Masterprojekt: Groß angelegte DatenintegrationModulbeschreibung #41215 / Version 4
- 9 LP
- Portfolioprüfung
- Benotet
- Winter- und Sommersemester
- Englisch
| Modul / Version | #41215 / #4 |
|---|---|
| Gültigkeit | Seit SoSe 2026 |
| Verfügbare Sprache(n) | Englisch, Deutsch |
| Leistungspunkte | 9 |
| Modulverantwortliche*r | Abedjan, Ziawasch |
| Benotung | Benotet |
| Prüfungsform | Portfolioprüfung |
| Lehrsprache(n) | Englisch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Softwaretechnik und Theoretische Informatik |
| Fachgebiet | 34353400 FG Data Integration and Data Preparation (BIFOLD) |
Kontakt
| Sekretariat | TEL 11 |
|---|---|
| Ansprechpartner*in | Abedjan, Ziawasch |
| E-Mail-Adresse | abedjan@tu-berlin.de |
| Webseite | https://www.tu.berlin/d2ip |
Lernergebnisse
In diesem Kurs entwickeln die Studierenden Lösungen für die Integration von Daten im großen Maßstab. Ziel ist es, in Gruppen von bis zu 4 Studierenden einen bestehenden Forschungsprototyp zu reproduzieren und mit eigenen Ideen zu erweitern. Jede Gruppe wird von einem Mentor aus der D2IP-Gruppe begleitet, der den Fortschritt dokumentiert und festhält. Die Studierenden lernen, skalierbare Algorithmen zu implementieren, sie systematisch zu evaluieren, technische Dokumente zu lesen und zu interpretieren sowie experimentelle Ergebnisse kritisch zu beurteilen. Gleichzeitig lernen die Studierenden, mit Problemen der Datenheterogenität im großen Maßstab umzugehen.
Lehrinhalte
* Auswahl eines Projekts und Zusammenstellung eines Teams
* Diskussionsrunden zu Design, Umsetzung, Tests und Experimenten
* Prototypenumsetzung, Tests und Experimente
* 15-minütige mündliche Präsentation des erstellten Prototyps
* Diskussionsrunden zu Design, Umsetzung, Tests und Experimenten
* Prototypenumsetzung, Tests und Experimente
* 15-minütige mündliche Präsentation des erstellten Prototyps
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Large Scale Data Integration (LSDIPro) | Projekt | Winter- und Sommersemester | [en] | 6 | WiSe 2026/27 (1) ISIS |
Veranstaltungen im Vorlesungsverzeichnis
Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.
WiSe 2026/27 (1)
Large Scale Data Integration (LSDIPro) (Projekt) 1
- Large Scale Data Integration (LSDIPro) (Projekt) Termingruppe 1
Arbeitsaufwand und Leistungspunkte
Large Scale Data Integration (LSDIPro) (Projekt)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 6 h | 90 h |
| Vor-/Nachbereitung | 15 | 12 h | 180 h |
| 270 h | |||
Der Aufwand des Moduls summiert sich zu 270 Stunden. Damit umfasst das Modul 9 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
Angeleitete und selbstorganisierte Projektarbeit.
Die Studierenden wählen ein Projekt aus einer vorgegebenen Liste aus, lesen das Paper und klären mit einem Mentor Verständnisprobleme und stecken das Implementierungsziel ab. Die Algorithmen und Systeme werden neu implementiert und systematisch evaluiert und verbessert. Ergänzt werden diese Projekte durch regelmäßige Diskussionsrunden und eine abschließende Präsentation der erzielten Ergebnisse.
Die Studierenden wählen ein Projekt aus einer vorgegebenen Liste aus, lesen das Paper und klären mit einem Mentor Verständnisprobleme und stecken das Implementierungsziel ab. Die Algorithmen und Systeme werden neu implementiert und systematisch evaluiert und verbessert. Ergänzt werden diese Projekte durch regelmäßige Diskussionsrunden und eine abschließende Präsentation der erzielten Ergebnisse.
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Grundlegende Kurse in Maschinelles Lernen und Datenmanagement
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) Experimentation | 30 | praktisch | 30 Stunden |
| (Ergebnisprüfung) Implementation und Dokumentation | 50 | praktisch | 50 Stunden |
| (Ergebnisprüfung) Präsentation | 20 | mündlich | 15 min |
Prüfungsbeschreibung (Abschluss des Moduls)
Das Projekt kann einzeln oder in Teams von bis zu 4 Studierenden durchgeführt werden.
Das Modul wird mit einer Portfolioprüfung abgeschlossen, die aus zwei Teilen besteht:
(1) Die Implementierung eines Prototyps für das ausgewählte Paper, einschließlich Dokumentation. Die Studierenden reichen ihren Quellcode und zusätzliche Artefakte (wie Dokumentation) zur Benotung ein. Um den Prototyp zu erstellen, arbeiten die Studierenden selbstorganisiert. Typische Schritte umfassen das Kennenlernen eines bestehenden Papers, in das die Arbeit integriert werden soll (falls für das spezifische Thema zutreffend), das Entwickeln eines ersten Designs für ihr ausgewähltes Projektthema, das Implementieren dieses Designs in einer spezifischen Programmiersprache, das Dokumentieren des Prototyps und das Erstellen von Testfällen für automatisierte Tests.
(2) Die Studierenden sollen die entwickelte Lösung systematisch benchmarken und kleinere Verbesserungen testen. Die Studierenden können ihre Ideen mit ihrem Projektmentor diskutieren und Feedback von ihm erhalten.
(2) Eine Folienpräsentation des Projekts des Teams vor dem Kurs, einschließlich einer Diskussion. In dieser Präsentation geben die Studierenden Einblicke in z. B. die Motivation ihres Papers, ihren allgemeinen Ansatz, Einzelheiten ihrer Implementierung sowie ihre experimentellen Ergebnisse.
Das Modul wird mit einer Portfolioprüfung abgeschlossen, die aus zwei Teilen besteht:
(1) Die Implementierung eines Prototyps für das ausgewählte Paper, einschließlich Dokumentation. Die Studierenden reichen ihren Quellcode und zusätzliche Artefakte (wie Dokumentation) zur Benotung ein. Um den Prototyp zu erstellen, arbeiten die Studierenden selbstorganisiert. Typische Schritte umfassen das Kennenlernen eines bestehenden Papers, in das die Arbeit integriert werden soll (falls für das spezifische Thema zutreffend), das Entwickeln eines ersten Designs für ihr ausgewähltes Projektthema, das Implementieren dieses Designs in einer spezifischen Programmiersprache, das Dokumentieren des Prototyps und das Erstellen von Testfällen für automatisierte Tests.
(2) Die Studierenden sollen die entwickelte Lösung systematisch benchmarken und kleinere Verbesserungen testen. Die Studierenden können ihre Ideen mit ihrem Projektmentor diskutieren und Feedback von ihm erhalten.
(2) Eine Folienpräsentation des Projekts des Teams vor dem Kurs, einschließlich einer Diskussion. In dieser Präsentation geben die Studierenden Einblicke in z. B. die Motivation ihres Papers, ihren allgemeinen Ansatz, Einzelheiten ihrer Implementierung sowie ihre experimentellen Ergebnisse.
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 24.
Anmeldeformalitäten
Auf ISIS zu finden
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
nicht verfügbar
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 › Verteilte Systeme und Netze / Distributed Systems and Networks | |
| Computer Science (Informatik) StuPO 2015 | SoSe 2026 | Studiengebiete › Verteilte Systeme und Netze / Distributed Systems and Networks |
| WiSe 2026/27 | Wahlpflichtbereich › Studiengebiete › Data and Software Engineering / Data and Software Engineering | |
| 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 | |
| Information Systems Management (Wirtschaftsinformatik) StuPO 2017 | SoSe 2026 | Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering |
| WiSe 2026/27 | Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering | |
| Wirtschaftsingenieurwesen StuPO 2015 | SoSe 2026 | Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Informations- und Kommunikationssysteme/Information and Communication Systems (IKS) › Informations- und Kommunikationssysteme/Information and Communication Systems (Wahlpflicht/Compulsory-Elective) › Data and Software Engineering |
| WiSe 2026/27 | Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Informations- und Kommunikationssysteme/Information and Communication Systems (IKS) › Informations- und Kommunikationssysteme/Information and Communication Systems (Wahlpflicht/Compulsory-Elective) › Data and Software Engineering | |
| Wirtschaftsingenieurwesen StuPO 2026 | WiSe 2026/27 | Ingenieurwissenschaften / Studienrichtungen › AI Engineering › Data and Software Engineering |
Sonstiges
Keine Angabe