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

052813 VU Scientific Data Management (2021S)

6.00 ECTS (4.00 SWS), SPL 5 - Informatik und Wirtschaftsinformatik

Prüfungsimmanente Lehrveranstaltung

Moodle

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

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