Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Large-scale Data EngineeringModulbeschreibung #41086 / Version 1

← Zur Modulseite English version
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27). Zur aktuellen Version (v3)
Modul / Version#41086 / #1
GültigkeitSoSe 2023 – WiSe 2025/26
Verfügbare Sprache(n)Englisch
Leistungspunkte12
Modulverantwortliche*rBöhm, Matthias
BenotungBenotet
PrüfungsformPortfolioprüfung
Lehrsprache(n)Englisch

Zugehörigkeit

FakultätFakultät IV
InstitutInstitut für Softwaretechnik und Theoretische Informatik
Fachgebiet34352900 FG Big Data Engineering

Kontakt

SekretariatTEL 8-1
Ansprechpartner*inDamme, Patrick
E-Mail-Adressepatrick.damme@tu-berlin.de
Webseitehttps://pdamme.github.io/#teaching

Lernergebnisse

In this combined seminar/project module, students will learn how to critically read scientific publications, search for scientific literature on a given topic, write a high-quality scientific paper, create prototypes for specific projects, and give high-quality presentations on papers and prototypes. All of these aspects are covered with a special focus on the areas data engineering, data management, and machine learning systems. Together, the programming project and seminar are a solid foundation for subsequent master theses, both at a methodological level and specific topics.

Lehrinhalte

This module is comprised of a seminar and programming project in the large context of big data engineering, i.e., topics related to scalable data and ML systems. In detail, the module is structured as follows:

A) Seminar on selected topics related to data and ML systems
* 3 Lectures on scientific methods (structure of scientific papers, scientific reading and writing, experiments and reproducibility)
* Reading selected papers and writing a 6-page summary paper (in LaTeX with provided template)
* 20min oral presentation of summarized topic

B) Programming projects on data and ML systems
* Selection of a generic or seminar-topic-specific project
* Discussion rounds on design, implementation, tests, and experiments
* Prototype implementation, tests, and experiments
* 15min oral presentation of the created prototype

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Large-scale Data EngineeringProjekt Winter- und Sommersemester[en]4 ISIS
Large-scale Data EngineeringSeminar Winter- und Sommersemester[en]2 ISIS

Veranstaltungen im Vorlesungsverzeichnis

Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.

WiSe 2026/27 (6)

Large-scale Data Engineering (Projekt) 3

Alle Gruppen dieser Lehrveranstaltung im Verzeichnis

Large-scale Data Engineering (Seminar) 3

Alle Gruppen dieser Lehrveranstaltung im Verzeichnis

Arbeitsaufwand und Leistungspunkte

Large-scale Data Engineering (Projekt)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit42 h8 h
Vor-/Nachbereitung1200 h200 h
Tests, Documentation, Experiments140 h40 h
Talk Preparation and Presentation120 h20 h
268 h

Large-scale Data Engineering (Seminar)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit32 h6 h
Vor-/Nachbereitung165 h65 h
Talk Preparation and Presentation115 h15 h
86 h

Der Aufwand des Moduls summiert sich zu 354 Stunden. Damit umfasst das Modul 12 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Guided and self-organized reading of scientific papers, literature search, and writing of a summary paper.
Guided and self-organized project work.

In the beginning of the semester, students will hear presentations on reading scientific papers, finding related work, writing high-quality scientific papers, and giving a high-quality scientific presentation. Each student will be assigned an initial paper to read and understand. After that, students search for related work and write a short summary of the assigned paper, including some remarks on related work. In the end of the semester, each student gives a slide presentation in front of the group, followed by a discussion of the topic. Concurrently or in a subsequent semester, students also pick a programming project from a provided list, devise an initial design and then implement a prototype including documentation, tests, and relevant experiments. Theses programming projects are augmented by regular discussion rounds and a final presentation of the obtained results.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Completed basic courses on applied machine learning and data management

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

BenotungBenotet
PrüfungsformPortfolioprüfung
Art der Portfolioprüfung100 Punkte insgesamt
SpracheEnglisch

Prüfungselemente

NamePunkte/GewichtKategorieDauer/Umfang
(Deliverable assessment) Seminar Paper25schriftlich6 pages
(Deliverable assessment) Seminar Presentation15mündlich20 min
(Deliverable assessment) Project Implementation, Tests, Docs50praktischN/A
(Deliverable assessment) Project Presentation10mündlich15 min

Prüfungsbeschreibung (Abschluss des Moduls)

The project can be conducted in teams of 1 to 3 students, but graded as a whole. All other parts of the portfolio exam are graded individually for every student.

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden: Winter- und Sommersemester.

Maximale teilnehmende Personen

Die maximale Teilnehmerzahl beträgt 20.

Anmeldeformalitäten

Registration via email to Patrick Damme (patrick.damme@tu-berlin.de)

Literaturhinweise, Skripte

Skript in Papierform

nicht verfügbar

Skript in elektronischer Form

nicht verfügbar

Empfohlene Literatur

  • Seminar-/project-specific literature will be discussed during the first lecture.

Zugeordnete Studiengänge

Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOSemesterStudiengangsbereich
Computer Engineering
StuPO 2015
SoSe 2025Wahlpflicht Studiengebiete Fak. IV › Verteilte Systeme und Netze / Distributed Systems and Networks
WiSe 2025/26Wahlpflicht Studiengebiet B › Verteilte Systeme und Netze / Distributed Systems and Networks
Computer Science (Informatik)
StuPO 2015
SoSe 2025Wahlpflicht Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems
WiSe 2025/26Studiengebiete › Data and Software Engineering / Data and Software Engineering
Elektrotechnik
StuPO 2015
SoSe 2025Wahlpflicht Studiengebiete Fak. IV › Verteilte Systeme und Netze / Distributed Systems and Networks
WiSe 2025/26Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering
Informatik
StuPO 2015
SoSe 2025Wahlpflichtbereich › Wahlpflichtbereich Katalog Informatik
WiSe 2025/26Wahlpflichtbereich › Wahlpflichtbereich Katalog Informatik
Information Systems Management (Wirtschaftsinformatik)
StuPO 2017
SoSe 2025Wahlpflichtbereich › Fachstudium Informatik › Verteilte Systeme und Netze / Distributed Systems and Networks
WiSe 2025/26Wahlpflichtbereich › Fachstudium Informatik › Verteilte Systeme und Netze / Distributed Systems and Networks
Technische Informatik
StuPO 2015
SoSe 2025Wahlpflichtbereich › Informatik
WiSe 2025/26Wahlpflichtbereich › Informatik
Wirtschaftsinformatik
StuPO 2015
SoSe 2025Wahlpflichtbereich › Informatik
WiSe 2025/26Wahlpflichtbereich › Informatik
Wirtschaftsinformatik
StuPO 2021
SoSe 2025Wahlpflichtbereich › Informatik
WiSe 2025/26Wahlpflichtbereich › Informatik

Sonstiges

Keine Angabe