Application-oriented analysis platforms (WP)*
Niveau
Masterstudium
Lernergebnisse der Lehrveranstaltungen/des Moduls
Die Teilnehmer:innen:
• kennen unterschiedliche, anwendungsorientierte Analyseplattformen (z.B. KNIME, RapidMiner, Grafana)
• können die kennengelernten Analyseplattformen hinsichtlich ihrer Eignung für einen bestimmten Anwendungsfall vergleichen.
• haben erste Anwendungserfahrung mit den vorgestellten Plattformen gesammelt.
• kennen unterschiedliche, anwendungsorientierte Analyseplattformen (z.B. KNIME, RapidMiner, Grafana)
• können die kennengelernten Analyseplattformen hinsichtlich ihrer Eignung für einen bestimmten Anwendungsfall vergleichen.
• haben erste Anwendungserfahrung mit den vorgestellten Plattformen gesammelt.
Voraussetzungen der Lehrveranstaltung
Keine
Lehrinhalte
• Vorstellung unterschiedlicher anwendungsorientierter Analyseplattformen (z.B KNIME, RapidMiner, Grafana)
• Vorstellung unterschiedlicher Cloudlösungen für die Datenanalyse (z.B. Google Cloud, AWS, Azure)
• Anwenden der vorgestellten Plattformen am Beispiel von Analysedatensätzen
• Diskussion der unterschiedlichen Ansätze
• Vorstellung unterschiedlicher Cloudlösungen für die Datenanalyse (z.B. Google Cloud, AWS, Azure)
• Anwenden der vorgestellten Plattformen am Beispiel von Analysedatensätzen
• Diskussion der unterschiedlichen Ansätze
Empfohlene Fachliteratur
• Mishra, A. (2019): Machine Learning in the AWS Cloud: Add Intelligence to Applications with Amazon SageMaker and Amazon Rekognition (Ed. 1), Wiley, Chichester (ISBN: 978-1119556718)
• Klinkenberg, R., Hofmann, M. (2016): RapidMiner (Ed. 1), Chapman and Hall, Farnham (ISBN: 978-1482205503)
• Lakshmanan, V. (2017): Data Science on the Google Cloud Platform: Implementing End-to-End Real-Time Data Pipelines: From Ingest to Machine Learning (Ed. 1), O'Reilly Media, Farnham (ISBN: 978-1491974537)
• Klinkenberg, R., Hofmann, M. (2016): RapidMiner (Ed. 1), Chapman and Hall, Farnham (ISBN: 978-1482205503)
• Lakshmanan, V. (2017): Data Science on the Google Cloud Platform: Implementing End-to-End Real-Time Data Pipelines: From Ingest to Machine Learning (Ed. 1), O'Reilly Media, Farnham (ISBN: 978-1491974537)
Bewertungsmethoden und -Kriterien
Seminararbeit
Unterrichtssprache
Englisch
Anzahl der zugewiesenen ECTS-Credits
4
Semesterwochenstunden (SWS)
Geplante Lehr- und Lernmethode
Vortrag mit Diskussion, Bearbeitung von Übungsaufgaben, interaktiver Workshop
Semester/Trisemester, In dem die Lehrveranstaltung/Das Modul Angeboten wird
3