Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

ROC Foundations for Graduate Research in Data Management and Machine Learning SystemsModulbeschreibung #41135 / Version 5

← Zur Modulseite English version
Modul / Version#41135 / #5
GültigkeitSeit SoSe 2024
Verfügbare Sprache(n)Englisch, Deutsch
Leistungspunkte9
Modulverantwortliche*rMarkl, Volker
BenotungBenotet
PrüfungsformPortfolioprüfung
Lehrsprache(n)Englisch

Zugehörigkeit

FakultätFakultät IV
InstitutInstitut für Softwaretechnik und Theoretische Informatik
Fachgebiet34351500 FG Datenbanksysteme und Informationsmanagement (DIMA)

Kontakt

SekretariatEN 7
Ansprechpartner*inMarkl, Volker
E-Mail-Adressesekr@dima.tu-berlin.de
Webseitehttps://www.tu.berlin/dima

Lernergebnisse

Big Data und maschinelles Lernen sind die wichtigsten Treiber für die aktuelle Innovationswelle in den Bereichen künstliche Intelligenz und Datenwissenschaft. Diese Treiber haben tiefgreifende Auswirkungen sowohl auf die Wirtschaft als auch auf die Wissenschaft gehabt.

Dieser Kurs richtet sich an Studierende mit Forschungsinteresse, die eine Promotion in Big Data Management oder Data Science and Engineering Systems/Technologies anstreben. Nach Abschluss dieses Kurses sind die die Studierenden in der Lage, die Contemporary Research Method, einschließlich wissenschaftlichem Lesen, Schreiben, Präsentieren, Prototyping und Versuchsplanung anzuwenden. Außerdem haben sie sowohl theoretische als auch praktische Fähigkeiten in Datenmanagement und Big-Data-Technologien erworben und sind auf die heutigen großen Forschungsherausforderungen im Bereich skalierbares Datenmanagement und -verarbeitung vorbereitet. Der Kurs vermittelt vor allem technische Fähigkeiten (20%), methodische Fähigkeiten (40%), Systemfähigkeiten (20%) und soziale Fähigkeiten (20%).

Lehrinhalte

Der zentrale Fokus dieses Moduls liegt auf der Contemporary Research Method (CRM), Datenmanagementtechnologien und aktuellen Forschungsherausforderungen. Nach einer anfänglichen Präsentation über CRM, einschließlich wissenschaftlichem Lesen, Schreiben, Präsentieren, Prototyping und experimentellem Design, lesen die Studierenden in den folgenden Vorlesungen über grundlegende Datenmanagement-Methoden/-Technologien und bieten eine Präsentation an, auf die dann eine vom Dozenten geleitete Präsentation zu verwandten fortgeschrittenen Themen folgt.

Zu den Diskussionsthemen gehören Datenspeicherung und Indexierung, Spezifikation und Kompilierung von Datenanalyseprogrammen, Abfrageoptimierung und Selbstoptimierung, adaptive Methoden, Verarbeitung von Data Science Pipelines sowie verantwortungsvolles Datenmanagement. In einer begleitenden Laborkomponente werden die Studierenden die besprochenen Methoden, Technologien und Einstellungen in einer methodischen und wissenschaftlichen Weise prototypisieren und bewerten und einen wissenschaftlichen Bericht über ihre Ergebnisse erstellen.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
ROC-PRO Project on the Foundations for Graduate Research in Data Management and Machine Learning SystemsProjekt Wintersemester[en]4 ISIS
ROC-SEM Seminar on the Foundations for Graduate Research in Data Management and Machine Learning SystemsSeminar Wintersemester[en]2 ISIS

Veranstaltungen im Vorlesungsverzeichnis

Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.

WiSe 2026/27 (1)

ROC-PRO Project on the Foundations for Graduate Research in Data Management and Machine Learning Systems (Projekt) 1

Alle Gruppen dieser Lehrveranstaltung im Verzeichnis

Arbeitsaufwand und Leistungspunkte

ROC-PRO Project on the Foundations for Graduate Research in Data Management and Machine Learning Systems (Projekt)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit152 h30 h
Vor-/Nachbereitung152 h30 h
Lab course (Programming)152 h30 h
Lab Course (System Setup)154 h60 h
Report152 h30 h
180 h

ROC-SEM Seminar on the Foundations for Graduate Research in Data Management and Machine Learning Systems (Seminar)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit154 h60 h
Vor-/Nachbereitung152 h30 h
90 h

Der Aufwand des Moduls summiert sich zu 270 Stunden. Damit umfasst das Modul 9 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

(a) Vorlesungen zu Schlüsselkonzepten, (b) Diskussionen, (c) Präsentationen unter der Leitung von Studierenden (einschließlich Literaturrecherche) und (d) ein Systemforschungsprojekt mit Systemaufbau, Prototyping, Versuchsplanung, Leistungsbewertung und (e) Erstellung einer Präsentation und eines Berichts über die Ergebnisse. Eine aktive Teilnahme und Beiträge zu allen Teilen des Moduls sind unerlässlich.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Folgende Kenntnisse und Fähigkeiten werden vorausgesetzt:
(a) Themen der Informatik, die in den Modulen des Bachelor-Studiengangs der TU Berlin behandelt werden, insbesondere ISDA (Informationssysteme und Datenanalyse) und DBPRA (Praktisches Datenbanksystemlabor) oder äquivalente Module,
(b) gute Programmierkenntnisse in C, Java und SQL.
(c) ein Grundstudium in linearer Algebra, Wahrscheinlichkeitsrechnung und Statistik.
(d) Kenntnisse aus den Mastermodule Database Technoloy (DBT) und Advanced Information Management (z. B. MDS, DMH).
(e) gute Englischkenntnisse.

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
(Ergebnisprüfung) Technologiepräsentation (SEM)15mündlich20 Minuten + 10 Minuten Diskussion (20 Folien)
(Punktuelle Leistungsabfrage) Schriftlicher Test zu Datenbanktechnologien und wissenschaftlichem Arbeiten (SEM)25schriftlich60 Minuten
(Ergebnisprüfung) Benchmarkingprojekt-Präsentation (PRO)25mündlich20 Minuten + 10 Minuten Diskussion
(Lernprozessevaluation) Interaktion mit der*dem Mentor*in5flexibel30 bis 60 Minuten je nach Bedarf
(Lernprozessevaluation) Evaluationsbericht (PRO)30schriftlich8 Seiten im Konferenz-Stil

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: Wintersemester.

Maximale teilnehmende Personen

Die maximale Teilnehmerzahl beträgt 8.

Anmeldeformalitäten

Zum Besuch der Lehrveranstaltung ist eine Zulassung erforderlich. Bitte informieren Sie sich vor Beginn des Semesters 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

  • Readings in Database Systems, 5th Edition, Peter Bailis, Joseph M. Hellerstein, Michael Stonebraker, editors, http://www.redbook.io/
  • Various Research Papers, made available during the first lecture
  • Hadoop: The Definitive Guide (4th Edition), Tom White, O’Reilly Media, 2015.
  • Raj Jain: The Art of Computer Systems Performance Analysis: Techniques for Experimental Design, Measurement, Simulation, and Modeling (Wiley Professional Computing), 1991
  • Supplementary reading material may be assigned to complement course lectures.

Zugeordnete Studiengänge

Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOSemesterStudiengangsbereich
Computer Engineering
StuPO 2015
SoSe 2025Wahlpflicht Studiengebiete Fak. IV › Informationssysteme / Information Systems
WiSe 2025/26Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering
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
Computer Science (Informatik)
StuPO 2015
SoSe 2025Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering
WiSe 2025/26Studiengebiete › Data and Software Engineering / Data and Software Engineering
SoSe 2026Studiengebiete › Data and Software Engineering / Data and Software Engineering
WiSe 2026/27Wahlpflichtbereich › Studiengebiet › Data and Software Engineering / Data and Software Engineering
Elektrotechnik
StuPO 2015
SoSe 2025Wahlpflicht Studiengebiete Fak. IV › Informationssysteme / Information Systems
WiSe 2025/26Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering
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 2025Wahlpflichtbereich › Wahlpflichtbereich Katalog Informatik
WiSe 2025/26Wahlpflichtbereich › Wahlpflichtbereich Katalog Informatik
SoSe 2026Wahlpflichtbereich › Wahlpflichtbereich Katalog Informatik
WiSe 2026/27Wahlpflichtbereich › Katalog Informatik
Informatik
StuPO 2025
WiSe 2026/27Wahlpflichtbereich › Studiengebiete › Datenmanagement › Seminare
Information Systems Management (Wirtschaftsinformatik)
StuPO 2017
SoSe 2025Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering
WiSe 2025/26Wahlpflichtbereich › Fachstudium Wirtschaftsinformatik › Informationssysteme / Information Systems
SoSe 2026Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering
WiSe 2026/27Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering
Wirtschaftsingenieurwesen
StuPO 2026
WiSe 2026/27Ingenieurwissenschaften / Studienrichtungen › AI Engineering › Data and Software Engineering
Dieser Kurs richtet sich an forschungsorientierte Bachelor- und Masterstudierende, die sich mit Datenbanksystemen und Informationsmanagement in den Studiengängen Informatik (Schwerpunkt Systems Engineering), Technische Informatik (Schwerpunkt: Information Systems and Software Engineering) und Wirtschaftsingenieurwesen befassen wollen, sowie an Studenten, die den Data Science and Engineering Master's Track absolvieren.

Sonstiges

Keine Angabe