Lehrinhalte
Zu Beginn dieses Kurses erfolgt eine Einführung zum Lesen und Bewerten wissenschaftlicher Arbeiten und zum Aufbau und Halten guter Präsentation. Anschleißend erhalten alle Teilnehmenden eine Rohfassung eines hochrangigen Konferenzbeitrags. Aufgabe der Teilnehmenden ist es, die Arbeit kritisch zu lesen und eine schriftliche Rezension der Arbeit zu verfassen, die einer typischen Vorlage für eine Konferenzrezension folgt. Anschließend erhalten die Studierenden die tatsächlichen Gutachten des Papiers, vergleichen diese mit ihren Erkenntnissen und bereiten eine Präsentation vor, in der sie die Verbesserungen erörtern, die zwischen der ursprünglichen Einreichung und der Veröffentlichung des Papiers aufgrund der Kritik der Gutachter vorgenommen wurden. Darüber hinaus müssen die Studierenden jede Woche über die Hauptprobleme der in den Präsentationen ihrer Kommilitonen angesprochenen Themen reflektieren (Einzelheiten werden in der Vorlesung bekannt gegeben.)
Zu den möglichen behandelten Themenfeldern gehören gehören die Verarbeitung von Datenströmen (z. B. skalierbare und parallele Window-Joins, Window-Aggregation, Zustandsmanagement), die Datenverarbeitung auf moderner Hardware (z. B. GPU-Datenverarbeitung, FPGA-Beschleunigung für Sketches), die Datenverarbeitung für maschinelles Lernen und Data Science (z. B. Optimierung von Pipelines für maschinelles Lernen, dynamische Parameterzuweisung in Parameter-Servern) sowie Abfrageoptimierung und Kompilierung (z. B. adaptive Kompilierung).
