagen und die Techniken zur Auswertung sehr großer Datenmengen vermittelt. Diese Daten lassen sich neben ihrer Größe durch vier weitere Merkmale charakterisieren: hohe Variabilität, stetiger und massiver Zuwachs, schlechte Datenqualität und hohe Komplexität. Die zur Analyse notwendigen Techniken und Methoden, bekommen die Studierenden in diesem Modul vermittelt.

Die Lernziele dieser Lehrveranstaltung sind:
(WAS): Sie werden fachlich in die Lage versetzt die Charakteristika, Potenziale und Risiken von Big Data zu verstehen und abzuschätzen und eine systematische Planung und Umsetzung der Analyse von Massendaten unter spezifischen wirtschaftlichen wie wissenschaftlichen Fragestellungen vorzunehmen,
(WOMIT): Indem Sie Big Data Architekturen in ihrem Aufbau verstehen, NoSQL Datenbanken für semistrukturierte Daten verstehen und nutzen sowie Daten vorverarbeiten, säubern und transformieren können, darüber hinaus Analysemethoden wie Neuronale Netze verstehen, anwenden und optimieren und reale, große Datensätzen analysieren, Ergebnisse visualisieren und interpretieren sowie reporten können.
(WOZU): Um mit den aus umfangreichen Analysen und Ergebnismodellen gewonnenen Erkenntnissen Handlungsempfehlungen und Entscheidungen abzuleiten und für die Wissenschaft und Wirtschaft aufzubereiten.

Die konkreten Lehrinhalte dieser Veranstaltung sind:
  • Big Data Analytics - Grundlagen
    • Charakteristika
    • Potenziale und Risiken von Big Data
    • Einsatzmöglichkeiten
  • Big Data Analytics – Methoden und Architekturen
    • Aufbau von Big Data Architekturen
    • SQL und NoSQL Koexistenz
    • Kopplungsanalysen und Star Schema / Snow Flake Schema
    • Datenvorverarbeitung, -cleansing und -transformation
    • Grundlagen neuronaler Netze und Deep Learning Ansätze zur Optimierung
  • Big Data Analytics – Anwendungen
    • Analyse realer Datensätze und Bearbeitung praktischer Problemstellungen
    • Validierung und Deployment
    • Fortgeschrittene Visualisierungstechniken
    • Ableitung von Handlungsempfehlungen und Reporting der Ergebnisse