Software Development 2
Niveau
Masterstudium
Lernergebnisse der Lehrveranstaltungen/des Moduls
Die Teilnehmer:innen:
• können weiterführende Konzepte der Softwareentwicklung (z.B. Pipelines, Testen, usw.) die im Bereich der Data Science häufig angewandt werden, anwenden
• können den Einsatz der erarbeiteten Konzepte in häufig genutzten Softwareentwicklungsumgebung im Bereich der Datenanalyse (z.B. in Python) beschreiben
• können weiterführende Applikationen konzipieren, um grundlegende Funktionalitäten zu automatisieren
• können konzipierte Applikationen selbständig implementieren
• können weiterführende Konzepte der Softwareentwicklung (z.B. Pipelines, Testen, usw.) die im Bereich der Data Science häufig angewandt werden, anwenden
• können den Einsatz der erarbeiteten Konzepte in häufig genutzten Softwareentwicklungsumgebung im Bereich der Datenanalyse (z.B. in Python) beschreiben
• können weiterführende Applikationen konzipieren, um grundlegende Funktionalitäten zu automatisieren
• können konzipierte Applikationen selbständig implementieren
Voraussetzungen der Lehrveranstaltung
1. Semester: Die Studierenden verfügen über Vorwissen im Bereich Informationstechnologien im Umfang von 6 ECTS und kennen daher das Konzept der Relationalen Datenbank und können einfache SQL-Abfragen lesen. / 1. Semester: Die Studierenden verfügen über Vorwissen im Bereich Informationstechnologien im Umfang von 6 ECTS und kennen daher einfache Programmierkonzepte (z.B. Variablen, Verzweigungen, Schleifen), sowie typische Programmieransätze (z.B. funktionale Programmierung). / 2. Semester: Modulprüfung SDDE.A1 (Software Development 1)
Lehrinhalte
Folgende Inhalte werden in der Lehrveranstaltung besprochen:
- 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 Patterns) für datengetriebene Anwendungen
- Konzeption und Umsetzung effizienter und skalierbarer Softwaresysteme für datengetriebene Anwendungen
- Testen von Softwareapplikationen (z.B. Unit Tests, Integration Tests usw.)
- 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 Patterns) für datengetriebene Anwendungen
- Konzeption und Umsetzung effizienter und skalierbarer Softwaresysteme für datengetriebene Anwendungen
- Testen von Softwareapplikationen (z.B. Unit Tests, Integration Tests usw.)
Empfohlene Fachliteratur
- Lutz, M (2025): Learning Python, O'Reilly (ISBN: 978-1098171308)
- Sommerville, I. (2015): Software Engineering, Global Edition (Ed. 10), Pearson Education, London (ISBN: 978-1292096131)
- Williams, L.; Zimmermann, T. (2016): Perspectives on Data Science for Software Engineering (Ed. 1), Morgan Kaufmann, Burlington (ISBN: 978-0128042069)
- Sommerville, I. (2015): Software Engineering, Global Edition (Ed. 10), Pearson Education, London (ISBN: 978-1292096131)
- Williams, L.; Zimmermann, T. (2016): Perspectives on Data Science for Software Engineering (Ed. 1), Morgan Kaufmann, Burlington (ISBN: 978-0128042069)
Bewertungsmethoden und -Kriterien
Klausur
Unterrichtssprache
Englisch
Anzahl der zugewiesenen ECTS-Credits
6
Semesterwochenstunden (SWS)
Geplante Lehr- und Lernmethode
Folgende Methoden kommen zum Einsatz:
- Vortrag mit Diskussion
- Bearbeitung von Übungsaufgaben
- Interaktiver Workshop
- Vortrag mit Diskussion
- Bearbeitung von Übungsaufgaben
- Interaktiver Workshop
Semester/Trisemester, In dem die Lehrveranstaltung/Das Modul Angeboten wird
2