Universität Wien FIND

Bedingt durch die COVID-19-Pandemie können kurzfristige Änderungen bei Lehrveranstaltungen und Prüfungen (z.B. Absage von Vor-Ort-Lehre und Umstellung auf Online-Prüfungen) erforderlich sein. Melden Sie sich für Lehrveranstaltungen/Prüfungen über u:space an, informieren Sie sich über den aktuellen Stand auf u:find und auf der Lernplattform moodle. ACHTUNG: Lehrveranstaltungen, bei denen zumindest eine Einheit vor Ort stattfindet, werden in u:find momentan mit "vor Ort" gekennzeichnet.

Regelungen zum Lehrbetrieb vor Ort inkl. Eintrittstests finden Sie unter https://studieren.univie.ac.at/info.

Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.

052813 VU Scientific Data Management (2021S)

Prüfungsimmanente Lehrveranstaltung

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first serve").

Details

max. 25 Teilnehmer*innen
Sprache: Englisch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Die Lehrveranstaltung wird bis auf weiteres online stattfinden.

Dienstag 02.03. 15:00 - 16:30 Digital
Donnerstag 04.03. 08:00 - 09:30 Digital
Dienstag 09.03. 15:00 - 16:30 Digital
Donnerstag 11.03. 08:00 - 09:30 Digital
Dienstag 16.03. 15:00 - 16:30 Digital
Donnerstag 18.03. 08:00 - 09:30 Digital
Dienstag 23.03. 15:00 - 16:30 Digital
Donnerstag 25.03. 08:00 - 09:30 Digital
Dienstag 13.04. 15:00 - 16:30 Digital
Donnerstag 15.04. 08:00 - 09:30 Digital
Dienstag 20.04. 15:00 - 16:30 Digital
Donnerstag 22.04. 08:00 - 09:30 Digital
Dienstag 27.04. 15:00 - 16:30 Digital
Donnerstag 29.04. 08:00 - 09:30 Digital
Dienstag 04.05. 15:00 - 16:30 Digital
Donnerstag 06.05. 08:00 - 09:30 Digital
Dienstag 11.05. 15:00 - 16:30 Digital
Dienstag 18.05. 15:00 - 16:30 Digital
Donnerstag 20.05. 08:00 - 09:30 Digital
Donnerstag 27.05. 08:00 - 09:30 Digital
Dienstag 01.06. 15:00 - 16:30 Digital
Dienstag 08.06. 15:00 - 16:30 Digital
Donnerstag 10.06. 08:00 - 09:30 Digital
Dienstag 15.06. 15:00 - 16:30 Digital
Donnerstag 17.06. 08:00 - 09:30 Digital
Dienstag 22.06. 15:00 - 16:30 Digital
Donnerstag 24.06. 08:00 - 09:30 Digital
Dienstag 29.06. 15:00 - 16:30 Digital

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Die Veranstaltung vermittelt zentrale Methoden für die Organisation und Analyse von großen wissenschaftlichen Datenbeständen: Verteilte Datenrepositories, Index- und Zugriffstrukturen, Hashing, Klassifikations- und Clusteringtechniken. Es werden spezielle Verfahren für strukturierte Daten wie Mengen, Bilder, Dokumente und Graphen behandelt. In Programmierübungen lernen die Studierenden effiziente Verfahren für die Ähnlichkeitssuche und das Data-Mining auf großen Datenmengen kennen z.B. Parallelisierung (MapReduce, SPARK) und Filter-Verifikations-Techniken.

Fachliche Ziele
- 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 beraten

Überfachliche Ziele
- Teamarbeit
- Verbesserung der Programmierkenntnisse
- Verständnis für Zusammenspiel von Datenanalyse und Scientific Computing

Art der Leistungskontrolle und erlaubte Hilfsmittel

Aktive Mitarbeit
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
- Netzwerktechnologien

30% 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

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.

Zuordnung im Vorlesungsverzeichnis

Module: SDM

Letzte Änderung: Mi 03.03.2021 08:08