Logo des Repositoriums

Auflistung nach Schlagwort "Data Science"

1 - 10 von 32
  • Konferenzbeitrag
    Angewandte künstliche Intelligenz im Verbund verschiedener Fachbereiche
    (INFORMATIK 2024, 2024) Bockermann, Christian; Frochte, Jörg; Schilberg, Daniel
    Das Interdisziplinäre Institut für Angewandte Künstliche Intelligenz und Data Science (AKIS) ist die zentrale Anlaufstelle für datenorientierte Forschung, Lehre und Promotionen an der Hochschule Bochum. In diesem Beitrag stellen wir die Zielsetzungen und Struktur des Instituts, seine Rolle im Rahmen des Hochschulentwicklungsplans und die bisherigen Aktivitäten und Projekte vor, die im AKIS seit Gründung des Instituts an der Hochschule Bochum zusammengelaufen sind.
  • Konferenzbeitrag
    Aufbau einer überregionalen Data-Science-Community
    (INFORMATIK 2024, 2024) Pfuhl, Helen; Steinmann, Lena; Nowotka, Dirk; Drechsler, Rolf
    Die Begrifflichkeiten Data Science bzw. Digital Sciences stehen für den wissenschaftlichen Wandel, der eine ganze Reihe von Forschungsdisziplinen zu Beginn des 21. Jahrhunderts prägt. Die effektive Nutzung hochdimensionaler Daten steht dabei im Vordergrund und bildet die Basis für die Digitalisierung der Forschung, auch mittels KI. Die Hochschulen reagieren auf diese Entwicklung durch Schaffung neuer Forschungsstrukturen und Lehr-/Lernangebote, wie zum Beispiel Data/Digital Science Center und neue Studiengänge bzw. Bildungsangebote. Bund und EU fördern seit 2023 zusätzlich den Aufbau von elf einrichtungsübergreifenden Datenkompetenzzentren in Deutschland, die als Orte zum Lernen, Forschen und Vernetzen dienen sollen. Das Ziel des diesjährigen Workshops „Aktuelle Entwicklungen und Perspektiven (an Hochschulen) im Bereich Data Science“ ist es, all diese Initiativen weiter zu vernetzen und somit an den erfolgreichen Workshop aus 2023 anzuknüpfen. Der im vergangenen Jahr bereits initiierte Zusammenschluss zur Data-Science-Community (DS-Community) bietet das organisatorische Dach für einen interdisziplinären und insbesondere standortübergreifenden Austausch zwischen den verschiedenen Initiativen und unterstützt so die überregionale Zusammenarbeit bis in die DACH-Region.
  • Zeitschriftenartikel
    Big Data – Eine Einführung
    (HMD Praxis der Wirtschaftsinformatik: Vol. 51, No. 4, 2014) Fasel, Daniel
    Verfolgt man die Diskussionen in der europäischen Wirtschaft, erkennt man, dass der Begriff Big Data in der Praxis nicht klar definiert ist. Er ist zwar in aller Munde, doch nur wenige haben eine klare Antwort auf die Frage, was Big Data ist und wo es sich von klassischen Daten einer Unternehmung unterscheidet. Dieser Beitrag gibt eine Einführung in Big Data. Anhand von Volume, Velocity und Variety werden grundlegende Merkmale von Big Data erläutert. Um Big Data wertschöpfend in einer Firma einzusetzen braucht es neue Technologien und neue Fähigkeiten, damit mit solchen Daten besser umgegangen werden kann. In diesem Beitrag werden die Hauptgruppen und einige Vertreter von solchen neuen Technologien kurz erläutert. Letztlich werden die Chancen und Risiken von Big Data in Unternehmen betrachtet.
  • Zeitschriftenartikel
    Bringing it all together – Gemeinschaftlich aktiv lernen am virtuell geteilten Bildschirm in der Hochschule und digital
    (HMD Praxis der Wirtschaftsinformatik: Vol. 58, No. 6, 2021) Kaufmann, Jens; Hoseini, Sayed; Quindeau, Pascal; Quix, Christoph; Ruschin, Sylvia
    Hochschulen wie Studierende stehen vor der Herausforderung, zukunftsorientierte Fähigkeiten mit teils erkennbar technischem Fokus zu vermitteln bzw. aufzubauen. Dazu gehört neben fachlichen Aspekten auch die Fähigkeit zu (digitaler) Kollaboration. Verstärkt durch die Umwälzungen im Studienbetrieb während der Corona-Pandemie sind dazu geeignete Lehr-Lern-Konzepte gefragt. Dieser Beitrag zeigt die Konstruktion und mögliche Umsetzung solcher Konzepte an Inhalten eines (Wirtschafts‑)Informatik-Studiums auf. Dazu werden zwei Forschungsgegenstände untersucht. Zum einen der Grad an gemeinschaftlicher Aktivität, den Studierende in verschiedenen solcher Lehr-Lern-Szenarien erreichen, zum anderen der Einfluss auf die Bereitschaft von Studierenden zur intensiven Auseinandersetzung mit technischen Studieninhalten. Hierzu werden didaktische Überlegungen im Allgemeinen und an konkreten Veranstaltungen in den Bereichen Datenbanksysteme und Data Science im Besonderen dargestellt. Auf dieser Basis wird gezeigt, welche Eigenschaften eine technische Plattform zur Umsetzung aufweisen muss, und wie eine solche ausgewählt und implementiert werden kann. Die im Rahmen des Anfang 2021 gestarteten Lehrforschungsprojekts IoHubHN bisher gewonnenen Erkenntnisse bilden eine Grundlage für weitergehende Evaluierungen und die Einbettung des Vorgehens in den Ansatz des Scholarship of Teaching and Learning. Die vorgestellten Konzepte und Plattformen sollen dabei prinzipiell auch auf andere Studienfächer übertragbar sein und sind nicht auf rein digital durchgeführte Lehrveranstaltungen beschränkt. Universities and students both face the challenge to teach, respectively to acquire, future-oriented skills, that partially tend to have a clear technical focus. Among those is the ability to work collaboratively, especially in a digital context. The changes in higher education during the months of the coronavirus pandemic enforce the need to create suitable teaching and learning concepts. This article shows how such concepts and their implementation can be conducted and exemplifies this with two modules from study programs in (business) informatics studies. The discussion addresses two research items. Firstly, this is the amount of collaborative activity that students in these scenarios achieve and secondly it discusses the influence on the students’ willingness to work on technical topics in depth. To show this, it discusses ideas on higher education development in general as well as fitted to specific courses in the fields of database systems and data science. It describes which properties a technical platform must provide if it should be used as an operational basis. Furthermore, it is discussed how such a platform can be chosen and implemented. Insights that have been gathered so far during the first months of the research project IoHubHN serve as a foundation for further evaluation within the framework of Scholarship of Teaching and Learning (SoTL). Concepts and platforms in this context should be usable for other fields of study as well and are not limited to pure virtual classes.
  • Zeitschriftenartikel
    Das aufstrebende Berufsbild des Data Scientist
    (HMD Praxis der Wirtschaftsinformatik: Vol. 53, No. 4, 2016) Schumann, Conny; Zschech, Patrick; Hilbert, Andreas
    Um die Vielzahl an heterogenen Datenströmen im Zeitalter von Big Data in für Unternehmen entscheidungsrelevante Informationen zu transformieren, wurden in den letzten Jahren nicht nur Business-Analytics-Ansätze entwickelt. Auch ein neues Berufsbild wurde Mittelpunkt zahlreicher Diskussionen: der Data Scientist. Die Vielzahl an Kompetenzen, die diese neue Berufsgruppe mit sich bringen sollte, wurde in verschiedenen Fachbeiträgen beschrieben und wird in diesem Artikel durch ein systematisches Literature Review zusammengefasst. Dabei werden die einzelnen, durch die Inhaltsanalyse ermittelten Kompetenzen nicht nur aufgezählt, sondern erstmalig in ein Kompetenzmodell eingeordnet. Der Data Scientist sollte zahlreiche Fachkompetenzen, wie Kenntnisse in Statistik oder den KDD-Prozess betreffende Kompetenzen zur Datenselektion-, -aufbereitung, -analyse und Interpretation, aber auch Sozialkompetenzen, wie Team- und Kommunikationsfähigkeit, sowie Selbstkompetenzen, wie Neugier oder Kreativität, mit sich bringen. Hierbei wird ersichtlich, dass ein Data Scientist allein nicht alle Kompetenzen erfüllen kann. Es bedarf vielmehr an die Aufgaben und Rollen im Unternehmen angepasste Typen von Data Scientists mit unterschiedlichen Kompetenzschwerpunkten. Folglich werden ausgehend von den Erkenntnissen der Literatur- und Inhaltsanalyse Handlungsempfehlungen zur Entwicklung von spezifischeren Anforderungsprofilen ausgesprochen.AbstractTo transform the variety of heterogeneous data streams into enterprise decision-relevant information, not just modern business analytics approaches have been developed in recent years. In addition, a new job profile called for attention within the rising era of Big Data: the Data Scientist. The variety of skills that come along with this new profession has been described in various technical papers and is now summarized in this article through a systematic literature review. For this purpose, the identified competences are not only enumerated, but also classified within a competency model using a content analysis. The result of this examination is that according to the literature a Data Scientist should provide an extensive skill set – including professional skills such as statistics or KDD-relevant skills for the selection, preprocessing, analysis and interpretation of data, but also social skills such as teamwork and communication, as well as personal skills such as curiosity or creativity. Here it becomes evident that a Data Scientist alone cannot meet all these competencies. Rather, it requires individual types of Data Scientists with different major focus depending on the roles and duties within the enterprise. For this purpose the article provides recommendations for the development of specific Data Scientist profiles based on the results of the literature and content analysis.
  • Zeitschriftenartikel
    Ein Data Engineering Kurs für 10.000 Teilnehmer
    (Datenbank-Spektrum: Vol. 21, No. 1, 2021) Alder, Nicolas; Bleifuß, Tobias; Bornemann, Leon; Naumann, Felix; Repke, Tim
    Im Januar und Februar 2020 boten wir auf der openHPI Plattform einen Massive Open Online Course (MOOC) mit dem Ziel an, Nicht-Fachleute in die Begriffe, Ideen, und Herausforderungen von Data Science einzuführen. In über hundert kleinen Kurseinheiten erläuterten wir über sechs Wochen hinweg ebenso viele Schlagworte. Wir berichten über den Aufbau des Kurses, unsere Ziele, die Interaktion mit den Teilnehmerinnen und Teilnehmern und die Ergebnisse des Kurses.
  • Konferenzbeitrag
    Data Science
    (INFORMATIK 2019: 50 Jahre Gesellschaft für Informatik – Informatik für Gesellschaft, 2019) Scholtes, Ingo; Strohmaier, Markus
  • Textdokument
    Data Science - more than just Machine Learning
    (INFORMATIK 2020, 2021) König-Ries, Birgitta; Böhm, Klemens
    In this short article, we briefly summarize the Data Science session at INFORMATIK 2020. With three invited talks, the session focused on data-science challenges beyond the development of new machine learning models.
  • Conference Proceedings
    Data Science ab Klasse 5 – Konkrete Unterrichtsvorschläge für künstliche Intelligenz unplugged und Datenbewusstsein
    (INFOS 2021 – 19. GI-Fachtagung Informatik und Schule, 2021) Podworny, Susanne; Höper, Lukas; Fleischer, Yannik; Hüsing, Sven; Schulte, Carsten
  • Zeitschriftenartikel
    Data Storytelling als kritischer Erfolgsfaktor von Data Science
    (HMD Praxis der Wirtschaftsinformatik: Vol. 57, No. 5, 2020) Neifer, Thomas; Lawo, Dennis; Bossauer, Paul; Esau, Margarita; Jerofejev, Anna-Maria
    Bedingt durch die fortlaufende Digitalisierung und den Big Data-Trend stehen immer mehr Daten zur Verfügung. Daraus resultieren viele Potenziale – gerade für Unternehmen. Die Fähigkeit zur Bewältigung und Auswertung dieser Daten schlägt sich in der Rolle des Data Scientist nieder, welcher aktuell einer der gefragtesten Berufe ist. Allerdings ist die Integration von Daten in Unternehmensstrategie und -kultur eine große Herausforderung. So müssen komplexe Daten und Analyseergebnisse auch nicht datenaffinen Stakeholdern kommuniziert werden. Hier kommt dem Data Storytelling eine entscheidende Rolle zu, denn um mit Daten eine Veränderung hervorrufen zu können, müssen vorerst Verständnis und Motivation für den Sachverhalt zielgruppenspezifisch geschaffen werden. Allerdings handelt es sich bei Data Storytelling noch um ein Nischenthema. Diese Arbeit leitet mithilfe einer systematischen Literaturanalyse die Erfolgsfaktoren von Data Storytelling für eine effektive und effiziente Kommunikation von Daten her, um Data Scientists in Forschung und Praxis bei der Kommunikation der Daten und Ergebnisse zu unterstützen. Due to the ongoing digitalization and the Big Data trend, an increasing amount of data is available. This results in many potentials—especially for companies. The ability to cope with and evaluate this data is reflected in the role of the data scientist, which is one of the most popular jobs at present. However, challenges arise from the integration of data into corporate strategy and culture. For example, complex data and analysis results must be communicated to stakeholders who are not data-affine. Data storytelling plays a decisive role here, because to use data to initiate change, understanding and motivation for the issue must first be created for every target group. However, data storytelling is still a niche topic. This article uses a systematic literature analysis to derive the success factors of data storytelling for an effective and efficient communication of data to support Data Scientists in research and practice in communicating data and results.