1

Einführung/Organisatorisches

• Gedanken zum Studium / „Studieren“ – was bedeutet das?
• Inhaltliche Ausrichtung der Veranstaltung,
• Ziele der Veranstaltung,
• Aufbau der Veranstaltung,
• Scheinkriterien,
• Beginn: Themenexploration/Gruppenbildung.

2

Workshop

• Frist: Meldung zu einer 5er Gruppe mit Thema (Beginn der modulbegleitenden Prüfungsleistung),
• Bildung von Unterthemen,
• Wrap-up: Projekt- und Zeitplanung, Arbeitsverteilung.

3

Wissenschaft, Ethik & Forschung

• Das Wesen der Wissenschaft,
• Begrifflichkeiten, Vorgänge und Ergebnisse im Zusammenhang mit Wissenschaft,
• Bedeutung und Arten von Forschung/Forschungsfragen,
• Arbeitsmethoden, Vorgehens- und Phasenmodelle in den Wissenschaften,
• Ethische Aspekte & Qualitätskriterien wissenschaftlicher Arbeit.

• Qualitätskriterien wissenschaftlicher Arbeit
• Positive & negative Beispiele wissenschaftlicher Arbeit

4

Wissenschaftliche Arbeiten

• Unterschiedliche Typen und Arten wissenschaftlicher Arbeiten,
• Formaler/inhaltlicher Aufbau wissenschaftlicher Arbeiten,
• Praktische Hinweise,
• Bewertungskriterien wissenschaftlicher Arbeiten,
• Die Bedeutung von Verwertungsrechten.

• Vertiefende Recherche nach wissenschaftlichen Arbeiten/Quellen für die Prüfungsleistung

• Erstellung einer Vorlage für eine wissenschaftliche Arbeit/die Prüfungsleistung

5

Wissenschaftliches Arbeiten

• Allgemeine Empfehlungen für das wissenschaftliche Arbeiten,
• Phasen des wissenschaftlichen Arbeitens,
• Forschungsmethoden,
• Methoden/Tipps: Recherchieren, Ordnen, Lesen, Quellenbewertung & -dokumentation.

Literatur mit Schlagworten themenbezogen beschaffen (5 Artefakte, z.B. in Bibliothek der HTW, Online: IEEE, ACM) [90 min.]

6

Workshop

Retrospektive der letzten Einheiten

Arbeit am Gruppenprojekt

7

Zitation

• Bedeutung des Zitierens,
• Zitierstile- und Arten,
• Beispiele (Kurzbeleg, Quellenverzeichnis) für direkte/indirekte Zitation.

Formulierung von Extrakten/Synthesen der ausgewählten Literatur zum Gruppenprojekt mit Zitation

8

Projektmanagement

• Empfehlungen für das Projektmanagement wissenschaftlicher Arbeiten,
• Phasen des wissenschaftlichen Arbeitsprozesses,
• Typische Aktivitäten und Meilensteine, welche Phasen zugeordnet werden können,
• Planungs-, Organisations- und Überwachungsaspekte über den Prozess der Erstellung / Herstellung einer wissenschaftlichen Arbeit,
• Hinweise zu Aufgaben von und zur Kommunikation mit Gutacher:innen/Betreuer:innen einer wissenschaftlichen Arbeit als prüfungsrelevante Leistung,
• Rahmenbedingungen Ihrer wissenschaftlichen Arbeit als prüfungsrelevante Leistung im Modul.

Projektplanung ihrer wissenschaftlichen Arbeit

9

Lernen

• Aspekte des Lernens und Denkens als kognitive Eigenschaften,
• Unterschied zwischen Didaktik („Lehrkunst“) und Mathetik („Lernkunst“),
• Rolle des Lernenden beim Lernen hinsichtlich seines Lernraums, seiner Erfahrungsaufnahme und –verarbeitung
• Verschiedene Lerntypen, -stile, und -modi,
• Perspektiven des individuellen Lernraums auf Basis der realistischen Abschätzung eigener Fähigkeiten,
• Bedeutung von positiven/negativen Emotionen und Selbstbewusstsein als (in)aktivierende Lernfaktoren,
• Bedeutung von Lernzielen sowohl für die Lernmotivation, als auch für den Lernprozess,
• Unterschied zwischen gut und schlecht formulierten Zielen.

• Lerntypen / Lernstile
• Lernziele formulieren

10

Workshop

Arbeit am Gruppenprojekt

11

Lern- und Arbeitstechniken I
Informationsaneignung, -verarbeitung und -speicherung

• Aspekte des effizienten Umgangs mit Zeitressourcen,
• Aspekte des Lernraums bei der Arbeit alleine und in Gruppen,
• Ausgewählte Techniken und Methoden zur Aneignung von Information,
• Tipps zur Mitarbeit in Lehrveranstaltungen,
• Ausgewählte Techniken und Methoden zur Verarbeitung und Speicherung von Information.

• Mnemotechnik
• Reflektion zur Gruppenarbeit

12

Lern- und Arbeitstechniken II
Informationsabruf und -wiedergabe

• Techniken zum Abruf und zur Wiedergabe von Information in ausgewählten Situationen im Studium und deren Charakteristika,
• Methoden zur Bewältigung von schriftlichen und mündlichen Prüfungen,
• Kernaspekte bei der Vorbereitung und Ausarbeitung von Präsentationen,
• Tipps zur Vortragsweise (Sprechen, Körperhaltung, Gestik, Mimik) bei Präsentationen,
• Vorgehensweisen zum strukturierten Argumentieren,
• Hinweise, wie man Diskussionen bestreitet und leitet,
• Tipps zum Eröffnen, Führen und Beenden von Diskussionen sowie zum Umgang mit Kritik und Fragen.

Diskussionen bestreiten

 Alternativ:

Science Slam: Bühne frei! [90 min.]

13

Workshop

Rahmenbedingungen und Tipps zum Erstellen der Abschlusspräsentation

Erstellen der Abschlusspräsentation

14ff.

Seminar

• Frist: Abgabe schriftliche Prüfungsleistung (Seminararbeit)
• Beginn Abschlusspräsentationen (2 Gruppen pro Termin)
  

/

Ausgewählte Kapitel: Ethik & Datenschutz (optionale Ergänzung/E-Learning)

• Begriff(e) und historische Entwicklung von Ethik und Moral,
• Funktionen, Strömungen und Betrachtungsperspektiven,
• Leitlinien und Kodizes,
• Value-sensitive-Design, Kontext-Wechselwirkung,
• Legalrahmen, Begriffe, Zweck und geschützte Sphären im Datenschutz,
• DSGVO-Prinzipien,
• Privacy Preserving Data Mining.

/

1

Organisatorisches / Einführung

• Inhaltliche Ausrichtung der Veranstaltung,
• Ziele der Veranstaltung,
• Aufbau der Veranstaltung,
• Scheinkriterien,
• Begriffe, Beispiele und Perspektiven in der Disziplin „Data Science“,
• Aspekte des wissenschaftlichen Arbeitsprozesses im Kontext der Datenanalyse,
• Daten: Charakteristika und Klassifikationsparameter,
• Limitationen von Datenanalysen,
• Fehler in Daten,
• Statistik.

Gruppenbildung- und Themenexploration für die modulbegleitende Prüfungsleistung

2

Phasen der Datenanalyse

• Grundlegende Aspekte der Datenanalyse als Prozess,
• Übersicht Vorgehens- und Prozessmodelle,
• Unser Vorgehensmodell nach Schmidt mit Zielen und Meilensteinen der verschiedenen Phasen: Erkundung, Datenbeschaffung, Daten-präparation, Exploration/Modell-Planung, Model-Erstellung, Interpretation, Veröffentlichung, Operationalisierung.

Ü1: Forschungsfrage & erste Überlegungen in Frühphasen eines Data Science Projektes

Ü2: Datenbeschaffung

Ü3: Status Quo Gruppenbildung / Themenfindung (ansonsten Hausaufgabe)

3

Workshop

• Frist: Meldung zu einer 5er Gruppe mit Thema (Beginn der modulbegleitenden Prüfungsleistung),
• Bildung von Unterthemen,
• Erstellen eines Projektplans mit je 5 Quellen zu Unterthemen.

• Fertigstellung der Projektpläne für die Prüfungsleistung

• Vorstellung/Diskussion der Projektpläne reihum

4

Ethik & Datenschutz

• Ethische Aspekte im Kontext von Datenanalysen,
• Datenschutz: gesetzlicher Rahmen,
• Begriffe sich im Umfeld von Datenschutz,
• Grundsätze der EU-Datenschutzgrundverordnung,
• Personengebundene Daten und Persönlichkeitsrechte,
• Tipps für Datenerhebung und –nutzung aus Sicht der Informatik,
• Die Rolle von Empirie bei ethischen Ansätzen des Software Engineering.

Ü1: Fallstudie "Gewissensbits" [~60 min.]

Ü2: Ethische Aspekte Ihres Projekts (ggf. Hausaufgabe)

5

Grundlagen Statistik [I] - Lagemaße

• Aufgaben und Wesen der Statistik,
  Statistische Begriffe,
• Merkmalstypen und Skalenniveaus zur Messung von (qualitativen und/oder quantitativen) Merkmalen
• Deskriptive Statistik: Möglichkeiten zur Untersuchung und Beschreibung von Verteilungen mit Lagemaßen: Arithmetisches Mittel, Median, Modus, Streuungsmaßen: Quantile, Standardabweichung, Varianz und grafischen Darstellungen/Visualisierungen
• Hinweise zum „Lügen mit Statistik“

Ü1: Einlesen von Daten in Arbeitsbereich (RStudio/jupyter notebook)

Ü2: Anpassung / Ergänzung von Datensätzen (RStudio/jupyter notebook)

Ü3: Berechnung von einfachen Lagemaßen  (RStudio/jupyter notebook)

Ü4: Skalenniveaus

6

Grundlagen Statistik [II]
 -

Zusammenhang und Korrelation

• Kontingenztabellen,
• Verhältniszahlen: Odds und Odds Ratio,
• Beobachtete und erwartete Häufigkeiten,
• Zusammenhang zwischen zwei Merkmalen / Variablen,
• Zusammenhangskoeffizienten,
• Korrelation und Zusammenhangsmaße,
• Berechnung und Interpretation ausgewählter Verhältniszahlen und Assoziationsmaße,
• Korrelation vs. Kausalität.

Ü1: Chi-Quadrat-Test und Signifikanzniveaus mit zwei einfachen Vektoren  (RStudio/jupyter notebook)

Ü2: Chi-Quadrat-Test und Signifikanzniveaus anhand einer Umfrage von Infratest-Dimap zum Thema "Wegfall von Arbeitsplätzen durch den Mindestlohn" (RStudio/jupyter notebook)

Ü3: Korrelation (Temperatur und Druck) (RStudio/jupyter notebook)

7

Workshop

Retrospektive der letzten Einheiten

Arbeit am Gruppenprojekt

8

Grundlagen Statistik [III]
Regression

• Charakter und Untersuchungsziele von Regressionsanalysen/-Regressionsmodellen,
• Einfache lineare vs. Multiple Regression,
• Formalisierung von Regressionsmodellen und die Bedeutung von Parameter, Fehler und Güte für ein Modell,
• Parameterschätzung,
• Overfit vs. Underfit,
• Ausgewählte vertiefende (Programmier-)beispiele.

Ü1: Einfache lineare Regression (Temperatur und Druck) (RStudio/jupyter notebook)

Ergänzend: Arbeit an Gruppenprojekt

9

Grundlagen Statistik [IV] Wahrscheinlichkeit, Inferenz und Testtheorie

• Begriffe: statistische Inferenz, Zufall und Wahrscheinlichkeit,
• Bedingte und totale Wahrscheinlichkeit,
• Bayes-Theorem,
• Dichtefunktionen / Dichteverteilungen,
• Grundlagen der Testtheorie,
• Falsifikationsprinzip,
• Hypothesen und Tests,
• Fehler bei Hypothesentests,
• Signifikanzniveau,
• Sensitivität und Spezifität.

Ü1: Hypothesen & t-test

Ergänzend: Arbeit an Gruppenprojekt

                  10

Machine Learning [I]
Supervised Learning

• Merkmale, Eigenschaften und Begriffe im Umfeld des Maschinellen Lernens,
• Lerntypen,
• Überwachtes (supervised) vs. Unüberwachtes (unsupervised) Lernen,
• Vertiefung von Klassifikationsproblemen
  Begriffe: Klassifikator, Diskriminante und Versionsraum,
• Möglichkeiten, mittels eines Klassifikationsschemas eine Klasse zu erlernen,
• Weitere Methoden und Algorithmen, welche für eine Klassifizierung genutzt werden können.
• Beispiel: Entscheidungsbaum (decision tree)

Ü1: Decision Trees (mit libraries rpart und rpart.plot)
- Erstellen der Trainings- und Testdaten (splitting)
- Erstellen des Entscheidungsbaums mit den Trainingsdaten (Lernphase)
- Drucken des erlernten Ergebnisses
- Test mit den Testdaten mit Funktion predict()

11

Machine Learning [I]
Unsupervised Learning

• Methoden beim unüberwachten Lernen,
• Distanz / Distanzmetriken
• Euklidische Distanz,
  Dimensionalitätsreduktion,
• Clusterverfahren
• Fokus: k-Means Clustering, Ermittlung der optimalen Anzahl von Clustern.

Ü1: k-means clustering

12

Workshop

Rahmenbedingungen und Tipps zum Erstellen der Abschlusspräsentation

Erstellen der Abschlusspräsentation

13

Ausgewählte Kapitel: Graphentheorie & Netzwerkanalyse

• Wissenschaftsdisziplin Network Science
• Begriffe
• Beispiele
• Netzwerktypen
• Gesellschaftliche Aspekte, -technologien
• Algorithmen und Analysen auf Mikro-, Makro- und Mesoebene
• Netzwerkmodelle
• Dynamische Aspekte

Finalisierung der Prüfungsleistungen

14ff.

Seminar

• Frist: Abgabe schriftliche Prüfungsleistung (Seminararbeit)

• Beginn Abschlusspräsentationen (2 Gruppen pro Termin)

/

1

Organisatorisches / Einführung

Vgl. Skript Kap. 1.

• Inhaltliche Ausrichtung der Veranstaltung,
• Ziele der Veranstaltung,
• Aufbau der Veranstaltung,
• Scheinkriterien,
• Begriffe, Beispiele und Perspektiven in der Disziplin,
• Merkmale und Eigenschaften verteilter Systeme,
• Bedeutung und Kategorien von Transparenz,
• Vor- und Nachteile verteilter Systeme,
• Erste Ansätze zur Bewertung von verteilten Systemen
• Skalierbarkeit und Interaktionskomplexität in verteilten Systemen
  Ausgewählte Beispiele verteilter Systeme

Vgl. Skript Kap. 1.

ergänzend (und Hausaufgabe)

Start Exploration Themen/ Gruppenfindung und -bildung für Prüfungsvorleistung**

**Konkrete Vorleistung wird zu Semesterbeginn bekannt gegeben, z.B. Tutorial, Flipped Classroom-Einheit, Mini-Seminararbeit.

2

Systemmodelle (logische Sicht)

Vgl. Skript Kap. 2.

• Grundlegende Aspekte der Interaktion in Verteilten Systemen
• Kopplung
• Brewer‘s Theorem (CAP-Theorem)
• Geschichtete Architekturen
• Service-orientierte und Event-driven Architekturen
• Limitationen
• Fehler: Quellen, Arten und Umgang
• Sicherheitsaspekte

Vgl. Skript Kap. 2.

1. 3-tier Architektur

2. Multitier

3. Fragenkatalog

4. DDoS

Ergänzend: Bearbeitung der Prüfungsvorleistung (auch Hausaufgabe)

3

Workshop

Frist: Meldung zur Prüfungsvorleistung mit Gruppe

Vorstellung der Themen/Gruppen reihum

Bearbeitung der Prüfungsvorleistung (auch Hausaufgabe)

4

Systemarchitekturen I: Client/Server

Vgl. Skript Kap. 3.1-3.2

• Kernmerkmale verschiedener Systemarchitekturen verteilter Systeme,
• Aspekte der Client/Server (C/S) -Systemarchitektur im Kontext eines geschichteten Architekturstils,
• Merkmale verschiedener Interaktionssemantiken in Client-Server-Systemen,
• Klassifikationsansätze von Servern: Zustand, Nachrichtenbearbeitung, Aktivierung,
• Variationen von C/S-Systemen/mehrschichtige Architekturen,
• Rollen und Verkettungsmöglichkeiten von Servern in geschichteten Architekturen.

Vgl. Skript Kap. 3.

Ergänzend: Bearbeitung der Prüfungsvorleistung (auch Hausaufgabe)

5

Systemarchitekturen II: Peer-to-Peer

Vgl. Skript Kap. 3.3

• Aspekte dezentralisierter Systemarchitekturen- und Systeme,
• Merkmale und Eigenschaften,
• Klassifikationsansätze,
• Logische Netzstruktur (Overlay),
• Ausgewählte Topologien und Algorithmen strukturierter Overlay-Netze,
• Distributed Hash Tables (DHT).

Vgl. Skript Kap. 3.

Ergänzend: Bearbeitung der Prüfungsvorleistung (auch Hausaufgabe)

6

Systemarchitekturen III: Hybride Architekturen und Konzepte

Vgl. Skript Kap. 3.4-3.5

• Cloud Computing: Dienstmodelle, Bereitstellungsmodelle,
• Aspekte der Migration in die Cloud,
• Blockchain: ein verteiltes Hauptbuch,
• Kriterien bei der Architekturauswahl.

Vgl. Skript Kap. 3.

Ergänzend: Bearbeitung der Prüfungsvorleistung (auch Hausaufgabe)

7

Workshop

Retrospektive der letzten Einheiten

Arbeit an Prüfungsvorleistung

8

Interprozesskommunikation I: Basiskonzepte

Vgl. Skript Kap. 4.1-4.3

• Begriffe und Konzepte der Interprozesskommunikation,
• Blockierungseigenschaften,
• Transienz vs. Persistenz,
• Protokollklassifikation,
• Speicher- vs. Nachrichtenbasierte Kommunikation,
• Basis der Netzwerkprogrammierung: Sockets und Ports
• Socket-Primitive und ausgewählte Programmierbeispiele: UDP, TCP.

Vgl. Skript Kap. 4.

Ergänzend: Bearbeitung der Prüfungsvorleistung (auch Hausaufgabe)

9

Interprozesskommunikation II: Middleware

Vgl. Skript Kap. 4.4

• Middleware-Kommunikationsformen / Prinzipien verteilter Aufrufe: synchron/transient vs. Asynchron/persistent,
• Bedeutung von Schnittstellen,
• Remote Procedure Call (RPC: entfernte Prozeduraufrufe),
• Remote Method Invocation (RMI: entfernter Methodenaufruf),
• Webservices: HTTP(S), REST, SOAP, WebSocket, gRPC, GraphQL,
• Message Passing Interface (MPI),
• Message Oriented Middleware (MOM).

Vgl. Skript Kap. 4.

Ergänzend: Bearbeitung der Prüfungsvorleistung (auch Hausaufgabe)

                  10

Nebenläufigkeit, Koordination und Synchronisation I

Vgl. Skript Kap. 5.1-5.2

• Nebenläufigkeit und Parallelität (Task vs. Daten),
• Synchronisation und Koordination,
• Amdahl’s Gesetz,
• Prozesse vs. Threads,
• Orchestrierung vs. Choreographie,
• Aspekte bei der Programmierung: Mutex, Semaphoren,
• Fokus: ausgewählte Programmierbeispiele

Vgl. Skript Kap. 5.

Ergänzend: Bearbeitung der Prüfungsvorleistung (auch Hausaufgabe)

11

Nebenläufigkeit, Koordination und Synchronisation II: Zeit

Vgl. Skript Kap. 5.3

• Physikalische Uhren
• Zeitnormale und Zeitreferenzen
• Synchronisierung
• Logische Uhren: Lamport- und Vektoruhr

Vgl. Skript Kap. 5.

Ergänzend: Bearbeitung der Prüfungsvorleistung (auch Hausaufgabe)

12

Gruppenkommunikation

Vgl. Skript Kap. 6

• Kommunikationsmodelle: Unicast vs. Gruppenkommunikation
• Gruppenstrukturen
• Semantik: Zuverlässigkeitsgrad
• Wahlalgorithmen: Bully, Ring

Vgl. Skript Kap. 5.

Ergänzend: Bearbeitung der Prüfungsvorleistung (auch Hausaufgabe)

13

Workshop

• Frist: Abgabe schriftliche Prüfungsvorleistung

• Klausurtipps: Rahmenbedingungen, Tipps

Lerntipps & Start Bearbeitung Klausurhilfsmittel (Spickzettel)

14

Ausgewählte Kapitel: Globale Zustände

Vgl. Skript Kap. 6

Optional/ergänzend (E-Learning)

• Zustand und Zustandserfassung,
• Globale Eigenschaften,
• Schnitte und Konsistenz,
• Konsistenzmodelle,
• Ausgewählte Algorithmen: Chandy-Lamport, Mattern.

Vgl. Skript Kap. 6.

Ergänzend: Vorbereitung auf Prüfung

15

Ausgewählte Kapitel: Netzwerke

Optional/ergänzend (E-Learning; nicht klausurrelevant)

• Unterscheidungskriterien für Netzwerke
• Protokolle für die Netzwerkkommunikation,
• Open Systems Interconnection Reference Models (OSI),
• Protokoll-Schichten des TCP/IP-Stacks im Kontext der OSI-Layers,
• Ausgewählte Aspekte im Zusammenhang mit Protokoll-Schichten am Beispiel TCP/IP: Enkapsulation, Paketübermittlung / Zerteilung von Daten in Protocol Data Units,
• IP-Adressierung, IPv4 vs. IPv6, Netzklassen und Classless Internet Domain Routing (CIDR),
• Router und Routing: Funktionsmerkmale von Routern, Verfahren zur Ermittlung von Routing Tabellen, Route discovery: dynamische Algorithmen zur Wegewahl (distance vector vs. link state), Aktualisierung und Fehlerbehandlung,
• Folgen von single bit errors bei verschiedenen Frame-Größen.

Vorbereitung auf Prüfung

1

Organisatorisches / Einführung

• Inhaltliche Ausrichtung der Veranstaltung,
• Ziele der Veranstaltung,
• Aufbau der Veranstaltung,
• Scheinkriterien,
• Eigenschaften und Begrifflichkeiten im Umfeld der Graphentheorie und Netzwerkanalyse sowie Aspekte der Wissenschaftsdisziplin Network Science,
• Beispiele für verschiedene Netzwerke und Konzepte der formalen Repräsentation eines Netzwerkes als Graph,
• Gesellschaftliche Aspekte der Graphen- und Netzwerkperspektive,
• Einstig in das Technologiespektrum im Umfeld von Graphen und Netzwerken.
• Aspekte des wissenschaftlichen Arbeitsprozesses im Kontext einer Netzwerkdatenanalyse,

Gruppenbildung- und Themenexploration für die modulbegleitende Prüfungsleistung

2

Phasen der Datenanalyse

• Grundlegende Aspekte der Datenanalyse als Prozess,
• Übersicht Vorgehens- und Prozessmodelle,
• Unser Vorgehensmodell nach Schmidt mit Zielen und Meilensteinen der verschiedenen Phasen: Erkundung, Datenbeschaffung, Daten-präparation, Exploration/Modell-Planung, Model-Erstellung, Interpretation, Veröffentlichung, Operationalisierung.

Ü1: Forschungsfrage & erste Überlegungen in Frühphasen Ihres Projektes

Ü2: Datenbeschaffung

Ü3: Status Quo Gruppenbildung / Themenfindung (ansonsten Hausaufgabe)

3

Workshop

• Frist: Meldung zu einer 5er Gruppe mit Thema (Beginn der modulbegleitenden Prüfungsleistung),
• Bildung von Unterthemen,
• Erstellen eines Projektplans mit je 5 Quellen zu Unterthemen.

• Fertigstellung der Projektpläne für die Prüfungsleistung

• Vorstellung/Diskussion der Projektpläne reihum

4

Ausgewählte Kapitel: Ethik & Datenschutz

• Ethische Aspekte im Kontext von Datenanalysen,
• Datenschutz: gesetzlicher Rahmen,
• Begriffe sich im Umfeld von Datenschutz,
• Grundsätze der EU-Datenschutzgrundverordnung,
• Personengebundene Daten und Persönlichkeitsrechte,
• Tipps für Datenerhebung und –nutzung aus Sicht der Informatik,
• Die Rolle von Empirie bei ethischen Ansätzen des Software Engineering.

Ü: Ethische / Datenschutzaspekte Ihres Projekts (ggf. Hausaufgabe)

5

Umgang mit Netzwerkdaten: Modellierung, Erhebung, Visualisierung und Analyse

• Ansätze zur Modellierung von Graphdaten, z.B. Property Graph Model (PGM),
• Eingrenzung der Untersuchungspopulation (Knoten) und Kanten vor einer Datenerhebung,
• Verfahren zur Datenerhebung und Dateiformate für Netzwerkdaten Analysierbare Merkmale von Knoten und Knotengruppen,
• Analyseebenen und Betrachtungsradien es bei Knotenkollektiven,
• Analyseverfahren zur Betrachtung von Position und Zentralität aus statischer und dynamischer Perspektive.

Vgl. Lehrbuch / Rest: Arbeit an Gruppenprojekt

6

Grundlagen der Graphentheorie

• Ungerichtete und gerichtete Netzwerkstrukturen,
• Adjazenz- und Inzidenzmatrizen
• Graphentypen: gewichtete, Multigraphen,
• Hypergraphen, Bäume und k-partite Graphen,
• Die Bedeutung des Grades als Grundlage zur Ermittlung des durchschnittlichen Grades und der Gradverteilung,
• Dichte,
• Berechnung und Interpretation des Verhältnisses zwischen existenten Kanten/Knotengraden zu maximal möglichen Kanten in ungerichteten und gerichteten Szenarien,
• Einfache Netzstrukturen aus Matrizen ablesen und berechnen.
• Distanzmetriken, Wege, Pfade und Zyklen
• Komponenten als Subgruppen eines Netzwerkes.

Vgl. Lehrbuch / Rest: Arbeit an Gruppenprojekt

7

Workshop

Retrospektive der letzten Einheiten

Arbeit am Gruppenprojekt

8

Knoten: Position und Zentralität

• Berechnung und Interpretation von Zentralitätsmaßen zur Konkretisierung der Position eines Knotens, z.B. Gradzentralität, Nähezentralität als Radialmaß, Zwischenzentralität als mediales Maß,
• Eigenvektor- und Katz-Zentralität als Positionen eines Knotens im Kontext der Position seiner Nachbarn.

Vgl. Lehrbuch / Rest: Arbeit an Gruppenprojekt

9

Knotengruppen (klein): Dyaden, Triaden, egozentrierte Netze

• Analyseverfahren und Kennzahlen in eher ”kleinen“ Knotengruppen,
• Dyadenkonstellationen und Dyadenzensus in gerichteten Graphen auf Basis des M-A-N-Ansatzes,
• Triadenkonstellationen und Triadenzensus,
• Egozentrierte Netzwerke mit verschiedenen Radien.

Vgl. Lehrbuch / Rest: Arbeit an Gruppenprojekt

10

Knotengruppen/Gemeinschaften

• Arbeitsdefinitionen zum Konstrukt ”Gemeinschaft“,
• Partitionierung vs. Erkennung/Detektion von Gemeinschaften,
• Modularität im Kontext von Güte/Qualität von Zerlegungen.

Vgl. Lehrbuch / Rest: Arbeit an Gruppenprojekt

11

Community Detection

• Ansätze zur Gemeinschaftsbildung und -erkennung nach lokalen, globalen sowie dichte- und symmetriebasierten Perspektiven,
• Divisive und agglomerative Algorithmen zur Gemeinschaftserkennung (community detection),
• Praktische Beispiele zur Gemeinschaftserkennung, z.B. Label Propagation mit Modularitätsvergleich.

Vgl. Lehrbuch / Rest: Arbeit an Gruppenprojekt

12

Workshop

Rahmenbedingungen und Tipps zum Erstellen der Abschlusspräsentation

Erstellen der Abschlusspräsentation

13

Netzwerkmodelle: statisch/Verdrahtungsmodelle

• Wahrscheinlichkeitsverteilungen und vertiefte Beispiele: Binomialverteilung, Poisson-Verteilung, Exponentialverteilung, Potenzgesetz,
• Strukturmodelle (Verdrahtung): Zufallsgraphen,
• Kleine-Welt-Modell, Skalenfreie Netze,
• Fokus: Konfigurationsmodell, Exponential Random Graph Models (ERGMs).

Vgl. Lehrbuch / Rest: Arbeit an Gruppenprojekt, z.B. Finalisierung der Prüfungsleistungen

14

Netzwerkmodelle: dynamisch/Wachstumsmodelle

• Dynamische Aspekte von Netzwerken,
• „Veränderung“,
• Modelle mit Fokus auf Kantenveränderung,
• Modelle mit Fokus auf Knotenveränderung.

Vgl. Lehrbuch / Rest: Arbeit an Gruppenprojekt, z.B. Finalisierung der Prüfungsleistungen

15ff.

Seminar

• Frist: Abgabe schriftliche Prüfungsleistung (Seminararbeit)

• Beginn Abschlusspräsentationen (2 Gruppen pro Termin)

/