Achtung: Auf dieser Seite wird ein auslaufendes Modulangebot angezeigt.
Auslaufendes Angebot
5 Leistungspunkte
Die Angaben zur Moduldauer finden Sie bei den Studiengängen, in denen das Modul verwendet wird.
Die Studierenden erlernen in den Vorlesungen und Übungen Kompetenzen bei der Durchführung von Data-Mining-Aufgaben bei sehr großen Datenmengen, die nicht im Hauptspeicher gespeichert werden können. Die Vorlesungen liefern die Schlüsselideen der Ähnlichkeitssuche unter Verwendung von Minhashing und lokalitätssensitivem Hashing, der Verarbeitung von Datenströmen, bei denen Daten so schnell ankommen, dass sie sofort verarbeitet werden müssen oder sonst verloren gehen, von Web-bezogenen Algorithmen wie dem Google PageRank, von Algorithmen um häufige Itemsets, Assoziationsregeln und häufige Teilgraphen zu finden, Algorithmen zur Analyse der Struktur von großen Graphen, wie z. B. von sozialen Netzwerkgraphen, und des MapReduce-Prinzips, um parallele Algorithmen zu entwerfen. Das Modul beinhaltet eine Klausur zu Semesterende.
Students learn in the lectures and are the exercise courses competencies in performing data mining tasks on very large amounts of data that cannot be stored in main memory. The lectures provide the key ideas of similarity search using minhashing and locality-sensitive hashing, of data stream processing where data arrives so fast that it has to be processed immediately or is otherwise lost, of Web-related algorithms such as Google's PageRank, of algorithms for mining frequent itemsets, association rules and frequent subgraphs, of algorithms to analyze the structure of large graphs such as social network graphs, and of the map-reduce principle to design parallel algorithms. The module includes an exam at the end of the term.
Das Modul Big Data Analytics befasst sich mit Methoden und Algorithmen im Kontext der Analyse von Big Data. Insbesondere werden folgende Themen behandelt:
The module Big Data Analytics deals with methods and algorithms in the context of big data analytics. In particular, the following topics are addressed:
Wissen über Datenbanken kann hilfreich sein.
Knowledge about databases can be helpful.
—
Modulstruktur: 1 bPr 1
Portfolio aus Übungs- oder Programmieraufgaben, die veranstaltungsbegleitend und in der Regel wöchentlich gestellt werden, und Abschlussklausur (60 Minuten) oder mündlicher Abschlussprüfung (in der Regel 15 min). Die Übungsaufgaben ergänzen und vertiefen den Inhalt der Vorlesung.
Nachweis einer ausreichenden Zahl korrekt gelöster Übungsaufgaben (in der Regel 50% der im Semester für das Lösen der Aufgaben erzielbaren Punkte).
Die abschließende mündliche Prüfung bezieht sich auf den Stoff der Vorlesung und der Übungen.
Portfolio consisting of per default weekly exercises or programming tasks and final written exam (per default 60 minutes) or final oral exam (per default 15 minutes). The exercises are based on the content of the lecture and enable students to train and further investigate the topics. It is required that a sufficient percentage of the exercises are successfully completed (per default 50% of the total number of points which can be achieved during a semester). The final oral exam concerns both, the content of the lecture as well as the exercises.
Empfohlene Literatur / Recommended literature:
Bisheriger Angebotsturnus war jedes Sommersemester.
Studiengang | Profil | Empf. Beginn 3 | Dauer | Bindung 4 |
---|---|---|---|---|
Data Science / Master of Science [FsB vom 06.04.2018 mit Änderungen vom 01.07.2019, 02.03.2020 und 21.03.2023] | Variante 1 | 2. | ein Semester | Pflicht |
Data Science / Master of Science [FsB vom 06.04.2018 mit Änderungen vom 01.07.2019, 02.03.2020 und 21.03.2023] | Variante 2 | 2. | ein Semester | Wahlpflicht |
In diesem Modul kann eine automatische Vollständigkeitsprüfung vom System durchgeführt werden.