Moses - SDS Scalable Data Science

Zur Modulseite PDF generieren

Modul / Version
#40311 / #8

Gültigkeit
WiSe 2023/24 - WiSe 2023/24

Verfügbare Sprache(n)
English

Titel des Moduls
SDS Scalable Data Science

Leistungspunkte
6

Modulverantwortliche*r
Markl, Volker

Benotung
Benotet

Prüfungsform
Portfolioprüfung

Lehrsprache(n)
English

Zugehörigkeit

Fakultät
Fakultät IV

Institut
Institut für Softwaretechnik und Theoretische Informatik

Fachgebiet
34351500 FG Datenbanksysteme und Informationsmanagement (DIMA)

Prüfungsausschuss
Keine Angabe

Kontakt

Sekretariat
EN 7

Ansprechpartner*in
Soto, Juan

E-Mail-Adresse
sekr@dima.tu-berlin.de

Webseite

https://www.tu.berlin/dima

Diese Modulbeschreibung ist nicht oder nicht vollständig auf deutsch hinterlegt.

Es wird stattdessen der Inhalt der folgenden Sprachversion angezeigt: Englisch.

Klicken Sie hier um die Inhalte der fehlenden oder unvollständige Sprachversion (Deutsch) anzuzeigen

Diese Modulbeschreibung gilt nicht im aktuellen Semester.

Die Modulbeschreibung gilt nur für den Zeitraum WiSe 2023/24 - WiSe 2023/24.

Lernergebnisse

Recent advances in technology have led to rapid growth of big data. This led to the need for cost efficient and scalable analysis algorithms. In this course concepts for scalable analysis of big data sets will be presented and applied using open source technologies. Participants of this module will gain an in-depth understanding of concepts and methods as well as practical experience in the area of scalable data science. The course is principally designed to impart: technical skills (50%), method skills (30%), system skills (10%), and social skills (10%).

Lehrinhalte

The module will focus on mainstream distributed processing platforms and paradigms and learn how to employ these to solve challenging big data problems using popular data mining methods. Students will learn how to implement and employ varying data mining algorithms, such as Naïve Bayes, K-Means Clustering, and PageRank on varying open-source systems (e.g., Apache Hadoop, Apache Flink).

Modulbestandteile

Compulsory area

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

Lehrveranstaltungen	Art	Nummer	Turnus	Sprache	SWS	ISIS	VVZ
Advanced Information Management 3 (AIM-3) - Scalable Data Science: Systems und Methods (SDSSM)	IV	0434 L 472	SoSe	Keine Angabe	4

ISIS-Kurssuche nach Veranstaltungen des Moduls

Arbeitsaufwand und Leistungspunkte

Advanced Information Management 3 (AIM-3) - Scalable Data Science: Systems und Methods (SDSSM) (IV):

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
Exercises/Practice	15.0	4.0h	60.0h
Plenary sessions	15.0	4.0h	60.0h
Preparation & Consolidation (incl. literature studies)	15.0	4.0h	60.0h
			180.0h(~6 LP)

Der Aufwand des Moduls summiert sich zu 180.0 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

This Integrated Course (Integrierte Veranstaltung, IV) consists of: (i) lectures on key concepts, (ii) practical theoretical & programming exercises, and (iii) student lead presentations (including literature search). Active participation and contributions to all parts of this course are essential.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Desirable prerequisite knowledge and skills include: (a) computer science topics addressed in TU Berlin modules in the Bachelor’s (e.g., Information Systems and Data Analysis database course or the equivalent), (b) excellent Java and SQL programming skills, (c) basic knowledge in linear algebra, numerical analysis, probability, and statistics, (d) already completed (or are currently enrolled in) a machine-learning course, (e) strong English language skills.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

Benotung

Benotet

Prüfungsform

Portfolio examination

Art der Portfolioprüfung

100 Punkte insgesamt

Sprache(n)

English

Prüfungselemente

Name	Punkte	Kategorie	Dauer/Umfang
(Deliverable assessment) Homework	30	schriftlich	30 hours / 20 pages
(Deliverable assessment) In-class presentations	20	mündlich	40 min. / about 35 slides
(Examination) Written test	50	schriftlich	60 min

Notenschlüssel

Notenschlüssel »Notenschlüssel 2: Fak IV (2)«

Gesamtpunktzahl	1.0	1.3	1.7	2.0	2.3	2.7	3.0	3.3	3.7	4.0
100.0pt	95.0pt	90.0pt	85.0pt	80.0pt	75.0pt	70.0pt	65.0pt	60.0pt	55.0pt	50.0pt

Prüfungsbeschreibung (Abschluss des Moduls)

The portfolio exam (worth 100 points) is comprised of three parts, namely: (i) written homework (30 points), (ii) in-class presentations (20 portfolio points), and (iii) a written exam (50 portfolio points). The final grade according to § 68 (2) AllgStuPO will be calculated with the faculty grading table 2. (Die Gesamtnote gemäß § 68 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.)

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt:
1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden:
Sommersemester.

Maximale teilnehmende Personen

Die maximale Teilnehmerzahl beträgt 30.

Anmeldeformalitäten

Students are required to register for the course in the official TUB examination system within six weeks after commencement of the first lecture or when the first graded assignment is due, whichever happens to be first

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit: nicht verfügbar

Skript in elektronischer Form

Verfügbarkeit: verfügbar

Zusätzliche Informationen:

Literatur

Empfohlene Literatur
Hadoop: The Definitive Guide (4th Edition), Tom White, O’Reilly Media, 2015.
Mining of Massive Datasets (3rd Edition), J. Leskovec, A. Rajaraman, and J. Ullman, Cambridge 2019. http://mmds.org/.
Stream Processing with Apache Flink, Fabian Hueske and Vasiliki Kalavri, O’Reilly Press, 2019
Supplementary reading material may be assigned to complement course lectures.

Zugeordnete Studiengänge

Semester:

Zeige auch ausgelaufene Studiengänge und StuPOs

Diese Modulversion wird in folgenden Studiengängen verwendet:

	Studiengang / StuPO	StuPOs	Verwendungen	Erste Verwendung	Letzte Verwendung
Dieses Modul findet in keinem Studiengang Verwendung.

This course targets Master’s students focused on Database Systems and Information Management in Computer Science (Major: System Engineering), Information Systems Management, Computer Engineering (Major: Information Systems & Software Engineering), and Industrial Engineering. In addition, this course is a compulsory elective for ICT Innovation (i.e. EIT Data Science) students. Master’s students in other academic programs may also enroll in this course subject to space availability. Wahlpflichtmodul im Masterstudiengang Informatik/Studienschwerpunkt System Engineering, Technische Informatik/Studienschwerpunkte Informationssysteme & Software Engineering und im Masterstudiengang Wirtschaftsingenieurswesen (Studiengang IuK). Wahlpflichtmodul ICT Innovation (z.B. EIT Data Science) Je nach Verfügbarleit der Plätze können auch Studierende anderer Fachrichtungen als Wahlpflicht das Modul belegen.

Sonstiges

No information