Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage...

• Methoden zur raumbezogenen Datenanalyse anzuwenden
• häufige Fehlerquellen bei der Analyse zu erkennen
• Muster aus Daten zu extrahieren
• Algorithmen für Netzwerkanalyse und räumliche Optimierung anzuwenden
• maschinelle Verfahren anzuwenden (Machine Learning)
• Standortanalysen durchzuführen
• praktische Kenntnisse in der Anwendung entsprechender Tools vertiefen

Erklärung von Konzepten und Durchführung praktischer Aufgaben um diese Konzepte zu verstehen:

• Geodatenanalyse
• Räumliche Statistik
• Raumzeitliche Analysen
• Netzwerkanalyse 
• Spatial Data Mining
• Machine Learning
• Clustering 
• Optimierung 
• Standortoptimierung

Die theoretischen Konzepte werden anhand von Folien und wissenschaftlicher Literatur präsentiert und diskutiert. Im Labor werden auf der Basis dieser Konzepte praktische Aufgaben durchgeführt.

Die Vorlesungen und Übungen werden in Präsenz gehalten. Nach vorheriger Ankündigung können einzelne Einheiten im Distance Learning Modus abgehalten werden, wenn es die Umstände erfordern.

- Miniquizzes. Mindestens 50% der Punkte müssen erreicht werden

- Schriftliche Prüfung (ohne Hilfsmittel). Mindestens 50% der Punkte müssen erreicht werden

Note: 20% Miniquizzes + 80% Schriftliche Prüfung