Big Data Lab Cluster
Installation, Konfiguration und Benutzung eines Hadoop-Cluster mit 5 Nodes (Master, Workers, Edge, Admin) für den Einsatz im Umfeld von BigData. Die zugrunde liegenden technischen Installationen der Tools werden in diesem Labor mithilfe von ambari.apache.org innerhalb von virtuellen Maschinen selbst durchgeführt. Anhand dieses Clusters werden HDFS, YARN, Hive, Spark und Kafka vertieft betrachtet. (3 ECTS)
Big Data Lab Sandbox
In einer Sandbox-Umgebung mit mehreren vorinstallierten Big Data Tools wird der Einsatz und das Zusammenspiel von diesen Tools ergründet. Theorieteile werden zum Teil über das Flipped Classroom-Verfahren behandelt. Die Studierenden generieren selber "on the fly" Laborübungen aus ihrem Erfahrungs-/Interessebereich. Diese Laborübungen werden in der Präsenzzeit der Vorlesung ausgetauscht und gegenseitig gelöst. (3 ECTS)
Business Intelligence & Decision Support
Der Kurs behandelt Grundlagen und praktische Anwendungen von Business Intelligence und Decision Support Systemen. Nebst einem Überblick über gängige Modellklassen der Advanced Analytics (z.B. Klassifikation, Clustering) werden Vorteile und Grenzen der entsprechenden Ansätze aufgezeigt. Geschult wird anhand konkreter Beispiele auch die Interpretation von Analysen. Die Studierenden wenden das Gelernte auf eine reale Business-Problemstellung an. (3 ECTS)
Data Science Basics
Dieses Modul wird im Rahmen des Major Data Engineering and Data Science durchgeführt. Es bietet eine systematische Einführung in die Grundlagen der Datentechnik und Datenwissenschaft durch eine Einführung in die Datenanalyse mit der Programmiersprache R. (3 ECTS)
Data Warehousing
Das Modul vermittelt wie riesige Datenbestände modelliert, strukturiert und verwaltet werden. Es geht um Datenbanken, die der Analyse dienen, prognostische und hypothetische Zwecke haben und deshalb auch ganz anders aufgebaut sind. Sie befassen sich mit neuen und nicht immer einfachen Theorien und arbeiten mit modernen Software Werkzeugen. Durch «learning by doing» im Laborumfeld werden Sie in das grosse Gebiet von Datawarehousing eingeführt. (3 ECTS)
Datenvisualisierung
Die Studierenden lernen Konzepte und Softwarelösungen für Datenvisualisierungen kennen, können diese sinnvoll anwenden und in einem interaktiven Prototyp umsetzen. Der gesamte Prozess von der Datenakquise, Speicherung und Verarbeitung bis hin zu verschiedenen Formen interaktiver Visualisierung wird methodisch aufgezeigt, praktisch angewendet und kritisch reflektiert. (3 ECTS)
Introduction to Natural Language Processing
Das Modul führt die Studierenden in die Verarbeitung natürlicher Sprache ein. Es beginnt mit Sprach-Grundlagen und den Aufgaben der NLP-Pipeline. Danach geht es um die Einführung in statistische Ansätze und Vektormodelle. Weiter werden Ansätze basierend auf neuronalen Netzen vorgestellt, angefangen vom Word2Vec bis hin zu neueren fortgeschrittenen Methoden, wobei auch deren Vorteile und Grenzen aufgezeigt werden. Der zweite Teil ist praktisch ausgerichtet, wobei die vorgestellten Konzepte auf anschauliche Fälle und Aufgaben in der NLP angewendet werden. (3 ECTS)
Machine Learning
Grundlegende Techniken, Tools und Architekturen des maschinellen Lernens mit Anwendungsfokus E-Commerce inkl. Regressionsanalyse, Klassifizierung, Clustering, erkennen von Anomalien und Recommender-Systemen. (3 ECTS)
