Technische Universität Ilmenau

Data Science: Methoden und Techniken - Modultafeln der TU Ilmenau

Die Modultafeln sind ein Informationsangebot zu den Studiengängen der TU Ilmenau.

Die rechtsverbindlichen Studienpläne entnehmen Sie bitte den jeweiligen Studien- und Prüfungsordnungen (Anlage Studienplan).

Alle Angaben zu geplanten Lehrveranstaltungen finden Sie im elektronischen Vorlesungsverzeichnis.

Informationen und Handreichungen zur Pflege von Modulbeschreibungen durch die Modulverantwortlichen finden Sie unter Modulpflege.

Hinweise zu fehlenden oder fehlerhaften Modulbeschreibungen senden Sie bitte direkt an modulkatalog@tu-ilmenau.de.

Modulinformationen zu Modulnummer 200042 - allgemeine Informationen
Modulnummer200042
FakultätFakultät für Informatik und Automatisierung
Fachgebietsnummer2254 (Datenbanken und Informationssysteme)
Modulverantwortliche(r)Prof. Dr. Kai-Uwe Sattler
SpracheDeutsch
TurnusSommersemester
Vorkenntnisse

Datenbanksysteme, Statistik, Programmierkenntnisse

Lernergebnisse und erworbene Kompetenzen

Nach Besuch dieser Veranstaltung sind die Studierenden mit fortgeschrittenen Methoden zur Auswertung und Analyse großer Datenbestände vertraut.  Sie verstehen Data-Mining-/Machine Learning-Verfahren zur Analyse klassischer relationaler Geschäftsdaten als auch von raum- bzw. zeitbezogenen Daten,  Graph- und Textdaten.

Weiterhin kennen sie Prinzipien verteilter und paralleler Architekturen inkl. Data Warehouses und moderner Big-Data-Plattfomen zur Verwaltung und Analyse sehr großer Datenbestände. Die Studierenden können die zugrundeliegenden Methoden sowie die technischen Aspekte erklären und hinsichtlich ihrer Vor- und Nachteile für verschiedene Einsatzzwecke bewerten.

Mit den Übungen  können die Studierenden Standardwerkzeuge (Datenbanken, Data Warehouses, interaktive Notebooks) anhand konkreter Aufgabenstellungen zur Datenanalyse praktisch anwenden. Sie können eigene Lösungen entwickeln, bewerten und diese präsentieren, können sich an themenspezifischen Diskussionen beteiligen und sind bereit, Fragen zu beantworten.

Inhalt

Datenanalysepipeline; Big-Data-Architekturen; Data Warehousing und OLAP; Data-Mining-Techniken: Clustering, Frequent Itemset Mining; Analyse von Graph-Daten (Mustersuche in Graphen, Erkennen von Communities, Erkennung häufiger Subgraphen), Mining raum-zeitbezogener Daten (Sequential Pattern Mining, Trajectory Mining); NLP und Text Mining: Relationship-Extraktion, Word Sense Disambiguation, Named Entity Recognition; Sentiment Analyse; Parallelisierung und Verteilung: Partitionierungstechniken, datenparallele Verarbeitung

Medienformen und technische Anforderungen bei Lehr- und Abschlussleistungen in elektronischer Form

Vorlesung mit Präsentationen und Tafel, Handouts,

Link zum Moodle-Kurs:

https://www.tu-ilmenau.de/modultafeln/?fnq=200042

Literatur

Köppen, Saake, Sattler: Data Warehouse Technologien: Technische Grundlagen, mitp-Verlag, 2012.

Kumar,Steinbach, Tan: Introduction to Data Mining, Addison Wesley, 2005.

Lehner, Sattler: Web-Scale Data Management for the Cloud, Springer, 2013.

Rahm, Saake, Sattler: Verteiltes und Paralleles Datenmanagement, Springer, 2015.

Lehrevaluation
Spezifik Referenzmodul
ModulnameData Science: Methoden und Techniken
Prüfungsnummer2200687
Leistungspunkte5
SWS4 (2 V, 2 Ü, 0 P)
Präsenzstudium (h)45
Selbststudium (h)105
VerpflichtungPflichtmodul
Abschlussmündliche Prüfungsleistung, 30 Minuten
Details zum Abschluss
Alternative Abschlussform aufgrund verordneter Corona-Maßnahmen inkl. technischer Voraussetzungen
Anmeldemodalitäten für alternative PL oder SL
max. Teilnehmerzahl
Spezifik im Studiengang Master Informatik 2013, Master Ingenieurinformatik 2014, Master Medientechnologie 2017, Master Wirtschaftsinformatik 2021, Master Ingenieurinformatik 2021, Master Informatik 2021
ModulnameData Science: Methoden und Techniken
Prüfungsnummer2200687
Leistungspunkte5
Präsenzstudium (h)45
Selbststudium (h)105
VerpflichtungWahlmodul
Abschlussmündliche Prüfungsleistung, 30 Minuten
Details zum Abschluss
Alternative Abschlussform aufgrund verordneter Corona-Maßnahmen inkl. technischer Voraussetzungen
Anmeldemodalitäten für alternative PL oder SL
max. Teilnehmerzahl