n.BA.FM.DaInf1.19HS (Daten und Informationen 1) 
Modul: Daten und Informationen 1
Diese Information wurde generiert am: 10.08.2022
Nr.
n.BA.FM.DaInf1.19HS
Bezeichnung
Daten und Informationen 1
Credits
4

Beschreibung

Version: 2.0 gültig ab 01.08.2021
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 / Christian Glahn
Telefon / E-Mail +41 (0)58 934 50 17 / christian.glahn@zhaw.ch
Beteiligte Mitarbeitende und Lehrbeauftragte
Weitere interne ReferentInnen
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 die 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) 40%
Erfahrungsnote: Prüfung schriftlich (elektronisch) 60%

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

Kurs: Daten und Informationen 1
Nr.
n.BA.FM.DaInf1.19HS.V
Bezeichnung
Daten und Informationen 1

Hinweis

  • Für das Stichdatum 10.08.2022 ist kein Modulbeschreibungstext im System verfügbar.