BDASEM Big Data Analytics SeminarModulbeschreibung #40353 / Version 12
- 3 LP
- Mündliche Prüfung
- Benotet
- Sommersemester
- Englisch
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27).
Zur aktuellen Version (v13)
| Modul / Version | #40353 / #12 |
|---|---|
| Gültigkeit | SoSe 2025 – SoSe 2026 |
| Verfügbare Sprache(n) | Englisch, Deutsch |
| Leistungspunkte | 3 |
| Modulverantwortliche*r | Markl, Volker |
| Benotung | Benotet |
| Prüfungsform | Mündliche Prüfung |
| Lehrsprache(n) | Englisch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Softwaretechnik und Theoretische Informatik |
| Fachgebiet | 34351500 FG Datenbanksysteme und Informationsmanagement (DIMA) |
Kontakt
| Sekretariat | FR 7-1 |
|---|---|
| Ansprechpartner*in | Soto, Juan |
| E-Mail-Adresse | office@dima.tu-berlin.de |
| Webseite | https://www.tu.berlin/dima |
Lernergebnisse
Im Laufe des Seminars lernen die Studierenden:
(1) wie sie wissenschaftliche Literatur kritisch lesen und interpretieren können,
(2) wie man einen guten wissenschaftlichen Vortrag hält, der technisch präzise, auf die relevanten Themen konzentriert und auch unterhaltsam ist,
(3) wie man eine kritische, aber kurze Fachrezension einer Forschungsarbeit zusammenfasst und schreibt.
Darüber hinaus erhalten die Studierenden eine Einführung in aktuelle Forschungsthemen im Bereich Datenmanagement, Datenbanksysteme und Technologien und Systeme für Big Data Management und Data Science. Darüber hinaus erhalten die Studierenden ein bessers Verständnis für wissenschaftliche Publikationen, Konferenzen und den wissenschaftlichen Begutachtungsprozess.
(1) wie sie wissenschaftliche Literatur kritisch lesen und interpretieren können,
(2) wie man einen guten wissenschaftlichen Vortrag hält, der technisch präzise, auf die relevanten Themen konzentriert und auch unterhaltsam ist,
(3) wie man eine kritische, aber kurze Fachrezension einer Forschungsarbeit zusammenfasst und schreibt.
Darüber hinaus erhalten die Studierenden eine Einführung in aktuelle Forschungsthemen im Bereich Datenmanagement, Datenbanksysteme und Technologien und Systeme für Big Data Management und Data Science. Darüber hinaus erhalten die Studierenden ein bessers Verständnis für wissenschaftliche Publikationen, Konferenzen und den wissenschaftlichen Begutachtungsprozess.
Lehrinhalte
Zu Beginn dieses Kurses erfolgt eine Einführung zum Lesen und Bewerten wissenschaftlicher Arbeiten und zum Aufbau und Halten guter Präsentation. Anschleißend erhalten alle Teilnehmenden eine Rohfassung eines hochrangigen Konferenzbeitrags. Aufgabe der Teilnehmenden ist es, die Arbeit kritisch zu lesen und eine schriftliche Rezension der Arbeit zu verfassen, die einer typischen Vorlage für eine Konferenzrezension folgt. Anschließend erhalten die Studierenden die tatsächlichen Gutachten des Papiers, vergleichen diese mit ihren Erkenntnissen und bereiten eine Präsentation vor, in der sie die Verbesserungen erörtern, die zwischen der ursprünglichen Einreichung und der Veröffentlichung des Papiers aufgrund der Kritik der Gutachter vorgenommen wurden. Darüber hinaus müssen die Studierenden jede Woche über die Hauptprobleme der in den Präsentationen ihrer Kommilitonen angesprochenen Themen reflektieren (Einzelheiten werden in der Vorlesung bekannt gegeben.)
Zu den möglichen behandelten Themenfeldern gehören gehören die Verarbeitung von Datenströmen (z. B. skalierbare und parallele Window-Joins, Window-Aggregation, Zustandsmanagement), die Datenverarbeitung auf moderner Hardware (z. B. GPU-Datenverarbeitung, FPGA-Beschleunigung für Sketches), die Datenverarbeitung für maschinelles Lernen und Data Science (z. B. Optimierung von Pipelines für maschinelles Lernen, dynamische Parameterzuweisung in Parameter-Servern) sowie Abfrageoptimierung und Kompilierung (z. B. adaptive Kompilierung).
Zu den möglichen behandelten Themenfeldern gehören gehören die Verarbeitung von Datenströmen (z. B. skalierbare und parallele Window-Joins, Window-Aggregation, Zustandsmanagement), die Datenverarbeitung auf moderner Hardware (z. B. GPU-Datenverarbeitung, FPGA-Beschleunigung für Sketches), die Datenverarbeitung für maschinelles Lernen und Data Science (z. B. Optimierung von Pipelines für maschinelles Lernen, dynamische Parameterzuweisung in Parameter-Servern) sowie Abfrageoptimierung und Kompilierung (z. B. adaptive Kompilierung).
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Big Data Analytics (BDASEM) | Seminar | 0434 L 477 | Sommersemester | [en] | 2 | ISIS |
Arbeitsaufwand und Leistungspunkte
Big Data Analytics (BDASEM) (Seminar)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 10 | 2 h | 20 h |
| Vorbereitung / Selbststudium | 1 | 60 h | 60 h |
| Mentor consultations | 5 | 1 h | 5 h |
| 85 h | |||
Der Aufwand des Moduls summiert sich zu 85 Stunden. Damit umfasst das Modul 3 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
Zu Beginn des Semesters erhalten die Studierenden die Rohversion eines eingereichten Konferenzbeitrag. Im folgenden identifizieren und nutzen die Studierenden Sekundärquellen, um das zugewiesene Thema tiefgehend zu bearbeiten. Im weiteren Verlauf erstellen die Studierenden ein schriftliches Gutachten zu ihrer Arbeit unter Einhaltung der wissenschaftlichen Begutachtungsstandards. Am Ende des Semesters hält jede*r Studierende eine Präsentation zu ihrem*seinem Thema und diskutiert die Seminararbeiten der anderen Teilnehmenden. Je nach äußeren Rahmenbedingungen können sich in Einzehlheiten Unterschiede ergeben, welche während des Semesters bekannt gegeben werden.
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Dieser Kurs richtet sich an Masterstudierende im dritten Semester, welche ihren Fokus im Studium auf den Bereich Datenbanksysteme und Informationsmanagement legen möchten.
Wünschenswerte Voraussetzungen sind unter anderem:
(a) erfolgreicher Abschluss des Kurses Datenbanktechnologie (DBT) der TU Berlin oder eines gleichwertigen Kurses,
(b) erfolgreicher Abschluss mindestens eines weiterführenden Informationsmanagement-Moduls, wie z.B. Management of Data Streams oder Data Management on modern Hardware,
(c) gute Kenntnisse der englischen Sprache in Wort und Schrift.
Idealerweise sollte dieses Seminar im Semester vor Beginn der Masterarbeit belegt werden.
Wünschenswerte Voraussetzungen sind unter anderem:
(a) erfolgreicher Abschluss des Kurses Datenbanktechnologie (DBT) der TU Berlin oder eines gleichwertigen Kurses,
(b) erfolgreicher Abschluss mindestens eines weiterführenden Informationsmanagement-Moduls, wie z.B. Management of Data Streams oder Data Management on modern Hardware,
(c) gute Kenntnisse der englischen Sprache in Wort und Schrift.
Idealerweise sollte dieses Seminar im Semester vor Beginn der Masterarbeit belegt werden.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Die Prüfungsvoraussetzungen konnten nicht abgerufen werden.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Mündliche Prüfung |
| Sprache | Englisch |
| Dauer/Umfang | Referat (§57 ASPO): 20min + 2 min Überblickspräsentation + Q&A |
Prüfungsbeschreibung (Abschluss des Moduls)
Die Gesamtnote gemäß § 68 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.
Dauer des Moduls
Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.
Dieses Modul kann in folgenden Semestern begonnen werden: Sommersemester.
Maximale teilnehmende Personen
Die maximale Teilnehmerzahl beträgt 8.
Anmeldeformalitäten
Zum Besuch der Lehrveranstaltung ist eine Zulassung erforderlich. Bitte informieren Sie sich vor Beginn der Vorlesungszeit auf https://www.tu.berlin/dima/studium-lehre/kursangebote , um nähere Informationen zum Anmeldeprozess zu erhalten.
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
nicht verfügbar
Empfohlene Literatur
- Will be released at the beginning of the seminar.
Zugeordnete Studiengänge
Diese Modulversion wird in folgenden Studiengängen verwendet:
| Studiengang / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Computer Engineering StuPO 2015 | SoSe 2025 | Wahlpflicht Studiengebiete Fak. IV › Informationssysteme / Information Systems |
| WiSe 2025/26 | Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering | |
| SoSe 2026 | Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering | |
| Computer Science (Informatik) StuPO 2015 | SoSe 2025 | Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering |
| WiSe 2025/26 | Studiengebiete › Data and Software Engineering / Data and Software Engineering | |
| SoSe 2026 | Studiengebiete › Data and Software Engineering / Data and Software Engineering | |
| Elektrotechnik StuPO 2015 | SoSe 2025 | Wahlpflicht Studiengebiete Fak. IV › Informationssysteme / Information Systems |
| WiSe 2025/26 | Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering | |
| SoSe 2026 | Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering | |
| ICT Innovation StuPO 2020 | SoSe 2025 | Studienrichtungen › Major: Data Science › Exit year: Data Science › Exit year Electives: Data Science |
| WiSe 2025/26 | Studienrichtungen › Major: Data Science › Exit year: Data Science › Exit year Electives: Data Science | |
| SoSe 2026 | Studienrichtungen › Major: Data Science › Exit year: Data Science › Exit year Electives: Data Science | |
| Information Systems Management (Wirtschaftsinformatik) StuPO 2017 | SoSe 2025 | Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering |
| WiSe 2025/26 | Wahlpflichtbereich › Fachstudium Wirtschaftsinformatik › Informationssysteme / Information Systems | |
| SoSe 2026 | Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering | |
| Medieninformatik StuPO 2017 | SoSe 2025 | Wahlpflichtbereich › Technische Profilbereiche (A) › Profilbereich Data Science |
| WiSe 2025/26 | Wahlpflichtbereich › Technische Profilbereiche (A) › Profilbereich Data Science | |
| SoSe 2026 | Wahlpflichtbereich › Technische Profilbereiche (A) › Profilbereich Data Science | |
| Wirtschaftsingenieurwesen StuPO 2015 | SoSe 2025 | Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Informations- und Kommunikationssysteme/Information and Communication Systems (IKS) › Informations- und Kommunikationssysteme/Information and Communication Systems (Wahlpflicht/Compulsory-Elective) › Data and Software Engineering |
| WiSe 2025/26 | Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Informations- und Kommunikationssysteme/Information and Communication Systems (IKS) › Informations- und Kommunikationssysteme/Information and Communication Systems (Wahlpflicht/Compulsory-Elective) › Data and Software Engineering | |
| SoSe 2026 | Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Informations- und Kommunikationssysteme/Information and Communication Systems (IKS) › Informations- und Kommunikationssysteme/Information and Communication Systems (Wahlpflicht/Compulsory-Elective) › Data and Software Engineering |
Dieser Kurs richtet sich an Masterstudierende, die sich für Datenbanksysteme und Informationsmanagement interessieren. Dieses Seminar ist eines der Module, welches sich für die Teilnehmende des des Fak. IV Data Science and Engineering Track anerkennen lassen können: https://www.tu.berlin/en/dima/analytics/data-science-and-engineering-track.
Sonstiges
Prerequsite: Schriftliche Paper-Review
================================
Auf Grundlage der ersten Version des Papers wird von den Studierenden eine Paper Review erarbeitet
Umfang: 3-5 Seiten
Bestehenskriterium: Einreichen der Review.
================================
Auf Grundlage der ersten Version des Papers wird von den Studierenden eine Paper Review erarbeitet
Umfang: 3-5 Seiten
Bestehenskriterium: Einreichen der Review.