052813 VU Scientific Data Management (2022S)
Prüfungsimmanente Lehrveranstaltung
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 14.02.2022 09:00 bis Do 24.02.2022 10:00
- Abmeldung bis Mo 14.03.2022 23:59
Details
max. 25 Teilnehmer*innen
Sprache: Englisch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Dienstag
01.03.
15:00 - 16:30
Hörsaal 2, Währinger Straße 29 2.OG
Mittwoch
02.03.
18:30 - 20:00
Hörsaal 3, Währinger Straße 29 3.OG
Dienstag
08.03.
15:00 - 16:30
Hörsaal 2, Währinger Straße 29 2.OG
Mittwoch
09.03.
18:30 - 20:00
Hörsaal 3, Währinger Straße 29 3.OG
Dienstag
15.03.
15:00 - 16:30
Hörsaal 2, Währinger Straße 29 2.OG
Mittwoch
16.03.
18:30 - 20:00
Hörsaal 3, Währinger Straße 29 3.OG
Dienstag
22.03.
15:00 - 16:30
Hörsaal 2, Währinger Straße 29 2.OG
Mittwoch
23.03.
18:30 - 20:00
Hörsaal 3, Währinger Straße 29 3.OG
Dienstag
29.03.
15:00 - 16:30
Hörsaal 2, Währinger Straße 29 2.OG
Mittwoch
30.03.
18:30 - 20:00
Hörsaal 3, Währinger Straße 29 3.OG
Dienstag
05.04.
15:00 - 16:30
Hörsaal 2, Währinger Straße 29 2.OG
Mittwoch
06.04.
18:30 - 20:00
Hörsaal 3, Währinger Straße 29 3.OG
Dienstag
26.04.
15:00 - 16:30
Hörsaal 2, Währinger Straße 29 2.OG
Mittwoch
27.04.
18:30 - 20:00
Hörsaal 3, Währinger Straße 29 3.OG
Dienstag
03.05.
15:00 - 16:30
Hörsaal 2, Währinger Straße 29 2.OG
Mittwoch
04.05.
18:30 - 20:00
Hörsaal 3, Währinger Straße 29 3.OG
Dienstag
10.05.
15:00 - 16:30
Hörsaal 2, Währinger Straße 29 2.OG
Mittwoch
11.05.
18:30 - 20:00
Hörsaal 3, Währinger Straße 29 3.OG
Dienstag
17.05.
15:00 - 16:30
Hörsaal 2, Währinger Straße 29 2.OG
Mittwoch
18.05.
18:30 - 20:00
Hörsaal 3, Währinger Straße 29 3.OG
Dienstag
24.05.
15:00 - 16:30
Hörsaal 2, Währinger Straße 29 2.OG
Mittwoch
25.05.
18:30 - 20:00
Hörsaal 3, Währinger Straße 29 3.OG
Dienstag
31.05.
15:00 - 16:30
Hörsaal 2, Währinger Straße 29 2.OG
Mittwoch
01.06.
18:30 - 20:00
Hörsaal 3, Währinger Straße 29 3.OG
Mittwoch
08.06.
18:30 - 20:00
Hörsaal 3, Währinger Straße 29 3.OG
Dienstag
14.06.
15:00 - 16:30
Hörsaal 2, Währinger Straße 29 2.OG
Mittwoch
15.06.
18:30 - 20:00
Hörsaal 3, Währinger Straße 29 3.OG
Dienstag
21.06.
15:00 - 16:30
Hörsaal 2, Währinger Straße 29 2.OG
Mittwoch
22.06.
18:30 - 20:00
Hörsaal 3, Währinger Straße 29 3.OG
Dienstag
28.06.
15:00 - 16:30
Hörsaal 2, Währinger Straße 29 2.OG
Mittwoch
29.06.
18:30 - 20:00
Hörsaal 3, Währinger Straße 29 3.OG
Seminarraum 7, Währinger Straße 29 1.OG
Seminarraum 7, Währinger Straße 29 1.OG
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
Aktive Mitarbeit
Bearbeitung von Übungsblättern
Bearbeitung von Programmieraufgaben in Gruppen
Abschlusstest
Bearbeitung von Übungsblättern
Bearbeitung von Programmieraufgaben in Gruppen
Abschlusstest
Mindestanforderungen und Beurteilungsmaßstab
Es wird empfohlen, dass die folgenden Kurse vor dieser LV abgeschlossen werden:
- Algorithmen und Datenstrukturen
- Datenbanksysteme
- Software Engineering
- Netzwerktechnologien30% Übungsblätter
30% Programmierübungen im Team
40% schriftlicher Abschlusstest>87,00%: 1
75,00% - 86,99: 2
63,00% - 74,99%: 3
50,00% - 62,99%: 4
< 50%: 5
- Algorithmen und Datenstrukturen
- Datenbanksysteme
- Software Engineering
- Netzwerktechnologien30% Übungsblätter
30% Programmierübungen im Team
40% schriftlicher Abschlusstest>87,00%: 1
75,00% - 86,99: 2
63,00% - 74,99%: 3
50,00% - 62,99%: 4
< 50%: 5
Prüfungsstoff
Scientific Data and Feature Spaces
Clustering
Big Data Frameworks
Searching Numerical Data
Searching Sets
Searching & Mining Graphs
Analyzing Large Networks
Clustering
Big Data Frameworks
Searching Numerical Data
Searching Sets
Searching & Mining Graphs
Analyzing Large Networks
Literatur
Ester M., Sander J. Knowledge Discovery in Databases: Techniken und Anwendungen.
J. Leskovec, A. Rajaraman, J. Ullman. Mining of Massive Datasets.
J. Han, M. Kamber, J.Pei.Data Mining: Concepts and Techniques.
I. H. Witten , E. Frank, M. A. Hall. Data Mining: Practical Machine Learning Tools and Techniques.
J. Leskovec, A. Rajaraman, J. Ullman. Mining of Massive Datasets.
J. Han, M. Kamber, J.Pei.Data Mining: Concepts and Techniques.
I. H. Witten , E. Frank, M. A. Hall. Data Mining: Practical Machine Learning Tools and Techniques.
Zuordnung im Vorlesungsverzeichnis
Module: SDM
Letzte Änderung: Mi 12.10.2022 10:50
- Wissenschaftliche Daten analysieren
- Ergebnisse der Analyse interpretieren und bewerten
- Techniken für strukturierte Daten auswählen und anwenden
- Skalierbare Lösungen für große Datenmengen auswählen und implementieren
- Anwender unterstützen und beratenÜberfachliche Ziele
- Teamarbeit
- Verbesserung der Programmierkenntnisse
- Verständnis für Zusammenspiel von Datenanalyse und Scientific Computing