Universität Wien

290024 PS Big Data in Geoinformatics (2017W)

3.00 ECTS (2.00 SWS), SPL 29 - Geographie
Continuous assessment of course work
Moodle

Registration/Deregistration

Note: The time of your registration within the registration period has no effect on the allocation of places (no first come, first served).

Details

max. 20 participants
Language: German

Lecturers

Classes

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

Aims, contents and method of the course

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

Assessment and permitted materials

Aktive Mitarbeit, Teilprojekte, Multiple Choice Test

Minimum requirements and assessment criteria

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

Examination topics

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

Reading list

Via Moodle

Association in the course directory

(MK2-b-NPI)

Last modified: Mo 07.09.2020 15:42