Energie- & Nachhaltigkeitsmanagement* VZ
Apply Icon
Jetzt
Bewerben

Digitization in Energy & Sustainability Management (E)

Niveau der Lehrveranstaltung/des Moduls laut Lehrplan

Vertiefung

Lernergebnisse der Lehrveranstaltung/des Moduls

Die Studierenden sind in der Lage:
• Eigenschaften und Leistungsparameter verschiedener Übertragungstechnologien darzustellen
• Systeme, Verfahren und Protokolle der Datenübertragung zu benennen
• grundlegende Begriffe zu wirtschaftlichen und rechtlichen Aspekten der Internet-Infrastruktur zu erläutern
• Inhalte, Ergebnisse/Anwendungen und Arbeitsweise von Data Science zu beschreiben
• Grundfunktionen in der Verarbeitung von Massendaten inkl. Auswertungsfunktionen anzuwenden
• grundlegende Konzepte von Programmen zur Auswertung großer Datenmengen zu beschreiben und einfache Programm-Codes für Auswertungen selbst zu erstellen
• Tools für die Auswertungen von Daten anzuwenden

Voraussetzungen laut Lehrplan

Wissenschaftliche & empirische Methoden (WIS.1)

Lehrinhalte

• Grundlagen der Datenübertragung
• Technologien und Anwendungen moderner Netzwerke und Datenübertagung
• Leistungsparameter der Datenübertragung unkl. Breitband Powerline, Internet Knoten, Backbone Netze
• Internet Protokoll und Domain Name
• Geschäftsmodelle für Infrastrukturdienstleister
• Rechtliche Voraussetzung der Infrastrukturbereitstellung
• Datenschutz und Datensicherheit
• Auswertung von Messdaten
• Grundlagen der Zeitreihenanalyse

Das Modul beinhaltet 67% Übungen. Diese Lehrform findet in Kleingruppen statt.

empfohlene Fachliteratur

• Baun, C., 2018. Computernetze kompakt. 4. Auflage. Wiesbaden: Springer Vieweg
• Sauter, M., 2015. Grundkurs Mobile Kommunikationssysteme: LTE-Advanced, UMTS, HSPA, GSM, GPRS, Wireless LAN und Bluetooth. 6. Auflage. Wiesbaden: Springer Verlag
• Grus, J., 2016. Einführung in Data Science: Grundprinzipien der Datenanalyse mit Python. Sebastopol: O’Reilly Media
• Fasel, D., A. Meier, 2016. Big Data: Grundlagen, Systeme und Nutzungspotentiale. Wiesbaden: Springer Verlag
• Runkler, T.A., 2016. Data Analytics: Models and Algorithms for Intelligent Data Analysis. 2. Auflage. Wiesbaden: Springer Verlag

Bewertungsmethoden und -kriterien

Klausur und Portfolio

Unterrichtssprache

Englisch

Anzahl der zugewiesenen ECTS-Credits

9

Semesterwochenstunden (SWS)

4.5

geplante Lehr- und Lernmethoden

Blended Learning

Semester/Trimester, in dem die Lehrveranstaltung/das Modul angeboten wird

2

Name des/der Vortragenden

STGL

Studienjahr

1

Kennzahl der Lehrveranstaltungen/des Moduls

DIT

Art der Lehrveranstaltung/des Moduls

Integrierte Lehrveranstaltung

Art der Lehrveranstaltung

Pflichtfach

Praktikum/Praktika

kein