BDASEM Big Data Analytics SeminarModulbeschreibung #40353 / Version 13
- 3 LP
- Referat
- Benotet
- Sommersemester
- Englisch
| Modul / Version | #40353 / #13 |
|---|---|
| Gültigkeit | Seit WiSe 2026/27 |
| Verfügbare Sprache(n) | Englisch, Deutsch |
| Leistungspunkte | 3 |
| Modulverantwortliche*r | Markl, Volker |
| Benotung | Benotet |
| Prüfungsform | Referat |
| 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 |
|---|---|---|---|
| Mentor consultations | 5 | 1 h | 5 h |
| Präsenzzeit | 10 | 2 h | 20 h |
| Vorbereitung / Selbststudium | 1 | 60 h | 60 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 Einzelheiten 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 | Referat |
| Sprache | Englisch |
| Dauer/Umfang | 35 min |
Prüfungsbeschreibung (Abschluss des Moduls)
Vorleistung
===========
Abgabe einer schriftlichen Paper-Review basierend auf der ersten Einreichung des zugewiesenen Papiers
Aufwand: 3-5 Seiten
Bestehenskriterium: Einreichen der Review.
Abschlussprüfung
===============
Beinhaltet: Eine kurze Einführung zu einem anderen Seminar-Paper (ca. 2 Minuten), 20 Minuten Präsentation, Fragerunde (ca. 13 Minuten)
===========
Abgabe einer schriftlichen Paper-Review basierend auf der ersten Einreichung des zugewiesenen Papiers
Aufwand: 3-5 Seiten
Bestehenskriterium: Einreichen der Review.
Abschlussprüfung
===============
Beinhaltet: Eine kurze Einführung zu einem anderen Seminar-Paper (ca. 2 Minuten), 20 Minuten Präsentation, Fragerunde (ca. 13 Minuten)
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 | WiSe 2026/27 | Wahlpflichtbereich › Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering |
| Computer Science (Informatik) StuPO 2015 | WiSe 2026/27 | Wahlpflichtbereich › Studiengebiet › Data and Software Engineering / Data and Software Engineering |
| Elektrotechnik StuPO 2015 | WiSe 2026/27 | Wahlpflichtbereich › Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering |
| Information Systems Management (Wirtschaftsinformatik) StuPO 2017 | WiSe 2026/27 | Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering |
| Medieninformatik StuPO 2017 | WiSe 2026/27 | Wahlpflichtbereich › Technische Profilbereiche (A) › Data Science |
| Medientechnik StuPO 2022 | WiSe 2026/27 | Wahlpflichtbereich › weitere Profibereiche › Data Science |
| Wirtschaftsingenieurwesen StuPO 2015 | WiSe 2026/27 | 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 |
| Wirtschaftsingenieurwesen StuPO 2026 | WiSe 2026/27 | Ingenieurwissenschaften / Studienrichtungen › AI Engineering › 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
Keine Angabe