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

Seminar Large-scale Data Engineering

Zur Modulseite PDF generieren

#41095 / #1

Seit SoSe 2023

Deutsch, Englisch

Seminar Large-scale Data Engineering

3

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

Keine Angabe

Lernergebnisse

In diesem Seminar-Modul erlernen die Studierenden das kritische Lesen wissenschaftlicher Publikationen, die wissenschaftliche Literatur-Recherche zu einem vorgegebenen Thema, das Schreiben von qualitativ hochwertigen wissenschaftlichen Arbeiten, sowie das professionelle Präsentieren einer wissenschaftlichen Arbeit in Form eines Vortrags. All diese Aspekte werden mit einem speziellen Fokus auf die Forschungsgebiete Data Engineering, Data Management und Machine Learning Systems abgedeckt.

Lehrinhalte

Dieses Modul umfasst ein Seminar 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: * 3 Vorlesungen zu wissenschaftlichen Methoden (Struktur wissenschaftlicher Arbeiten, Lesen und Schreiben wissenschaftlicher Arbeiten, Experimente und Reproduzierbarkeit) * Lesen ausgewählter Papiere und Schreiben einer 6-seitigen Zusammenfassung (in LaTeX mit gegebener Vorlage) * 20min Vortrag des zusammengefassten Themas

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

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

Arbeitsaufwand und Leistungspunkte

Large-scale Data Engineering (SEM):

AufwandbeschreibungMultiplikatorStundenGesamt
Teilnahme Vorlesungen3.02.0h6.0h
Papiere lesen und schreiben1.065.0h65.0h
Vortrags-Vorbereitung und Präsentation1.015.0h15.0h
86.0h(~3 LP)
Der Aufwand des Moduls summiert sich zu 86.0 Stunden. Damit umfasst das Modul 3 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Begleitetes und selbstorganisiertes Lesen wissenschaftlicher Papiere, Recherchieren von Literatur und Schreiben eines zusammenfassenden Papiers. Zu Beginn des Semesters hören die Studierenden Präsentationen zum Lesen wissenschaftlicher Papiere, zur Suche nach verwandten Arbeiten, zum Schreiben qualitativ 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 einiger Bemerkungen zu verwandten Arbeiten. Am Ende des Semesters hält jede/jeder Studierende eine Folienpräsentation, auf welche eine Diskussion zum jeweiligen Thema folgt.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Abgeschlossene grundlegende Kurse zu angewandtem Machine Learning und Data Management

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)

Deutsch, Englisch

Prüfungselemente

NamePunkteKategorieDauer/Umfang
(Deliverable assessment) Paper65schriftlich6 Seiten
(Deliverable assessment) Presentation35mündlich20 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)

Alle Bestandteile der Portfolio-Prüfung werden für jede(n) Studierende(n) individuell 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 20.

Anmeldeformalitäten

Registrierung per E-Mail an Patrick Damme (patrick.damme@tu-berlin.de)

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.

Zugeordnete Studiengänge


Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOStuPOsVerwendungenErste VerwendungLetzte Verwendung
Informatik (B. Sc.)15SoSe 2023SoSe 2025
Medientechnik (B. Sc.)15SoSe 2023SoSe 2025
Technische Informatik (B. Sc.)15SoSe 2023SoSe 2025
Wirtschaftsinformatik (B. Sc.)210SoSe 2023SoSe 2025

Sonstiges

Keine Angabe