Projektstudium (DC)

60 Präsenzstunden Projektstudium, 90 Stunden Vor-/Nachbereitung inklusive Erstellung der Modularbeit bzw. Präsentation

• Grundvorlesungen und Aufbauveranstaltungen in Data Science & Scientific Computing oder Informatik bis einschließlich 6. Semester (Analysis, lineare Algebra, SW-Entwicklung, Statistik)
• parallel oder vorher: Grundvorlesung in Software Engineering
• Programmierkenntnisse z.B. in Python oder Java auf Niveau des 6. Semesters
• Kenntnisse zu und Fähigkeiten im Umgang mit Modellbildung und Simulation wie sie z.B. im entsprechenden Modul im Bachelor Data Science & Scientific Computing vermittelt werden

Lernziele

Das Projektstudium zielt darauf ab, die für den beruflichen Alltag benötigten Fach-, Methoden-, Selbst- und Sozialkompetenzen zu fördern. Das Projektstudium Data Analytics will die Studierenden befähigen, die Schlagkraft der im Studium erworbenen fachlichen Kenntnisse und Methoden in der Anwendung zu nutzen. Dies wird mit einem jedes Jahr neu gewählten konkreten Projekt erreicht.

Fach- & Methodenkompetenzen, Selbstkompetenzen mit Fachbezug

Die Studierenden

• wenden ihr Wissen auf eine typische Aufgabe aus ihrem Beruf an,
• setzen Werkzeuge aus dem Studium (z.B. Software) ein, um die Projektziele zu erreichen,
• sammeln für das Projekt relevante Informationen, analysieren und bewerten sie und reflektieren sie,
• wählen, kombinieren und entwickeln Modelle und Analysemethoden passend zum Projektziel,
• weisen die Funktion ihrer Lösung nach, indem sie die erarbeiteten Methoden anwenden,
• interpretieren und beurteilen ihre Ergebnisse.

Überfachliche Kompetenzen: Selbst- und Sozialkompetenzen

Die Studierenden

• kommunizieren fachbezogen, argumentieren, tauschen sich über Ideen und Lösungen aus,
• verhandeln nächste Sprintziele untereinander und gegenüber den Auftraggebern
• evaluieren die Teamergebnisse und die Beiträge der Teammitglieder,
• präsentieren und demonstrieren ihre Ergebnisse vor dem „Projektkunden“,
• organisieren sich selbst - allein und im Team,
• übernehmen - als Teammitglied oder auch als Scrum-Master - Verantwortung im Team

In der Veranstaltung wird ein eigenständiges Projekt realisiert, im Rahmen dessen die Studierenden aktuelles Wissen und moderne Entwicklungsprozesse - z.B. Scrum - konkret umsetzen.

Dabei erfahren sie auch, wie man im späteren Berufsalltag selbstständig weiter lernt. Konkrete Aufgaben unterscheiden sich je nach Themenwahl und werden im Team definiert und verteilt.

Das Projekt wird idealerweise von einem Industriepartner "beauftragt" und von den Studierenden als Team bearbeitet. Dazu wählt die Dozentin zusammen mit der Industriepartnerin ein aktuelles Thema aus der angewandten produktorientierten Forschung.

• Gespräch, Tafel, Beamer
• virtuelle Veranstaltungen z.B. über BigBlueButton
• Repository mit Versionsverwaltung (SVN, GIT),
• Ticketsysteme, Scrum-und Kanban-Boards (auch virtuell)
• SW-Tools (z.B.Videobearbeitungsprogramme) und Programmiersprachen

Themenspezifische Literatur abhängig vom konkreten Projekt - in der Regel aus aktuellen Veröffentlichungen in Fachjournalen,

Im Fall von Modellbildung z.B: H. Bungartz, S. Zimmer,M. Buchholz, D. Pflüger: Modellbildung und Simulation, 2018.