Hochschule Darmstadt - Fb Informatik

Drucken| Layout| Design| Schriftgröße English|
Modulbeschreibung
Modul:Big Data Analytics

Bases de données avancées (2)

Belegnummern:41.4984 [NFE205; PVL 41.4985]
Sprache:deutsch
Zuordnung:Dualer Master 2013 - Katalog AS: Anwendungs- und systemorientierte Module
Dualer Master 2013 - Vertiefung WI: Wirtschaftsinformatik
Master 2013 - Katalog AS: Anwendungs- und systemorientierte Module
Master 2013 - Vertiefung WI: Wirtschaftsinformatik
Master 2006 - Katalog AS: Anwendungs- und systemorientierte Module
Master 2006 - Vertiefung WI: Wirtschaftsinformatik
MN Data Science 2016 - Katalog DS-I: Data Science - Informatik
Lehrform:V+P = Vorlesung+Praktikum
SWS:3+1
CP:6
Prüfung:Klausur
Anmeldung zur Prüfung:explizit und unabhängig von der Belegung
PVL (z.B. Praktikum):unbenotet
Häufigkeit des Angebots:jährlich (zuletzt im SS 2019)
Erforderliche Vorkenntnisse:Der vorherige Besuch der Lehrveranstaltungen "Big Data Technologien" und "Data, Text und Web Mining" ist hilfreich, aber nicht zwingend notwendig.
Lernziele:Die Studierenden haben ein Verständnis für die wachsende Komplexität im Zusammenspiel von Algorithmen, Geschäftsprozessen und Architekturen bei Fragestellungen im Bereich von Analytics auf Big Data.
Sie sind in der Lage, für praktische Problemstellungen die strategisch geeigneten Analyseverfahren im Kontext der Gesamtarchitektur und geeigneter Komponenten zum Datenmanagement anzuwenden.
Sie können bestehende Systemlandschaften erweitern um Komponenten, die für Analytics auf Big Data erforderlich sind.
Lehrinhalte:
  • (Mining-) Algorithmen und ihr Implementierungspotential bei horizontal skaliertem Datenmanagement
  • Graphen-basierte Algorithmen
  • Die Phasen im Data Science-Prozess - Besonderheiten im Hinblick auf Big Data:
    • Datensammlung
    • Daten-Weiterverarbeitung
    • Data Cleansing
    • Explorative Daten Analyse
    • Modellierung, Evaluation und Kommunikation / Deployment der Ergebnisse
  • Data Streaming und Complex Event Processing:
    • Event, Complex Event, Event Processing
    • CEP-Engines: Aufgaben und Prozesse in den Komponenten "Design Time" und "Runtime"
    • Integration von CEP in Anwendungs- und Datenmanagementsysteme
  • Referenz-Architekturen im Bereich Big Data
Literatur:
  • O'Neil, Schutt: Doing Data Science, O‘Reilly 2013
  • Agneeswaran: Big Data Analytics beyond Hadoop, Pearson 2014
  • Provost, Fawcett: Data Science for Business, O'Reilly 2013
  • Ellis: Real-Time Analytics, Wiley 2014
  • Aktuelle Forschungspapiere
Arbeitsformen / Hilfsmittel:Seminaristische Vorlesung, Praktikum in Gruppen
Modulverantwortung:Inge Schestag
Freigabe ab:WS 2015/2016
Angebot im SS 19:Schestag / Döhring
LN: Schestag

[Fachbereich Informatik] [Hochschule Darmstadt]
© 2008 - 2019 FBI OBS Team. Alle Rechte vorbehalten.