Zur Modulseite PDF generieren

#41215 / #2

WiSe 2024/25 - WiSe 2024/25

Englisch

Master Project: Large Scale Data Integration
Masterprojekt: Large Scale Data Integration

9

Abedjan, Ziawasch

Benotet

Portfolioprüfung

Englisch

Zugehörigkeit


Fakultät IV

Institut für Softwaretechnik und Theoretische Informatik

34353400 FG Data Integration and Data Preparation (BIFOLD)

Keine Angabe

Kontakt


TEL 11

Abedjan, Ziawasch

abedjan@tu-berlin.de

Lernergebnisse

In diesem Kurs entwickeln die Studierenden Lösungen für die Datenintegration im großen Maßstab. Ziel ist es, in Gruppen von bis zu 4 Studierenden einen bestehenden Forschungsprototyp zu reproduzieren und ihn mit eigenen Ideen zu ergänzen. Jede Gruppe wird von einem Mentor aus der D2IP-Gruppe begleitet, um über den Fortschritt zu berichten und ihn festzuhalten. Die Studierenden lernen, skalierbare Algorithmen zu implementieren, diese systematisch zu bewerten, Fachbeiträge zu lesen und zu interpretieren sowie experimentelle Ergebnisse kritisch zu beurteilen. Gleichzeitig lernen die Studierenden, mit Datenheterogenitätsproblemen im großen Maßstab umzugehen.

Lehrinhalte

* Auswahl eines Projekts und Aufbau eines Teams * Diskussionsrunden zu Design, Implementierung, Tests und Experimenten * Prototypische Implementierung, Tests und Experimente * 15-minütige mündliche Präsentation des erstellten Prototyps

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWS ISIS VVZ
Large Scale Data IntegrationPJWiSeen6

Arbeitsaufwand und Leistungspunkte

Large Scale Data Integration (PJ):

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit10.02.0h20.0h
Vor-/Nachbereitung1.0160.0h160.0h
Evaluierung1.024.0h24.0h
Präsentation und Vorbereitung1.050.0h50.0h
254.0h(~9 LP)
Der Aufwand des Moduls summiert sich zu 254.0 Stunden. Damit umfasst das Modul 9 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Angeleitete und selbstorganisierte Projektarbeit. Die Studierenden wählen ein Projekt aus einer bereitgestellten Liste aus, lesen die Arbeit, klären Verständnisprobleme mit einem Mentor und legen das Umsetzungsziel fest. Die Algorithmen und Systeme werden neu implementiert und systematisch evaluiert und weiterentwickelt. Ergänzt werden diese Projekte durch regelmäßige Diskussionsrunden und eine abschließende Präsentation der erzielten Ergebnisse.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Grundlagenkurse der Datenbanktechnologie und Maschnelles Lernen werden empfohlen.

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
(Ergebnisprüfung) Experiment50praktischKeine Angabe
(Ergebnisprüfung) Implementierung und Dokumentation20mündlichKeine Angabe
(Ergebnisprüfung) Präsentation30praktischKeine Angabe

Notenschlüssel

Notenschlüssel »Notenschlüssel 3: Fak IV (3)«

Gesamtpunktzahl1.01.31.72.02.32.73.03.33.74.0
100.0pt85.0pt80.0pt75.0pt70.0pt65.0pt60.0pt55.0pt50.0pt45.0pt40.0pt

Prüfungsbeschreibung (Abschluss des Moduls)

Das Projekt kann einzeln oder in Teams von bis zu 4 Studierenden durchgeführt werden. Das Modul wird mit einer Portfolioprüfung abgeschlossen, die aus zwei Teilen besteht: (1) Die Umsetzung eines Prototyps für die ausgewählte Arbeit inklusive Dokumentation. Zur Benotung reichen die Studierenden ihren Quellcode und weitere Artefakte (z. B. Dokumentation) ein. Um den Prototypen zu erstellen, arbeiten die Studierenden selbstorganisiert. Zu den typischen Schritten gehört es, sich mit einem vorhandenen Papier vertraut zu machen, in das die Arbeit integriert werden soll (sofern für das spezifische Thema zutreffend), einen ersten Entwurf für das ausgewählte Projektthema zu entwickeln, diesen Entwurf in einer bestimmten Programmiersprache zu implementieren, den Prototyp zu dokumentieren und Testfälle dafür zu erstellen automatisiertes Testen. (2) Die Studierenden sollen die entwickelte Lösung systematisch einem Benchmarking unterziehen und kleinere Erweiterungen testen. Studierende können ihre Ideen mit ihrem Projektmentor besprechen und Feedback von ihm erhalten. (2) Eine Folienpräsentation des Teamprojekts vor der Lehrveranstaltung inklusive Diskussion. In diesem Vortrag geben die Studierenden Einblicke z. B. in die Motivation ihrer Arbeit, ihren Gesamtansatz, Besonderheiten ihrer Umsetzung 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:
Wintersemester.

Maximale teilnehmende Personen

Die maximale Teilnehmerzahl beträgt 24.

Anmeldeformalitäten

Die Anmeldungsformalitäten sind im ISIS kommuniziert

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit:  nicht verfügbar

 

Skript in elektronischer Form

Verfügbarkeit:  nicht verfügbar

 

Literatur

Empfohlene Literatur
Keine empfohlene Literatur angegeben

Zugeordnete Studiengänge


Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOStuPOsVerwendungenErste VerwendungLetzte Verwendung
Dieses Modul findet in keinem Studiengang Verwendung.

Sonstiges

Keine Angabe