Portal
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 und Organisation (Master)
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 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
0388-25-01-BB-DE-11