1. Modulverzeichnis (MTS)
  2. Module
  3. Modulbeschreibung anzeigen

Large-scale Data Engineering

Zur Modulseite PDF generieren

#41086 / #3

Seit SoSe 2026

Deutsch, Englisch

Large-scale Data Engineering

12

Böhm, Matthias

Benotet

Portfolioprüfung

Englisch

Zugehörigkeit


Fakultät IV

Institut für Softwaretechnik und Theoretische Informatik

34352900 FG Big Data Engineering

Keine Angabe

Kontakt


TEL 8-1

Damme, Patrick

patrick.damme@tu-berlin.de

https://pdamme.github.io/#teaching

Lernergebnisse

In diesem kombinierten Seminar-/Projektmodul lernen die Studierenden das kritische Lesen wissenschaftlicher Publikationen, die wissenschaftliche Literatur-Recherche zu einem vorgegebenen Thema, das Schreiben von hochwertigen wissenschaftlichen Arbeiten, das professionelle Präsentieren einer wissenschaftlichen Arbeit in Form eines Vortrags, das Erstellen hochwertiger Prototypen für spezifische Projekte, die experimentelle Evaluation dieser Prototypen sowie das professionelle Präsentieren dieser Prototypen in Form eines Vortrags. All diese Aspekte werden mit einem speziellen Fokus auf die Forschungsgebiete Data Engineering, Data Management und Machine-Learning-Systeme abgedeckt. Gemeinsam stellen das Seminar und das Projekt eine solide Grundlage für eine anschließende Bachelor-/Masterarbeit dar, sowohl in methodischer Hinsicht als auch in Hinblick auf spezifische Themen.

Lehrinhalte

Dieses Modul umfasst ein Seminar und ein Projekt im Kontext von Big Data Engineering, d.h., zu Themen im Umfeld von skalierbaren Daten- und ML-Systemen. Konkret ist das Modul wie folgt strukturiert: A) Seminar * 3 Vorlesungen zu wissenschaftlichen Methoden (Struktur wissenschaftlicher Arbeiten; Lesen und Schreiben wissenschaftlicher Arbeiten; Experimente, Reproduzierbarkeit und wissenschaftliche Präsentationen) * Lesen ausgewählter Papiere und Schreiben einer 4-seitigen Zusammenfassung (in LaTeX mit gegebener Vorlage) * Teilnahme an Vorträgen und eigener 20-minütiger Vortrag des zusammengefassten Themas B) Projekt * Auswahl eines Projektthemas * Diskussionsrunden zu Design, Implementierung, Tests und Experimenten mit einem Projekt-Mentor * Design und Implementierung eines initialen Prototypen, inklusive Tests und Dokumentation * Kurze Vorstellung des initialen Prototypen * Experimentelle Evaluation des initialen Prototypen * Weiterentwicklung des initialen Prototypen zu einem finalen Prototypen, gelenkt von den experimentellen Ergebnissen * Teilnahme an Vorträgen und eigener 15-minütiger Vortrag zum finalen Prototypen

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWS ISIS VVZ
Large-scale Data EngineeringPJWiSe/SoSeen4
Large-scale Data EngineeringSEMWiSe/SoSeen2
ISIS-Kurssuche nach Veranstaltungen des Moduls

Arbeitsaufwand und Leistungspunkte

Large-scale Data Engineering (PJ):

AufwandbeschreibungMultiplikatorStundenGesamt
Teilnahme Diskussions-Runden10.01.0h10.0h
Prototyp-Implementierung (inklusive Tests und Dokumentation)1.0160.0h160.0h
Experimente1.060.0h60.0h
Vorbereitung Vortrag2.016.0h32.0h
Teilnahme Vorträge und eigener Vortrag2.04.0h8.0h
270.0h(~9 LP)

Large-scale Data Engineering (SEM):

AufwandbeschreibungMultiplikatorStundenGesamt
Teilnahme Vorlesung3.02.0h6.0h
Papier lesen und Seminararbeit schreiben1.060.0h60.0h
Vorbereitung Vortrag1.016.0h16.0h
Teilnahme Vorträge und eigener Vortrag2.04.0h8.0h
90.0h(~3 LP)
Der Aufwand des Moduls summiert sich zu 360.0 Stunden. Damit umfasst das Modul 12 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Begleitetes und selbstorganisiertes Lesen wissenschaftlicher Papiere, Recherchieren von Literatur und Schreiben eines zusammenfassenden Papiers. Begleitete und selbst-organisierte Projekt-Arbeit. Zu Beginn des Semesters hören die Studierenden Einführungsvorlesungen zum Lesen wissenschaftlicher Papiere, zur Suche nach verwandten Arbeiten, zum Schreiben hochwertiger wissenschaftlicher Arbeiten und zur Präsentation wissenschaftlicher Arbeiten in Vorträgen. Jeder/jedem Studierenden wird ein initiales Papier zum Lesen und Verstehen zugeordnet. Danach suchen die Studierenden nach verwandten Arbeiten und schreiben eine kurze Zusammenfassung des zugewiesenen Papiers, inklusive eines Überblicks über verwandte Arbeiten. Am Ende des Semesters hält jede/jeder Studierende eine Folienpräsentation, auf welche eine Diskussion zum jeweiligen Thema folgt. Gleichzeitig oder in einem folgenden Semester wählen die Studierenden ein Projekt aus einer vorgegebenen Liste, erstellen ein initiales Design und implementieren einen initialen Prototypen inklusive Tests und Dokumentation. Die Studierenden präsentieren ihren initialen Prototypen in der Mitte des Semesters vor dem Kurs. Darüber hinaus führen sie umfangreiche Experimente durch um die Qualität und Eigenschaften ihres Prototypen nachzuweisen. Die Ergebnisse dieser Experimente lenken die weitere Entwicklung eines finalen Prototypen, welchen die Studierenden am Ende des Semesters vor dem Kurs präsentieren. Die Projekte werden durch regelmäßige Diskussions-Runden mit einem Projekt-Mentor bereichert.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Abgeschlossene Grundkurse zu angewandtem maschinellem Lernen und Datenmanagement

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

Benotung

Benotet

Prüfungsform

Portfolioprüfung

Art der Portfolioprüfung

100 Punkte insgesamt

Sprache(n)

Englisch

Prüfungselemente

NamePunkteKategorieDauer/Umfang
(Ergebnisprüfung) Seminararbeit25schriftlich4 Seiten
(Ergebnisprüfung) Seminarvortrag15mündlich20 min
(Ergebnisprüfung) Projekt-Implementierung, Tests, Dokumentation und Experimente50praktischProjekt-Quellcode, -Tests, -Dokumentation; Experiment-Quellcode und -Ergebnisse
(Ergebnisprüfung) Präsentation des finalen Prototypen10mündlich15 min

Notenschlüssel

Notenschlüssel »Notenschlüssel 2: Fak IV (2)«

Gesamtpunktzahl1.01.31.72.02.32.73.03.33.74.0
100.0pt95.0pt90.0pt85.0pt80.0pt75.0pt70.0pt65.0pt60.0pt55.0pt50.0pt

Prüfungsbeschreibung (Abschluss des Moduls)

Das Projekt kann in Teams von 1 bis 3 Studierenden durchgeführt werden, wird jedoch als Ganzes bewertet. Alle anderen Teile der Portfolio-Prüfung werden für jede(n) Studierende(n) einzeln bewertet.

Dauer des Moduls

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

Dieses Modul kann in folgenden Semestern begonnen werden:
Winter- und Sommersemester.

Maximale teilnehmende Personen

Die maximale Teilnehmerzahl beträgt 10.

Anmeldeformalitäten

Details zur Anmeldung sind dem ISIS-Kurs im jeweiligen Semester zu entnehmen.

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit:  nicht verfügbar

 

Skript in elektronischer Form

Verfügbarkeit:  nicht verfügbar

 

Literatur

Empfohlene Literatur
Seminar-specific literature will be discussed during the first lecture.
Project-specific literature will be discussed during the first discussion round.

Zugeordnete Studiengänge


Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOStuPOsVerwendungenErste VerwendungLetzte Verwendung
Computer Engineering (M. Sc.)15SoSe 2026SoSe 2026
Computer Science (Informatik) (M. Sc.)16SoSe 2026SoSe 2026
Elektrotechnik (M. Sc.)13SoSe 2026SoSe 2026
Informatik (B. Sc.)11SoSe 2026SoSe 2026
Information Systems Management (Wirtschaftsinformatik) (M. Sc.)12SoSe 2026SoSe 2026
Technische Informatik (B. Sc.)11SoSe 2026SoSe 2026
Wirtschaftsinformatik (B. Sc.)22SoSe 2026SoSe 2026

Sonstiges

Keine Angabe