ROC Foundations for Graduate Research in Data Management and Machine Learning SystemsModulbeschreibung #41135 / Version 5
- 9 LP
- Portfolioprüfung
- Benotet
- Wintersemester
- Englisch
| Modul / Version | #41135 / #5 |
|---|---|
| Gültigkeit | Seit SoSe 2024 |
| Verfügbare Sprache(n) | Englisch, Deutsch |
| Leistungspunkte | 9 |
| Modulverantwortliche*r | Markl, Volker |
| Benotung | Benotet |
| Prüfungsform | Portfolioprüfung |
| Lehrsprache(n) | Englisch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Softwaretechnik und Theoretische Informatik |
| Fachgebiet | 34351500 FG Datenbanksysteme und Informationsmanagement (DIMA) |
Kontakt
| Sekretariat | EN 7 |
|---|---|
| Ansprechpartner*in | Markl, Volker |
| E-Mail-Adresse | sekr@dima.tu-berlin.de |
| Webseite | https://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%).
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.
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:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| ROC-PRO Project on the Foundations for Graduate Research in Data Management and Machine Learning Systems | Projekt | Wintersemester | [en] | 4 | WiSe 2026/27 (1) ISIS | |
| ROC-SEM Seminar on the Foundations for Graduate Research in Data Management and Machine Learning Systems | Seminar | 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
Arbeitsaufwand und Leistungspunkte
ROC-PRO Project on the Foundations for Graduate Research in Data Management and Machine Learning Systems (Projekt)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 2 h | 30 h |
| Lab course (Programming) | 15 | 2 h | 30 h |
| Lab Course (System Setup) | 15 | 4 h | 60 h |
| Report | 15 | 2 h | 30 h |
| 180 h | |||
ROC-SEM Seminar on the Foundations for Graduate Research in Data Management and Machine Learning Systems (Seminar)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 4 h | 60 h |
| Vor-/Nachbereitung | 15 | 2 h | 30 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.
(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
| Benotung | Benotet |
|---|---|
| Prüfungsform | Portfolioprüfung |
| Art der Portfolioprüfung | 100 Punkte insgesamt |
| Sprache | Englisch |
Prüfungselemente
| Name | Punkte/Gewicht | Kategorie | Dauer/Umfang |
|---|---|---|---|
| (Ergebnisprüfung) Technologiepräsentation (SEM) | 15 | mündlich | 20 Minuten + 10 Minuten Diskussion (20 Folien) |
| (Punktuelle Leistungsabfrage) Schriftlicher Test zu Datenbanktechnologien und wissenschaftlichem Arbeiten (SEM) | 25 | schriftlich | 60 Minuten |
| (Ergebnisprüfung) Benchmarkingprojekt-Präsentation (PRO) | 25 | mündlich | 20 Minuten + 10 Minuten Diskussion |
| (Lernprozessevaluation) Interaktion mit der*dem Mentor*in | 5 | flexibel | 30 bis 60 Minuten je nach Bedarf |
| (Lernprozessevaluation) Evaluationsbericht (PRO) | 30 | schriftlich | 8 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 / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Computer Engineering StuPO 2015 | SoSe 2025 | Wahlpflicht Studiengebiete Fak. IV › Informationssysteme / Information Systems |
| WiSe 2025/26 | Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering | |
| 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 | |
| Computer Science (Informatik) StuPO 2015 | SoSe 2025 | Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering |
| WiSe 2025/26 | Studiengebiete › Data and Software Engineering / Data and Software Engineering | |
| SoSe 2026 | Studiengebiete › Data and Software Engineering / Data and Software Engineering | |
| WiSe 2026/27 | Wahlpflichtbereich › Studiengebiet › Data and Software Engineering / Data and Software Engineering | |
| Elektrotechnik StuPO 2015 | SoSe 2025 | Wahlpflicht Studiengebiete Fak. IV › Informationssysteme / Information Systems |
| WiSe 2025/26 | Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering | |
| 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 2025 | Wahlpflichtbereich › Wahlpflichtbereich Katalog Informatik |
| WiSe 2025/26 | Wahlpflichtbereich › Wahlpflichtbereich Katalog Informatik | |
| SoSe 2026 | Wahlpflichtbereich › Wahlpflichtbereich Katalog Informatik | |
| WiSe 2026/27 | Wahlpflichtbereich › Katalog Informatik | |
| Informatik StuPO 2025 | WiSe 2026/27 | Wahlpflichtbereich › Studiengebiete › Datenmanagement › Seminare |
| Information Systems Management (Wirtschaftsinformatik) StuPO 2017 | SoSe 2025 | Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering |
| WiSe 2025/26 | Wahlpflichtbereich › Fachstudium Wirtschaftsinformatik › Informationssysteme / Information Systems | |
| SoSe 2026 | Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering | |
| WiSe 2026/27 | Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering | |
| Wirtschaftsingenieurwesen StuPO 2026 | WiSe 2026/27 | Ingenieurwissenschaften / 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