050038 VU Scientific Data Management (2014S)
Prüfungsimmanente Lehrveranstaltung
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Sa 01.02.2014 09:00 bis So 23.02.2014 23:59
- Abmeldung bis Mo 31.03.2014 23:59
Details
max. 50 Teilnehmer*innen
Sprache: Deutsch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Freitag 07.03. 09:45 - 13:00 Hörsaal 2, Währinger Straße 29 2.OG
- Freitag 14.03. 09:45 - 13:00 Hörsaal 2, Währinger Straße 29 2.OG
- Freitag 21.03. 09:45 - 13:00 Hörsaal 2, Währinger Straße 29 2.OG
- Freitag 28.03. 09:45 - 13:00 Hörsaal 2, Währinger Straße 29 2.OG
- Freitag 04.04. 09:45 - 13:00 Hörsaal 2, Währinger Straße 29 2.OG
- Freitag 11.04. 09:45 - 13:00 Hörsaal 2, Währinger Straße 29 2.OG
- Freitag 02.05. 09:45 - 13:00 Hörsaal 2, Währinger Straße 29 2.OG
- Freitag 09.05. 09:45 - 13:00 Hörsaal 2, Währinger Straße 29 2.OG
- Freitag 16.05. 09:45 - 13:00 Hörsaal 2, Währinger Straße 29 2.OG
- Freitag 23.05. 09:45 - 13:00 Hörsaal 2, Währinger Straße 29 2.OG
- Freitag 30.05. 09:45 - 13:00 Hörsaal 2, Währinger Straße 29 2.OG
- Freitag 06.06. 09:45 - 13:00 Hörsaal 2, Währinger Straße 29 2.OG
- Freitag 13.06. 09:45 - 13:00 Hörsaal 2, Währinger Straße 29 2.OG
- Freitag 20.06. 09:45 - 13:00 Hörsaal 2, Währinger Straße 29 2.OG
- Freitag 27.06. 09:45 - 13:00 Hörsaal 2, Währinger Straße 29 2.OG
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
Alle Projekte termingerecht und vollstaendlich geloest zu haben und bei der Abgabe diese erklaeren zu koennen; mindestens 50% der moeglichen Abschlusstestpunkte zu erreichen; Abschlusstest findet am 27. Juni 2014 statt.
Mindestanforderungen und Beurteilungsmaßstab
Vermittlung von Kenntnissen über die wesentlichen Datenstrukturen des Scientific Computing und der Organisation wissenschaftlicher Information in einem Scientific Data Repository (Data Warehouse, Datenbank, Datei oder in verteiltem Datenmanagementsystem). Die Studierenden erwerben durch praktische Projektarbeit die Fähigkeit zum Einsatz dieser Systeme in Scientific Computing und zur Informationsbeschaffung & Wissensauffindung mittels geeigneter Abfragekalküle und Algorithmen.
Prüfungsstoff
Jeder Vorlesungsblock wird mit einem praktischen Projekt verbunden werden.
Literatur
In jedem Foliensatz befindet sich die entsprechende empfohlene Literaturliste.
Zuordnung im Vorlesungsverzeichnis
Letzte Änderung: Mo 07.09.2020 15:29
Data Science Paradigmen, Ziele und Methoden von Scientific Data Management, BIG Data paradigm, Eingenschaften und Taxonomie von modernen datenintensiven wissenschaftlichen Anwendungen, wissenschaftliche Datenbibliotheken und Datenbanken (relationale, objektorientierte und XML), Web-Datenextraktion-Techniken, Data Stream Management und Analyse, Architektur verteilter Datenbanken und Modelle (Verteilung, Heterognität, Autonomie), Fragmentierung, Abfragenoptimierung, parallele Datenbanksysteme, föderierte Datenbanken, strukturelle und semantische Datenintegration, Datencuration, paralleles und verteiltes Datawarehousing, Datenbanken im Grid und Cloud, Scientific Streaming Cloud, Wissensfindungs-Techniken, Provenance- und Dataspace-basierte wissenschaftliche Forschung.