Module 39-Inf-BDA_ver1 Big Data Analytics

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:

1. Suchen von ähnlichen Objekten
2. Analyse von Datenströmen
3. PageRank
4. MapReduce
5. Suche nach häufigen Teilmengen
6. Suche nach häufigen Teilgraphen
7. Mining von sozialen Netzwerkgraphen
8. Empfehlungssysteme

The module Big Data Analytics deals with methods and algorithms in the context of big data analytics. In particular, the following topics are addressed:

1. Finding Similar Items
2. Stream Data Analysis
3. PageRank
4. MapReduce
5. Mining Frequent Itemsets
6. Mining Frequent Subgraphs
7. Mining Social Network Graphs
8. Recommender Systems

Wissen über Datenbanken kann hilfreich sein.

Knowledge about databases can be helpful.

—