EventoWeb
Zürcher Hochschule für Angewandte Wissenschaften
Menu Home User Menu
Nicht angemeldet Anmelden
[ Deutsch (Schweiz) ]   [ Englisch Englisch ]
[ de ]   [ en en ]
Nicht angemeldet Anmelden
t.BA.DS.DSG.20HS (Data Science Grundlagen) 
Modul: Data Science Grundlagen
Diese Information wurde generiert am: 11.05.2025
Nr.
t.BA.DS.DSG.20HS
Bezeichnung
Data Science Grundlagen
Veranstalter
T IDP
Credits
4

Beschreibung

Version: 3.0 gültig ab 01.08.2024

Diese Modulbeschreibung gilt bis zum 31. Juli 2024. Die gültige Modulbeschreibung ist im Intranet unter https://intra.zhaw.ch/departemente/school-of-engineering/bachelorstudium/module im Modulhandbuch abrufbar.

 

Kurzbeschrieb

 Der Kurs führt in die grundlegenden Aspekte der Arbeit eines Data Scientist ein. Die Studierenden entwickeln ein Verständnis für die technischen, ethischen und rechtlichen Herausforderungen in der Entwicklung von datenbasierten Produkten. In praktischen Übungen wird das Gelernte an realen Datensätzen umgesetzt.

Modulverantwortung

 Dömer Manuel (doem)

Lernziele (Kompetenzen)
Ziel Kompetenzen Taxonomiestufen
Die Studierenden entwickeln ein grundlegendes Verständnis für die Entwicklung datenbasierter Produkte F, M K1-2
wenden den Entwicklungsprozess für datenbasierte Produkte auf ein gegebenes Problem an F, M, SE K3
verstehen Grundsätze des Immaterialgüterrechts und Datenschutzes und deren Implikationen in der Entwicklung datenbasierter Produkte F, M K1-3
reflektieren und diskutieren ethische Fragestellung rund um datenbasierte Produkte F, M, SO K1-3

Modulinhalte

 Die Studierenden lernen die grundlegenden Aspekte und die damit einhergehenden Herausforde-rungen in der Entwicklung von datenbasierten Produkten kennen. Sie machen erste Erfahrungen mit dem inkrementellen Vorgehen bestehend aus

•    Verstehen der Domäne und Nutzerbedürfnisse
•    Datenbeschaffung und -erkundung
•    Modellierung
•    Evaluation
•    Bereitstellung und Integration des Produktes
•    Erfassen und Verarbeitung von Nutzer-Feedback

Die Konzepte werden in einer begleitenden Projektarbeit umgesetzt. In der praktischen Arbeit kommen einfache Analyse-Werkzeuge wie Texteditor, Microsoft Excel und eine NoCode-Umgebung für Machine Learning-Anwendungen zum Einsatz. Zudem werden ethische und rechtliche Herausforderung im Umgang mit Daten und bei der Entwicklung digitaler Produkte thematisiert.
Es werden grundlegende Kenntnisse in Mathematik und logischem Denken, aber keine Programmie-rerfahrung vorausgesetzt.

Lehrmittel/Materialien

 Präsentationsunterlagen, Arbeitsblätter

Ergänzende Literatur

 Applied Data Science: Lessons Learned for the Data-Driven Business; Stockinger Kurt, Braschler Martin and Stadelmann Thilo, Ed. Cham: Springer International Publishing, 2019

Zulassungs-voraussetzungen 

  

Unterrichtssprache

 (X) Deutsch ( ) Englisch

Teil des Internationalen Profils

 ( ) Ja (X) Nein

Modulausprägung

 Typ 3a
  Details siehe unter: T_RL_Richtlinie_Modulauspraegungen_Stundengutschriften

Leistungsnachweise
Bezeichnung Art Form Umfang Bewertung Gewichtung
Leistungsnachweise während Studiensemester Projektbericht Schriftlich 1 Bericht Benotung 20 %
Semesterendprüfung Klausur Schriftlich 90 Minuten Benotung 80 %

Bemerkungen

  

Rechtsgrundlage

 Die Modulbeschreibung ist neben Rahmenprüfungsordnung und Studienordnung Teil der Rechtsgrundlage. Sie ist verbindlich. Eine in der ersten Unterrichtswoche des Semesters schriftlich festgehaltene und kommunizierte Modulvereinbarung kann die Modulbeschreibung präzisieren. Die Modulvereinbarung ersetzt nicht die Modulbeschreibung.

Hinweis

Kurs: Data Science Grundlagen - Praktikum
Nr.
t.BA.DS.DSG.20HS.P
Bezeichnung
Data Science Grundlagen - Praktikum

Hinweis

  • Für das Stichdatum 02.08.2099 ist kein Modulbeschreibungstext im System verfügbar.
Kurs: Data Science Grundlagen - Vorlesung
Nr.
t.BA.DS.DSG.20HS.V
Bezeichnung
Data Science Grundlagen - Vorlesung

Hinweis

  • Für das Stichdatum 02.08.2099 ist kein Modulbeschreibungstext im System verfügbar.