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

052813 VU Scientific Data Management (2023S)

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").

Details

max. 25 Teilnehmer*innen
Sprache: Englisch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Mittwoch 01.03. 18:30 - 20:00 Hörsaal 3, Währinger Straße 29 3.OG
  • Dienstag 07.03. 15:00 - 16:30 Hörsaal 2, Währinger Straße 29 2.OG
  • Mittwoch 08.03. 18:30 - 20:00 Hörsaal 3, Währinger Straße 29 3.OG
  • Dienstag 14.03. 15:00 - 16:30 Hörsaal 2, Währinger Straße 29 2.OG
  • Mittwoch 15.03. 18:30 - 20:00 Hörsaal 3, Währinger Straße 29 3.OG
  • Dienstag 21.03. 15:00 - 16:30 Hörsaal 2, Währinger Straße 29 2.OG
  • Mittwoch 22.03. 18:30 - 20:00 Hörsaal 3, Währinger Straße 29 3.OG
  • Dienstag 28.03. 15:00 - 16:30 Hörsaal 2, Währinger Straße 29 2.OG
  • Mittwoch 29.03. 18:30 - 20:00 Hörsaal 3, Währinger Straße 29 3.OG
  • Dienstag 18.04. 15:00 - 16:30 Hörsaal 2, Währinger Straße 29 2.OG
  • Mittwoch 19.04. 18:30 - 20:00 Hörsaal 3, Währinger Straße 29 3.OG
  • Dienstag 25.04. 15:00 - 16:30 Hörsaal 2, Währinger Straße 29 2.OG
  • Mittwoch 26.04. 18:30 - 20:00 Hörsaal 3, Währinger Straße 29 3.OG
  • Dienstag 02.05. 15:00 - 16:30 Hörsaal 2, Währinger Straße 29 2.OG
    Seminarraum 3, Währinger Straße 29 1.UG
  • Mittwoch 03.05. 18:30 - 20:00 Hörsaal 3, Währinger Straße 29 3.OG
  • Dienstag 09.05. 15:00 - 16:30 Hörsaal 2, Währinger Straße 29 2.OG
  • Mittwoch 10.05. 18:30 - 20:00 Hörsaal 3, Währinger Straße 29 3.OG
  • Dienstag 16.05. 15:00 - 16:30 Hörsaal 2, Währinger Straße 29 2.OG
  • Mittwoch 17.05. 18:30 - 20:00 Hörsaal 3, Währinger Straße 29 3.OG
  • Dienstag 23.05. 15:00 - 16:30 Hörsaal 2, Währinger Straße 29 2.OG
  • Mittwoch 24.05. 18:30 - 20:00 Hörsaal 3, Währinger Straße 29 3.OG
  • Mittwoch 31.05. 18:30 - 20:00 Hörsaal 3, Währinger Straße 29 3.OG
  • Dienstag 06.06. 15:00 - 16:30 Hörsaal 2, Währinger Straße 29 2.OG
  • Mittwoch 07.06. 18:30 - 20:00 Hörsaal 3, Währinger Straße 29 3.OG
  • Dienstag 13.06. 15:00 - 16:30 Hörsaal 2, Währinger Straße 29 2.OG
  • Mittwoch 14.06. 18:30 - 20:00 Hörsaal 3, Währinger Straße 29 3.OG
  • Dienstag 20.06. 15:00 - 16:30 Hörsaal 2, Währinger Straße 29 2.OG
  • Mittwoch 21.06. 18:30 - 20:00 Hörsaal 3, Währinger Straße 29 3.OG
  • Dienstag 27.06. 15:00 - 16:30 Hörsaal 2, Währinger Straße 29 2.OG
  • Mittwoch 28.06. 18:30 - 20:00 Hörsaal 3, Währinger Straße 29 3.OG
    Seminarraum 7, Währinger Straße 29 1.OG

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

This course will be taught in English and take place on-site. The lectures will be streamed, recorded, and made available on Moodle.

The course introduces central methods for the organization and analysis of large and scientific data such as distributed data repositories, index data structures, hashing, classification, and clustering techniques. Specific methods for structured data such as sets, images, text documents, and graphs are discussed.

The lectures are complemented by exercises and programming assignments. Students will learn ways to realize similarity search and data mining on large data, e.g., using parallelisation with MapReduce, Apache Spark, or filter-refinement techniques.

Subject-specific goals:
- Analysis of scientific data
- Interpretation and evaluation of results of the analysis process
- Choosing and applying techniques for structured data
- Implementation of scalable solutions for large amounts of data
- Support and advice of users

Generic goals:
- Teamwork
- Improvement of programming skills
- Understanding of interplay in data mining and scientific computing

Art der Leistungskontrolle und erlaubte Hilfsmittel

Active participation is a requirement for passing the course. The overall grade is composed as follows:

30% Exercises (individual work)
30% Programming assignments (group work)
20% Written midterm exam (individual work)
20% Written final exam (individual work)

Mindestanforderungen und Beurteilungsmaßstab

It is recommended to complete the following courses before attending:
- Algorithmen und Datenstrukturen
- Datenbanksysteme
- Software Engineering
- Netzwerktechnologien

Grades will be given according to the following scheme:
100.00 - 87.00: 1
75.00 - 86.99: 2
63.00 - 74.99: 3
50.00 - 62.99: 4
00.00 - 49.99: 5

Prüfungsstoff

All topics covered in class, the exercises, and the programming assignments.

- Scientific Data and Feature Spaces
- Clustering
- Big Data Frameworks
- Searching Numerical Data
- Searching Sets
- Searching & Mining Graphs
- Analyzing Large Networks

Literatur

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.

Further literature and references to research papers will be provided via Moodle.

Zuordnung im Vorlesungsverzeichnis

Module: SDM

Letzte Änderung: Mo 19.06.2023 13:27