Jedes Sommersemester
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 heterogener Datenquellen, d. h. die Kombination von Daten aus verschiedenen Datenquellen, zu integrieiren, um eine globale Sicht auf eine Menge von relevanten Entitäten zu erhalten, was eine der großen Herausforderungen im Datenmanagement, insbesondere im Big Data-Zeitalter ist, da diese Integration den Schlüssel darstellt um mit Vielfalt umzugehen. Das Problem wird seit Jahrzehnten betrachtet und dieses Modul behandelt Grundlagen der Datenintegration sowie algorithmische und systemische Aspekte. Das Modul beinhaltet eine Klausur zu Semesterende.
Students learn in the lectures and are the exercise courses how to integrate heterogeneous data sources, i.e. how to combine data residing in different data sources to obtain a global view of the data relating to relevant entities, which represents one of the major challenges in data management especially in the Big Data era as this integration is key to addressing the issue of variety. The problem has been considered for decades, and the lectures will cover foundations of data integration as well as algorithmic and system aspects. The module includes an exam at the end of the term.
Lehrinhalte:
Topics covered in this module:
—
—
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.
| 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 | Wahlpflicht |
| 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.