• Andreas Kuczera

• Andreas Kuczera

Keine

Die Veranstaltung vermittelt vertiefte Kenntnisse in der systematischen Analyse und Auswertung vernetzter Daten mit Hilfe von Graphalgorithmen, Graphmodellierungen und Graphdatenbanken.

Teil 1: Grundlagen

• Datenanalyse und Datenstrukturen von vernetzten Daten
• Was ist ein Labeled Property Graph
• Graphabfragen

Teil 2: Formalisierung und Operationalisierung von Fragestellungen

• Knoten und Beziehungen erstellen und löschen
• Aggregation, Listen und Datumsangaben

Teil 3: Analyse und Visualisierung

• Planung und Strukturierung von Informationsvisualisierung
• Visualisierung von zeitlich-räumlichen Informationen
• Visualisierung mit virtuellen Kanten

Teil 4: Graphalgorithmen

• Graph Data Science Library
• Best Practices für Graphenalgorithmen
• Anwendung von Graphalgorithmen z.B. Community Detection, Zentralitätsalgorithmen, Similarityalgorithmen etc.

Fachkompetenzen

• Die Studierenden können fremde Datenstrukturen analysieren und relevante Muster und Relationen identifizieren.
• Sie können die verschiedenen Wirkungsweisen von Graphalgorithmen aus dem Bereich Data Science anwenden, sie evaluieren, voneinander abgrenzen und spezifische Anwendungsfelder identifizieren.

Methodenkompetenzen (fachlich & überfachlich)

• Die Studierenden können Graphdatenbanken und die Abfragesprache Cypher verwenden.
• Sie können Fragen an die Daten formalisieren und operationalisieren, die für die Fragestellung notwendigen Graphalgorithmen auswählen und neues Wissen ableiten.

Sozialkompetenzen

• Die Studierenden können die gemeinsame Erarbeitung und Diskussion von formalen Fragestellungen organisieren, Formalisierung und Operationalisierung am Gegenstand anwenden und diese Konstruktionsprozesse von Daten, Methoden und Erkenntnissen in einem gemeinschaftlichen Diskurs reflektieren.

Selbstkompetenzen

• Die Studierenden können fremde Denkstrukturen hinterfragen und diese mit den eigenen in Relation setzen.
• Die Studierenden können eigene Wissenslücken und Hintergrundinformationen identifizieren und selbstständig schließen.

• 6 CrP
• Arbeitsaufwand 180 Std.
• Präsenzzeit 60 Std.
• Selbststudium 120 Std.

• 4 SWS
• Seminaristischer Unterricht 2 SWS
• Übung 2 SWS

• Informatik (M.Sc. 2022)

Ja

Bonuspunkte werden gemäß § 9 (4) der Allgemeinen Bestimmungen vergeben. Art und Weise der Zusatzleistungen wird den Studierenden zu Veranstaltungsbeginn rechtzeitig und in geeigneter Art und Weise mitgeteilt.

Prüfungsvorleistung: Regelmäßige Teilnahme (mindestens 80% der Zeit) und Projekt (Vorstellung von Projektfortschritten), Übungsaufgaben (Anzahl der Übungsaufgaben wird den Studierenden rechtzeitig und in geeigneter Weise bekannt gegeben.)

Prüfungsleistung: Projekt (Projektvorstellung und schriftliche Ausarbeitung in Gruppen)

Literatur wird zu Beginn der Veranstaltung bekannt gegeben.