Datenintegration und groß angelegte AnalysenModulbeschreibung #41112 / Version 2
- 6 LP
- Schriftliche Prüfung
- Benotet
- Wintersemester
- Englisch
| Modul / Version | #41112 / #2 |
|---|---|
| Gültigkeit | Seit SoSe 2026 |
| Verfügbare Sprache(n) | Englisch, Deutsch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Böhm, Matthias |
| Benotung | Benotet |
| Prüfungsform | Schriftliche Prüfung |
| Lehrsprache(n) | Englisch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Softwaretechnik und Theoretische Informatik |
| Fachgebiet | 34352900 FG Big Data Engineering |
Kontakt
| Sekretariat | Keine Angabe |
|---|---|
| Ansprechpartner*in | Böhm, Matthias |
| E-Mail-Adresse | matthias.boehm@tu-berlin.de |
| Webseite | Keine 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
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.
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:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Data Integration and Large-scale Analysis | Vorlesung | 41112 | Wintersemester | [en] | 3 | WiSe 2026/27 (1) ISIS |
| Data Integration and Large-scale Analysis | Übung | 41112 | 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
- Data Integration and Large-scale Analysis (Vorlesung) Termingruppe 1 41112
Arbeitsaufwand und Leistungspunkte
Data Integration and Large-scale Analysis (Vorlesung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Anwesenheit Vorlesung | 15 | 3 h | 45 h |
| Prüfungsvorbereitung | 1 | 30 h | 30 h |
| Vor-/Nachbereitung | 15 | 1 h | 15 h |
| 90 h | |||
Data Integration and Large-scale Analysis (Übung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Anwesenheit Diskussionsrunden | 3 | 2 h | 6 h |
| Implementierung eines Übungsprototyps | 1 | 84 h | 84 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.
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
| Benotung | Benotet |
|---|---|
| Prüfungsform | Schriftliche Prüfung |
| Sprache | Englisch |
| Dauer/Umfang | 90 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 / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Computer Engineering StuPO 2015 | SoSe 2026 | Wahlpflicht Studiengebiet B › Verteilte Systeme und Netze / Distributed Systems and Networks |
| WiSe 2026/27 | Wahlpflichtbereich › Studiengebiet B › Kognitive Systeme / Cognitive Systems | |
| Computer Science (Informatik) StuPO 2015 | SoSe 2026 | Studiengebiete › Verteilte Systeme und Netze / Distributed Systems and Networks |
| WiSe 2026/27 | Wahlpflichtbereich › Studiengebiet › Verteilte Systeme und Netze / Distributed Systems and Networks | |
| Elektrotechnik StuPO 2015 | SoSe 2026 | Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering |
| WiSe 2026/27 | Wahlpflichtbereich › Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering | |
| Informatik StuPO 2015 | SoSe 2026 | Wahlpflichtbereich › Wahlpflichtbereich Katalog Informatik |
| WiSe 2026/27 | Wahlpflichtbereich › Katalog Informatik | |
| Informatik StuPO 2025 | WiSe 2026/27 | Wahlpflichtbereich › Studiengebiete › Datenmanagement › Weitere Module |
| Information Systems Management (Wirtschaftsinformatik) StuPO 2017 | SoSe 2026 | Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering |
| WiSe 2026/27 | Wahlpflichtbereich › Fachstudium Informatik › Verteilte Systeme und Netze / Distributed Systems and Networks | |
| Technische Informatik StuPO 2015 | SoSe 2026 | Wahlpflichtbereich › Informatik |
| WiSe 2026/27 | Wahlpflichtbereich › Kataloge › Informatik | |
| Wirtschaftsinformatik StuPO 2015 | SoSe 2026 | Wahlpflichtbereich › Informatik |
| WiSe 2026/27 | Wahlpflichtbereich › Informatik | |
| Wirtschaftsinformatik StuPO 2021 | SoSe 2026 | Wahlpflichtbereich › Informatik |
| WiSe 2026/27 | Wahlpflichtbereich › Informatik | |
| Wirtschaftsinformatik StuPO 2025 | WiSe 2026/27 | Wahlpflichtbereich › Vertiefung Informatik › Weitere Module |
| Wirtschaftsingenieurwesen StuPO 2026 | WiSe 2026/27 | Ingenieurwissenschaften / Studienrichtungen › AI Engineering › Data and Software Engineering |
Sonstiges
Keine Angabe