Data Management and Data Analysis - Interactive curriculae of TU Ilmenau
The interactive curriculae provide information on the degree programmes offered by the TU Ilmenau.
Please refer to the respective study and examination rules and regulations for the legally binding curricula (Annex Curriculum).
You can find all details on planned lectures and classes in the course catalogue.
Please note that this page is no longer updated. All modules and study plans from PO version 2021 onwards (Bachelor and Master study programs) are now available on the Campus Portal.
| module properties Data Management and Data Analysis in degree program Bachelor Data Science 2025 | |
|---|---|
| module number | 200041 |
| examination number | 2200686 |
| department | Department of Computer Science and Automation |
| ID of group | 2254 (Databases and Information Systems) |
| module leader | Prof. Dr. Kai-Uwe Sattler |
| term | summer term only |
| language | Deutsch |
| credit points | 5 |
| on-campus program (h) | 45 |
| self-study (h) | 105 |
| obligation | obligatory module |
| exam | written examination performance, 90 minutes |
| details of the certificate | |
| link to Moodle course | https://moodle.tu-ilmenau.de/enrol/index.php?id=2924 |
| teacher | Prof. Dr. Sattler, Kai-Uwe |
| signup details for alternative examinations | |
| maximum number of participants | |
| previous knowledge and experience | Vorlesung Datenbanksysteme |
| learning outcome | Nach Besuch dieser Vorlesung sind die Studierenden mit grundlegenden Methoden der Auswertung und Analyse großer Datenbestände vertraut. Sie kennen Verfahren zur Vorbereitung und Bereinigung von Daten und können Standardverfahren aus den Bereichen Data Mining/Machine Learning und OLAP anwenden. Weiterhin sind sie mit grundlegenden Verfahren der Textanalyse und der Analyse von Graphdaten vertraut. Mit den Übungen können die Studierenden Standardwerkzeuge zur Analyse und Verarbeitung von Daten (Datenbanken, Data Warehouses, interaktive Notebooks) praktisch anwenden. Sie sind in der Lage, eigene Lösungen zu gestellten Aufgaben zu präsentieren, sich an themenspezifischen Diskussionen zu beteiligen und sind bereit, Fragen zu beantworten. |
| content | Arten von Daten, Datenanalyseprozess; Datenvorarbeitung und -bereinigung; OLAP; Grundlagen des Data Mining/Machine Learning: ausgewählte Verfahren; Textanalyse, Graphanalyse; Rechtliche Aspekte und Datenschutz; Systeme und Werkzeuge zur Datenanalyse (SQL, Jupyter, Tensorflow) |
| media of instruction and technical requirements for education and examination in case of online participation | Vorlesung mit Präsentationen und Tafel, Handouts, Moodle |
| literature / references |
|
| evaluation of teaching | |