Nummer5230LeitungPia Bereuter, pia.bereuter@fhnw.ch Susanne Bleich, susanne.bleisch@fhnw.ch Martin Christen, martin.christen@fhnw.chECTS9.0UnterrichtsspracheDeutschLernziele/Kompetenzen- Die Studierenden wenden ihr Wissen und erlernten Fähigkeiten im Bereich von GIScience und Geoinformatik praxisnah an und entwickeln diese im Rahmen in einer vertieften, angewandten Projektarbeit weiter um komplexe geographische Probleme eigenständig zu lösen.
- Die Studierenden erwerben grundlegende Kenntnisse im Bereich der Spatial Data Science zu Preprocessing, Data Engineering, Analyse, Visualisierungen und Reproduzierbarkeit.
- Die Studierenden können eine Anforderungsanalyse, Hypothesen und räumliche Fragestellungen für ihre Projektarbeit erarbeiten und ihre Ergebnisse kritisch reflektieren und diskutieren.
- Die Studierenden erwerben Kenntnisse über Datenengineering und Preprocessing-Techniken, um räumliche Daten für die Analyse vorzubereiten, sowie Methoden zur Datenbereinigung, -transformation und -integration anwenden können, um qualitativ hochwertige und konsistente räumliche Daten für Analysen zu erhalten.
- Die Studierenden lernen, wie sie ihre Forschungsergebnisse und Analysen reproduzierbar dokumentieren, visualisieren und kommunizieren können.
- Die Studierenden nutzen Techniken der explorativen Datenanalyse, um Muster und Zusammenhänge in den Daten zu entdecken und zu evaluieren. Die Studierenden wenden ihre explorativen Visualisierungskenntnisse an und erstellen auf dieser Basis geeignete kommunikative Visualisierungen, kritisieren und verbessern diese iterativ.
- Die Studierenden lernen fortgeschrittene GIS Methoden und Geoprozessierung kennen um komplexe räumliche Probleme zu lösen, unter anderem grundlegenden Methoden der räumlichen Statistik, Rasteranalyse und Clustering.
- Die Studierenden erhalten eine Einführung in die Grundlagen der 3D-Computergrafik, sowie extended Reality Technologien und lernen wie diese für Analysen und Visualisierungen genutzt werden können.
- Die Studierenden erfahren, wie IoT (Internet of Things) und Sensordaten in räumlicher Analyse eingesetzt werden können.
- Die Studierenden lernen sich aktiv in neue Themengebiete und Technologien einzuarbeiten und ihr Wissen über aktuelle Anwendungen von GIS zu erweitern.
- Die Studierenden sollen sich der Herausforderungen und ethischen Überlegungen bei der Verwendung von GIS bewusst sein und diese berücksichtigen können.
Inhalt- Spatial Data Science
- Reproduzierbarkeit
- Explorative Datenanalyse & Visual Analytics
- Data Engineering & Preprocessing & Requirement Analyse
- Grundlagen der räumlichen Statistik
- Geoprocessing Rasteranalyse
- Cyber Security II
- Grundlagen 3D Computergraphik
- IoT und real-time Sensordaten
- Extended Reality Technologien
- grössere praxisnahe Projektarbeit mit externen Partner
Besondere Eintrittsvoraussetzungen4230 und 5050 erfolgreich absolviertLeistungsbewertungTestatpflichtiger Projektbericht und -präsentation / Modulabschlussprüfung schriftlich ohne Unterlagen
T100 P100BemerkungenAktive Teilnahme während der gesamten Kursdauer 
