Moses - Masterprojekt: Large Scale Data Integration

Zur Modulseite PDF generieren

Modul / Version
#41215 / #2

Gültigkeit
WiSe 2024/25 - WiSe 2024/25

Verfügbare Sprache(n)
English

Titel des Moduls
Master Project: Large Scale Data Integration
Masterprojekt: Large Scale Data Integration

Leistungspunkte
9

Modulverantwortliche*r
Abedjan, Ziawasch

Benotung
Benotet

Prüfungsform
Portfolioprüfung

Lehrsprache(n)
English

Zugehörigkeit

Fakultät
Fakultät IV

Institut
Institut für Softwaretechnik und Theoretische Informatik

Fachgebiet
34353400 FG Data Integration and Data Preparation (BIFOLD)

Prüfungsausschuss
Keine Angabe

Kontakt

Sekretariat
TEL 11

Ansprechpartner*in
Abedjan, Ziawasch

E-Mail-Adresse
abedjan@tu-berlin.de

Webseite

https://www.tu.berlin/d2ip

Diese Modulbeschreibung ist nicht oder nicht vollständig auf deutsch hinterlegt.

Es wird stattdessen der Inhalt der folgenden Sprachversion angezeigt: Englisch.

Klicken Sie hier um die Inhalte der fehlenden oder unvollständige Sprachversion (Deutsch) anzuzeigen

Diese Modulbeschreibung gilt nicht im aktuellen Semester.

Die Modulbeschreibung gilt nur für den Zeitraum WiSe 2024/25 - WiSe 2024/25. Die Version für das aktuelle Semester (SoSe 2026) finden Sie hier: Modulbeschreibung des SoSe 2026

Lernergebnisse

In this course the students will develop solutions for large scale data integration. Working in groups of up to 4 students, the goal is to reproduce an existing research prototype and enhance it with their own ideas. Each group is accompanied by a mentor from the D2IP group to report and capture progress. The students will learn to implement scalable algorithms, evaluate them systematically, and to read and interpret technical papers and to critically judge experimental results. At the same time, students will learn to deal with data heterogeneity problems at scale.

Lehrinhalte

* Selection of a project and building a team * Discussion rounds on design, implementation, tests, and experiments * Prototype implementation, tests, and experiments * 15min oral presentation of the created prototype

Modulbestandteile

Compulsory area

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

Lehrveranstaltungen	Art	Nummer	Turnus	Sprache	SWS	ISIS	VVZ
Large Scale Data Integration	PJ		WiSe	en	6

ISIS-Kurssuche nach Veranstaltungen des Moduls

Arbeitsaufwand und Leistungspunkte

Large Scale Data Integration (PJ):

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
Attendance	10.0	2.0h	20.0h
Implementation	1.0	160.0h	160.0h
Evaluation	1.0	24.0h	24.0h
Presentation and Preparation	1.0	50.0h	50.0h
			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

Guided and self-organized project work. Students pick a project from a provided list, read the paper and clarify understanding problems with a mentor and scope the implementation goal. The algorithms and systems are reimplemented and systematically evaluated and enhanced. These projects are augmented by regular discussion rounds and a final presentation of the obtained results.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Completed basic courses on applied machine learning and data management are recommended

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

Benotung

Benotet

Prüfungsform

Portfolio examination

Art der Portfolioprüfung

100 Punkte insgesamt

Sprache(n)

English, German

Prüfungselemente

Name	Punkte	Kategorie	Dauer/Umfang
(Deliverable assessment) Experimentation	50	praktisch	N/A
(Deliverable assessment) Implementation and Documentation	20	mündlich	N/A
(Deliverable assessment) Presentation	30	praktisch	15 min

Notenschlüssel

Notenschlüssel »Notenschlüssel 3: Fak IV (3)«

Gesamtpunktzahl	1.0	1.3	1.7	2.0	2.3	2.7	3.0	3.3	3.7	4.0
100.0pt	85.0pt	80.0pt	75.0pt	70.0pt	65.0pt	60.0pt	55.0pt	50.0pt	45.0pt	40.0pt

Prüfungsbeschreibung (Abschluss des Moduls)

The project can be conducted individually or in teams of up to 4 students. The module is completed with a portfolio exam consisting of two parts: (1) The implementation of a prototype for the selected paper, including documentation. Students submit their source code and additional artifacts (such as documentation) for the grading. To create the prototype, students work in a self-organized manner. Typical steps include getting familiar with an existing paper to integrate the work into (if applicable for the specific topic), developing an initial design for their selected project topic, implementing this design in a specific programming language, documenting the prototype, creating test cases for automated testing. (2) The students are supposed to systematically benchmark the developed solution and and test minor enhancements. Students can discuss their ideas with and get feedback from their project mentor. (2) A slide presentation of the team's project in front of the course, including a discussion. In this presentation, the students give insights into, e.g., the motivation of their paper, their overall approach, specifics of their implementation, as well as their experimental results.

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

The registration details can be found in the ISIS course.

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit: nicht verfügbar

Skript in elektronischer Form

Verfügbarkeit: nicht verfügbar

Literatur

Empfohlene Literatur
Keine empfohlene Literatur angegeben

Zugeordnete Studiengänge

Semester:

Zeige auch ausgelaufene Studiengänge und StuPOs

Diese Modulversion wird in folgenden Studiengängen verwendet:

	Studiengang / StuPO	StuPOs	Verwendungen	Erste Verwendung	Letzte Verwendung
Dieses Modul findet in keinem Studiengang Verwendung.

Sonstiges

Keine Angabe