Universität Wien

290024 PS Big Data in der Geoinformationsverarbeitung (2017W)

3.00 ECTS (2.00 SWS), SPL 29 - Geographie
Prüfungsimmanente Lehrveranstaltung

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 20 Teilnehmer*innen
Sprache: Deutsch

Lehrende

Termine

MO 09.10.2017 bis 30.10.2017 15:30-17:30
MO 20.11.2017 bis 08.01.2018 15:30-18:00
MO 15.01.2018 bis 29.01.2018 15:30-17:30

Ort: Computerkartographie Geographie NIG 1.OG (MM-Labor)


Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Diese LV vermittelt Teilnehmern in erster Linie einen Einblick in die Welt von Big Data. Neben Grundlagen über Architektur und Aufbau von Big Data Systemen, sowie der Herkunft von Big Data im Allgemeinen wird anhand von praxisnahen Beispielen auch die Datenmodellierung, Datenverarbeitung und Datenvisualisierung mit state-of-the-art Methoden praktiziert. In Verbindung mit Big Data haben sich dabei in den letzten Jahren zwei Programmiersprachen herauskristallisiert (R und Python), welche beide in der Lehrveranstaltung anhand eines Data Mixes von „Big Data“ mit „Spatial Data“, demonstriert und proaktiv angewendet werden.

Didaktische Vorgehensweise:
Erlernen der Big Data Grundlagen. Interaktives Klassenraumtraining anhand typischer Big Data Verfahren und anschaulichen Tutorials. Das praktisch erlernte Wissen wird durch eigenständige Teilprojekte umgesetzt. Das theoretisch erlernte Wissen wird durch einen Multiple Choice Test abgefragt.

Ziel nach Abschluss der LV:
- das Grundvokabular im Big Data Umfeld verstehen und beherrschen
- mit gängigen Big Data Tools eigenständige und effiziente Arbeit erbringen
- Business Needs aus Big Data selbstständig generieren, aufbereiten und präsentieren

Art der Leistungskontrolle und erlaubte Hilfsmittel

Aktive Mitarbeit, Teilprojekte, Multiple Choice Test

Mindestanforderungen und Beurteilungsmaßstab

Rudimentäre Programmierkenntnisse als auch Know How in Datenbanksystemen und SQL sind von Vorteil, jedoch nicht zwingend notwendig.

Prüfungsstoff

Immanenter Prüfungscharakter:
• Laufende aktive Mitarbeit (Anwesenheit, Tutorials, Theoriecheck) (20%)
• Multiple Choice Test (40%)
• 2 Teilprojekte (40%)

Literatur

Via Moodle

Zuordnung im Vorlesungsverzeichnis

(MK2-b-NPI)

Letzte Änderung: Mo 07.09.2020 15:42