EventoWeb
Zürcher Hochschule für Angewandte Wissenschaften
Menu
Home
User Menu
Module suchen
Nicht angemeldet
Anmelden
[
Deutsch (Schweiz)
Deutsch (Schweiz)
] [
Englisch
Englisch
]
[
de
de
] [
en
en
]
Nicht angemeldet
Anmelden
EventoWeb
Kontakt zu Service Desk
Online-Dokumentation
Allgemeiner Zugriff
Module suchen
n.BA.FM.DaInf1.19HS (Daten und Informationen 1)
Modul: Daten und Informationen 1
Diese Information wurde generiert am: 06.12.2024
Nr.
n.BA.FM.DaInf1.19HS
Bezeichnung
Daten und Informationen 1
Credits
4
Beschreibung
Version: 4.0 gültig ab 01.08.2023
Studiengang
Facility Management
Geltende Rechtsordnungen
RPO vom 29. Januar 2008, Studienordnung des Dept. N vom 15. Dez. 2009, Anhang für den Bachelorstudiengang Facility Management
Modultyp
X
Pflichtmodul
Wahlpflichtmodul
Wahlmodul
Plansemester
1. Semester
Modulverantwortliche/r
Institut für Angewandte Simulation / Daniel Bajka
Telefon / E-Mail
+41 (0)58 934 50 78 /
daniel.bajka@zhaw.ch
Beteiligte Mitarbeitende und Lehrbeauftragte
Thomas
Marcandella
Vorausgesetzte Module
-
Zu erreichende Kompetenzen
In der Wirtschaft führt kein Weg an Daten und der Digitalisierung vorbei, denn digitale Daten bieten Unternehmen einen wirtschaftlichen Vorteil gegenüber ihrer Konkurrenz. Daher ist die Informatik ein wichtiges Werkzeug für Ingenieure und Manager, um aus Daten Informationen für Analysen, Entscheidungen und Steuerungsprozesse zu gewinnen.
Dieses Modul vermittelt die Grundkonzepte der Mathematik und des Computational Thinking. Gemeinsam bilden die Konzepte die Grundlage, um Zusammenhänge zu formalisieren, um Konzepte mit Hilfe von Daten in der Praxis zu überprüfen und um komplexe Prozesse mit Daten zu steuern.
Nach dieser Lehrveranstaltung können d
ie Studierenden...
Mathematische Grundkonzepte der Datenanalyse auf praktische Fragestellungen anwenden
Grundkonzepte des «Computational Thinking» in Excel und R anwenden
Daten strukturieren und organisieren
Werte, Bereiche und Mengen logisch verknüpfen
Datenquellen identifizieren und nutzen
Mathematische Beziehungen von Verteilungen und Entwicklungen erkennen und beschreiben
Daten visualisieren und visuelle Datenanalysen durchführen
Daten zur einfachen System- und Prozesssteuerung nutzen
Inhalt des Moduls
Mathematische und algorithmische Grundlagen der Data Sciences
Datenvisualisierung
Open Data und Data Services
Datenvorbereitung mit Excel und R
Anschlussmodule
Daten und Informationen 2
Unterrichtsmethoden
Blended Learning im Inverted Classroom Modus
Data Werkstatt: Umgang mit Tools anhand von Problemstellungen
Frontalunterricht mit Arbeitsaufträgen
Übungsaufgaben für die selbständige Einzel- oder Gruppenarbeit im Selbststudium
Digitale Lernressourcen
Moodle-Kurs mit Interaktiven Aufgaben und Videos
Vorbereitungskurs Mathematik
Vorbereitungskurs Excel
Mathi-Fitnessstudio
Präsenzverpflichtung im Unterricht
-
Leistungsnachweise
Abgesetzte Modulprüfung schriftlich (e-assessment) 60%
Erfahrungsnote: Prüfung schriftlich (elektronisch) 40%
Bei einer geringen Teilnehmerzahl kann die Prüfungsform der Repetitionsprüfung nach Absprache mit der Studiengangleitung durch Dozierende abgeändert werden: z.B. anstatt einer schriftlichen kann eine mündliche Prüfung abgehalten werden. Bitte entsprechende Meldung der geänderten Prüfungsform per E-Mail (ohne Formular) an
pruefungsadmin.lsfm@zhaw.ch
und Cc. Studiengangleitung.
Unterrichtssprache
Deutsch
Pflichtliteratur
-
Ergänzende Literatur
J. W. Forman (2013) Data Smart: Using Data Science to transform information to insight (Kapitel 1). Indianapolis, IN: Wiley.
J. Ross, M. Freeman (2018). Programming skills for data science, start writing code to wrangle, analyze, and visualize data with R. Boston et al.: Addison-Wesley.
D. Wollschläger (2017). Grundlagen der Datenanalyse mit R, eine anwendungsorientierte Einführung. 4. Aufl. Berlin, DE: Springer Spektrum.
P. Curzon und P. W. McOwan (2018). Computational Thinking (Kapitel 13). Berlin, DE: Springer.
H. Wickham (2016). ggplot2, Use R! Cham, CH: Springer Nature.
T. Rahlf (2017). Data visualisation with R, 100 Examples. Cham, CH: Springer Nature.
J. Albert and M. Rizzo (2012) R by Example, Use R! New York et al.: Springer.
B. C. Boehmke (2016) Data Wrangling with R, Use R! Cham, CH: Springer Nature.
D. Nolan and D. Temple Lang (2014). XML and Web Technologies for Data Sciences with R, Use R! Cham, CH: Springer Nature.
Bemerkungen
Dieser Kurs setzt Kenntnisse von Microsoft Excel (2010 oder neuer) voraus (Niveau ECDL AM4).
-
Hinweis
Weitere verfügbare Versionen:
1.0 gültig ab 01.08.2019
,
2.0 gültig ab 01.08.2021
Kurs: Daten und Informationen 1
Nr.
n.BA.FM.DaInf1.19HS.V
Bezeichnung
Daten und Informationen 1
Hinweis
Für das Stichdatum 06.12.2024 ist kein Modulbeschreibungstext im System verfügbar.