Data & AI Literacy

Lehrinhalte

• DIKW-Pyramide (Daten, Information, Wissen, Weisheit) und ähnliche Modelle • Datentypen, Datenstrukturen, Klassifikation von Daten • Grundlagen der Datenqualität und des Datenmanagements, Data Literacy-Vokabular • Grundlegende Datenanalysetechniken, Überblick über gängige Datenanalyse-Werkzeuge • Grundkonzepte und Arten der KI, AI-Literacy-Vokabular • Grundlegende Techniken und -Anwendungen der KI (Maschinelles Lernen, Natürliche Sprachverarbeitung, Computer Vision, etc.) • Grundlegende rechtliche und ethische Aspekte der Daten- und KI-Nutzung (Datenschutz und -sicherheit)

Art der Vermittlung

Präsenzveranstaltung

Art der Veranstaltung

Pflichtfach

Empfohlene Fachliteratur

• Jones, B. (2020). Data Literacy Fundamentals: Understanding the Power & Value of Data. Data Literacy Press. • Jones, B. (2024). AI Literacy Fundamentals: Helping You Join the AI Conversation. Data Literacy Press.

Lern- und Lehrmethode

Vortrag, Diskussion, Einzel-/Gruppenaufgaben, Präsentation, Blended-Learning-Elemente (z.B. Videos, Quizzes)

Prüfungsmethode

• 60% Einzel-/Gruppenaufgaben (Beurteilungskriterien: Plausibilität der Analyse und des Lösungsvorschlags, korrekte Anwendung relevanter Methoden und Techniken, formale Korrektheit) • 40% Schriftliche Prüfung (Closed Book), (Beurteilungskriterien: inhaltliche Korrektheit, Kenntnis und praktische Anwendung der Methoden und Ansätze, Vollständigkeit der Antworten)

Voraussetzungen laut Lehrplan

Keine

Schnellinfos

Studiengang

Projektmanagement & Data Analytics

Akademischer Grad

Master

ECTS Credits

2.00

Unterrichtssprache

Deutsch

Studienplan

Berufsbegleitend

Studienjahr, in dem die Lerneinheit angeboten wird

2025

Semester in dem die Lehrveranstaltung angeboten wird

1 WS

Incoming

Nein

Lernergebnisse der Lehrveranstaltung

Nach erfolgreichem Abschluss der Lehrveranstaltung sind Studierende sind in der Lage, • die Grundkonzepte des Datenumfeldes (Daten, Information, Wissen, etc.) zu erläutern, • verschiedene Datentypen und -strukturen exemplarisch zu identifizieren und zu klassifizieren, • Konzepte der Datenqualität zu erklären und grundlegende Techniken des Datenmanagements, insbesondere zur Sicherstellung der Datenqualität zu beschreiben, • grundlegende Datenanalysetechniken, insbesondere der deskriptiven Statistik und der explorativen Datenanalyse, zu beschreiben und in einfachen Situationen anzuwenden und Analyseergebnisse zu interpretieren, • die Grundlagen der Künstlichen Intelligenz (KI, engl. Artificial Intelligence (AI)) einschließlich maschinellen Lernens, natürliche Sprachverarbeitung (NLP) und Computer Vision zu erklären, • grundlegende AI-Literacy- und Data-Literacy-Konzepte zu beschreiben und entsprechendes Vokabular korrekt zu verwenden, sowie • grundlegende rechtliche und ethische Aspekte der Daten- und KI-Nutzung zu erläutern.

Kennzahl der Lehrveranstaltung

0948-25-01-BB-DE-10