Data Analytics & Modeling
Niveau
Vertiefung
Lernergebnisse der Lehrveranstaltungen/des Moduls
Die Teilnehmer:innen:
• analysieren große, heterogene Datenmengen aus FM/RE-Kontexten und identifizieren relevante Muster, Anomalien und Zusammenhänge.
• bewerten Big-Data-Architekturen sowie Datenqualitäts- und Datenintegrationsprozesse bezüglich ihrer Eignung für strategische Entscheidungen im Immobilien- und Facility Management.
• modellieren Prognosen, Cluster oder Szenarien mithilfe fortgeschrittener analytischer Methoden und gestalten datenbasierte Entscheidungsmodelle für komplexe Fragestellungen.
• reflektieren ethische, datenschutzrechtliche und organisationale Herausforderungen datengetriebener Entscheidungsprozesse und entwickeln Richtlinien für verantwortungsvolle Big-Data-Nutzung.
• analysieren große, heterogene Datenmengen aus FM/RE-Kontexten und identifizieren relevante Muster, Anomalien und Zusammenhänge.
• bewerten Big-Data-Architekturen sowie Datenqualitäts- und Datenintegrationsprozesse bezüglich ihrer Eignung für strategische Entscheidungen im Immobilien- und Facility Management.
• modellieren Prognosen, Cluster oder Szenarien mithilfe fortgeschrittener analytischer Methoden und gestalten datenbasierte Entscheidungsmodelle für komplexe Fragestellungen.
• reflektieren ethische, datenschutzrechtliche und organisationale Herausforderungen datengetriebener Entscheidungsprozesse und entwickeln Richtlinien für verantwortungsvolle Big-Data-Nutzung.
Voraussetzungen der Lehrveranstaltung
Grundlagen Statistik & Datenmanagement aus dem Bachelor; Basiskenntnisse digitaler Tools
Lehrinhalte
- Big-Data-Grundlagen in der Immobilie
- Datenqualität, Data Governance, ETL-Prozesse und Datenpipelines
- Explorative Datenanalyse & Feature Engineering für große Datenmengen
- Modellierungsverfahren
- Big-Data-Tools & Ecosystems
- Datenqualität, Data Governance, ETL-Prozesse und Datenpipelines
- Explorative Datenanalyse & Feature Engineering für große Datenmengen
- Modellierungsverfahren
- Big-Data-Tools & Ecosystems
Empfohlene Fachliteratur
- De Wolf, C., Çetin, S., & Bocken, N. M. P. (Eds). (2024). A Circular Built Environment in the Digital Age. Springer International Publishing. https://doi.org/10.1007/978-3-031-39675-5
- Garg, V., Goel, R., Tiwari, P., & Döngül, E. S. (2024). Handbook of Artificial Intelligence Applications for Industrial Sustainability: Concepts and Practical Examples (1st edn). CRC Press. https://doi.org/10.1201/9781003348351
- Heath, C., & Starr, K. (2022). Making numbers count: The art and science of communicating numbers (First Avid Reader Press hardcover edition). Avid Reader Press.
- Viceconti, M., & Emili, L. (Eds). (2024). Toward Good Simulation Practice: Best Practices for the Use of Computational Modelling and Simulation in the Regulatory Process of Biomedical Products. Springer Nature Switzerland. https://doi.org/10.1007/978-3-031-48284-7
- Garg, V., Goel, R., Tiwari, P., & Döngül, E. S. (2024). Handbook of Artificial Intelligence Applications for Industrial Sustainability: Concepts and Practical Examples (1st edn). CRC Press. https://doi.org/10.1201/9781003348351
- Heath, C., & Starr, K. (2022). Making numbers count: The art and science of communicating numbers (First Avid Reader Press hardcover edition). Avid Reader Press.
- Viceconti, M., & Emili, L. (Eds). (2024). Toward Good Simulation Practice: Best Practices for the Use of Computational Modelling and Simulation in the Regulatory Process of Biomedical Products. Springer Nature Switzerland. https://doi.org/10.1007/978-3-031-48284-7
Bewertungsmethoden und -Kriterien
Portfolioprüfung
Unterrichtssprache
Deutsch
Anzahl der zugewiesenen ECTS-Credits
4
Semesterwochenstunden (SWS)
Geplante Lehr- und Lernmethode
Vorlesungen, Diskussionen, Übungen, Fallstudien, Gruppenarbeit
Semester/Trisemester, In dem die Lehrveranstaltung/Das Modul Angeboten wird
1