Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.
052813 VU Scientific Data Management (2021S)
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 15.02.2021 09:00 bis Mo 22.02.2021 09:00
- Abmeldung bis So 14.03.2021 23:59
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
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 03.03.2021 08:08
- 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