Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Datenintegration und groß angelegte AnalysenModulbeschreibung #41112 / Version 2

← Zur Modulseite English version
Modul / Version#41112 / #2
GültigkeitSeit SoSe 2026
Verfügbare Sprache(n)Englisch, Deutsch
Leistungspunkte6
Modulverantwortliche*rBöhm, Matthias
BenotungBenotet
PrüfungsformSchriftliche Prüfung
Lehrsprache(n)Englisch

Zugehörigkeit

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

Kontakt

SekretariatKeine Angabe
Ansprechpartner*inBöhm, Matthias
E-Mail-Adressematthias.boehm@tu-berlin.de
WebseiteKeine Angabe

Lernergebnisse

Zu den gemeinsamen Daten- und Systemmerkmalen gehören heterogene Datenquellen und -formate, oft in unterschiedlichen Darstellungsformen und mit Datenqualitätsproblemen (die eine Integration und Bereinigung erfordern), sowie große Datensammlungen (die eine verteilte Datenspeicherung und -analyse erfordern). Dementsprechend sind die Ziele dieses Moduls, ein grundlegendes Verständnis und die praktische Anwendbarkeit von
O1 Wichtige Datenintegrationsarchitekturen
O2 Wichtige Techniken für die Datenintegration und -bereinigung
O3 Methoden für die Speicherung und Analyse großer Datenmengen

Lehrinhalte

Dieser Kurs behandelt wichtige Datenintegrationsarchitekturen, Schlüsseltechniken für die Datenintegration und -bereinigung sowie Methoden für die groß angelegte, d. h. verteilte Datenspeicherung und -analyse. Im Einzelnen umfasst das Modul die folgenden Themen, die auch den Vorlesungskalender widerspiegeln (mit einer separaten 90-120-minütigen Vorlesung pro Thema):

A: Datenintegration und -aufbereitung
01 Einführung und Überblick
02 Data Warehousing, ETL und SQL/OLAP
03 Nachrichtenorientierte Middleware, EAI und Replikation
04 Schemaabgleich und -zuordnung
05 Entitätsverknüpfung und Deduplizierung
06 Datenbereinigung und Datenfusion
07 Datenherkunft (und Blockchain)

B: Groß angelegte Datenverwaltung und -analyse
08 Grundlagen des Cloud Computing
09 Cloud-Ressourcenmanagement und -planung
10 Verteilte Datenspeicherung
11 Verteilte, datenparallele Berechnung
12 Verteilte Stream-Verarbeitung
13 Verteilte maschinelle Lernsysteme

Das Modul umfasst sowohl Vorlesungen als auch Übungen/Programmierprojekte, die als separate Kurse angeboten werden, um die Flexibilität zu erhöhen.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Data Integration and Large-scale AnalysisVorlesung41112 Wintersemester[en]3 ISIS
Data Integration and Large-scale AnalysisÜbung41112 Wintersemester[en]2 ISIS

Veranstaltungen im Vorlesungsverzeichnis

Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.

WiSe 2026/27 (1)

Data Integration and Large-scale Analysis (Vorlesung) 1

Alle Gruppen dieser Lehrveranstaltung im Verzeichnis

Arbeitsaufwand und Leistungspunkte

Data Integration and Large-scale Analysis (Vorlesung)

AufwandbeschreibungMultiplikatorStundenGesamt
Anwesenheit Vorlesung153 h45 h
Prüfungsvorbereitung130 h30 h
Vor-/Nachbereitung151 h15 h
90 h

Data Integration and Large-scale Analysis (Übung)

AufwandbeschreibungMultiplikatorStundenGesamt
Anwesenheit Diskussionsrunden32 h6 h
Implementierung eines Übungsprototyps184 h84 h
90 h

Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Dieses Modul kombiniert traditionelle Vorlesungen (zu Datenintegration und groß angelegter Datenverarbeitung und -analyse) mit unterstützenden Beispielen für Open-Source-Systeme sowie praktischen Übungen/Projekten zu verwandten Themen. Für den praktischen Teil können Teams aus 1-3 Studierenden eine von zwei Alternativen wählen:
a) Beitrag einer einzigartigen Funktion zu einem datenzentrierten Open-Source-ML-System (aus einer Liste von Projektvorschlägen) oder
b) Alternative Übung zu Pipelines für die Analyse großer Datenmengen mit Apache Spark.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Grundkurse in angewandtem maschinellem Lernen, Datenmanagement und verteilten Systemen abgeschlossen

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Die Prüfungsvoraussetzungen konnten nicht abgerufen werden.

Abschluss des Moduls

BenotungBenotet
PrüfungsformSchriftliche Prüfung
SpracheEnglisch
Dauer/Umfang90 Minuten

Dauer des Moduls

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

Dieses Modul kann in folgenden Semestern begonnen werden: Wintersemester.

Maximale teilnehmende Personen

Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.

Anmeldeformalitäten

Anmeldung in ISIS und Auswahl der Übung/des Projekts innerhalb der ersten 4 Wochen des Semesters.

Literaturhinweise, Skripte

Skript in Papierform

nicht verfügbar

Skript in elektronischer Form

verfügbar – https://mboehm7.github.io/teaching/ws2122_dia/index.htm

Empfohlene Literatur

Keine empfohlene Literatur angegeben

Zugeordnete Studiengänge

Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOSemesterStudiengangsbereich
Computer Engineering
StuPO 2015
SoSe 2026Wahlpflicht Studiengebiet B › Verteilte Systeme und Netze / Distributed Systems and Networks
WiSe 2026/27Wahlpflichtbereich › Studiengebiet B › Kognitive Systeme / Cognitive Systems
Computer Science (Informatik)
StuPO 2015
SoSe 2026Studiengebiete › Verteilte Systeme und Netze / Distributed Systems and Networks
WiSe 2026/27Wahlpflichtbereich › Studiengebiet › Verteilte Systeme und Netze / Distributed Systems and Networks
Elektrotechnik
StuPO 2015
SoSe 2026Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering
WiSe 2026/27Wahlpflichtbereich › Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering
Informatik
StuPO 2015
SoSe 2026Wahlpflichtbereich › Wahlpflichtbereich Katalog Informatik
WiSe 2026/27Wahlpflichtbereich › Katalog Informatik
Informatik
StuPO 2025
WiSe 2026/27Wahlpflichtbereich › Studiengebiete › Datenmanagement › Weitere Module
Information Systems Management (Wirtschaftsinformatik)
StuPO 2017
SoSe 2026Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering
WiSe 2026/27Wahlpflichtbereich › Fachstudium Informatik › Verteilte Systeme und Netze / Distributed Systems and Networks
Technische Informatik
StuPO 2015
SoSe 2026Wahlpflichtbereich › Informatik
WiSe 2026/27Wahlpflichtbereich › Kataloge › Informatik
Wirtschaftsinformatik
StuPO 2015
SoSe 2026Wahlpflichtbereich › Informatik
WiSe 2026/27Wahlpflichtbereich › Informatik
Wirtschaftsinformatik
StuPO 2021
SoSe 2026Wahlpflichtbereich › Informatik
WiSe 2026/27Wahlpflichtbereich › Informatik
Wirtschaftsinformatik
StuPO 2025
WiSe 2026/27Wahlpflichtbereich › Vertiefung Informatik › Weitere Module
Wirtschaftsingenieurwesen
StuPO 2026
WiSe 2026/27Ingenieurwissenschaften / Studienrichtungen › AI Engineering › Data and Software Engineering

Sonstiges

Keine Angabe