Zur Modulseite PDF generieren

#41183 / #1

Seit SoSe 2024

Deutsch, Englisch

Project Large-scale Data Engineering (benotet) (Project Large-scale Data Engineering)
Projekt Large-scale Data Engineering (benotet) (Projekt Large-scale Data Engineering)

9

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

Lernergebnisse

In diesem Projekt-Modul erlernen die Studierenden das Erstellen von Prototypen für spezifische Projekte sowie das professionelle Präsentieren dieser Prototypen in Form eines Vortrags. Diese Aspekte werden mit einem speziellen Fokus auf die Forschungsgebiete Data Engineering, Data Management und Machine Learning Systems abgedeckt.

Lehrinhalte

Dieses Modul umfasst 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: * Auswahl eines Projekts * Diskussionsrunden zu Design, Implementierung, Tests und Experimenten * Prototypische Implementierung, Tests und Experimente * 15min Vortrag zum erstellten Prototypen

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWS ISIS VVZ
Large-scale Data EngineeringPJWiSe/SoSeen4

Arbeitsaufwand und Leistungspunkte

Large-scale Data Engineering (PJ):

AufwandbeschreibungMultiplikatorStundenGesamt
Prototyp-Implementierung1.0202.0h202.0h
Teilnahme Diskussions-Runden4.02.0h8.0h
Tests, Dokumentation, Experimente1.040.0h40.0h
Vortrags-Vorbereitung und Präsentation1.020.0h20.0h
270.0h(~9 LP)
Der Aufwand des Moduls summiert sich zu 270.0 Stunden. Damit umfasst das Modul 9 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Begleitete und selbst-organisierte Projekt-Arbeit. Die Studierenden wählen ein Projekt aus einer vorgegebenen Liste, erstellen ein initiales Design und implementieren dann einen Prototyp inklusive Dokumentation, Tests und relevanten Experimenten. Die Projekte werden angereichert mit regelmäßigen Diskussions-Runden und einer abschließenden Präsentation der erreichten Ergebnisse.

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) Implementierung, Tests, Dokumentation85praktischN/A
(Deliverable assessment) Präsentation15mündlich15 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 individuell oder in Teams von bis zu 3 Studierenden durchgeführt werden. Das Modul wird mit einer Portfolio-Prüfung abgeschlossen, welche aus zwei Teilen besteht: (1) Die Implementierung eines Prototyps für das gewählte Projekt-Thema, inklusive Testfällen, Dokumentation und Experimenten. Die Studierenden reichen ihren Quellcode und zusätzliche Artefakte (wie z.B. Dokumentation) zur Bewertung ein. Zur Erstellung des Prototyps arbeiten die Studierenden selbstorganisiert. Typische Schritte umfassen die Einarbeitung in ein existierendes open-source System zur Integration des Prototyps (falls anwendbar für das konkrete Projekt-Thema), die Erarbeitung eines initialen Designs für das gewählte Projekt-Thema, die Implementierung dieses Designs in einer konkreten Programmiersprache, die Dokumentation des Prototyps, die Erstellung von Testfällen zum automatischen Testen und das Durchführen von Experimenten durch Vergleich des Prototyps mit sinnvollen Vergleichssystemen. Während der selbstorganisierten Projektarbeit können die Studierenden ihre Ideen mit einem Projekt-Mentor besprechen und Feedback erhalten. (2) Eine Folien-Präsentation des Projekts vor dem Kurs, inklusive einer Diskussion. In dieser Präsentation geben die Studierenden Einblicke in, z.B., die Motivation ihres Projekt-Themas, ihren generellen Ansatz, Spezifika ihrer Implementierung sowie ihre experimentellen Ergebnisse.

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

Details zur Registrierungs sind dem ISIS-Kurs zu entnehmen.

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit:  nicht verfügbar

 

Skript in elektronischer Form

Verfügbarkeit:  nicht verfügbar

 

Literatur

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

Zugeordnete Studiengänge


Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOStuPOsVerwendungenErste VerwendungLetzte Verwendung
Informatik (B. Sc.)13SoSe 2024SoSe 2025
Technische Informatik (B. Sc.)13SoSe 2024SoSe 2025
Wirtschaftsinformatik (B. Sc.)26SoSe 2024SoSe 2025

Sonstiges

Keine Angabe