623.500 (19W) Data Engineering
Überblick
- Lehrende/r
- LV-Titel englisch Data Engineering
- LV-Art Vorlesung-Kurs (prüfungsimmanente LV )
- Semesterstunde/n 2.0
- ECTS-Anrechnungspunkte 4.0
- Anmeldungen 27 (30 max.)
- Organisationseinheit
- Unterrichtssprache Englisch
- LV-Beginn 03.10.2019
- eLearning zum Moodle-Kurs
Zeit und Ort
Liste der Termine wird geladen...
LV-Beschreibung
Intendierte Lernergebnisse
The successful student will have a deeper understanding of the challenges imposed by Big Data and know state of the art data engineering methods and techniques focusing on big data applications.
Lehrmethodik inkl. Einsatz von eLearning-Tools
The VC will be a mixture of a classical lecture, pressentations of assignment solutions and student presentations.
Inhalt/e
- Introduction to Big Data, Data Engineering and Data Science.
- Recap on RDBMS and common file formats.
- Managing XML and JSON in RDBMS.
- Advanced SQL queries.
- Scaling of RDBMS.
- Big Data Frameworks
- MapReduce
- Apache Spark
- SQL on Big Data Architectures
- (Big) Data Integration
- Data Provenance and Data Quality
- (Big) Data Analytics
Erwartete Vorkenntnisse
Relational Databases (Lecture "Datenbanken"), Java Programming
Literatur
Principles of Database Management: The Practical Guide to Storing, Managing and Analyzing Big and Small Data. Cambridge University Press New York, NY, USA ©2018 ISBN:1107186129 9781107186125
Prüfungsinformationen
Im Fall von online durchgeführten Prüfungen sind die Standards zu beachten, die die technischen Geräte der Studierenden erfüllen müssen, um an diesen Prüfungen teilnehmen zu können.
Prüfungsmethode/n
- (typically) weekly assignments and active participation.
- final written exam.
Prüfungsinhalt/e
See Topics.
Beurteilungskriterien/-maßstäbe
The Overall grade is based on:
- 30% Assignments (quality and quantity).
- Solving all assignments correctly: 30 points.
- Anyone who uploads an assignments must be able to present it. If not, no credits for all assignments of that day.
- 10% active participation by presenting assignments and discussions.
- 60% Final exam.
Beurteilungsschema
Note BenotungsschemaPosition im Curriculum
- Masterstudium Informatics
(SKZ: 911, Version: 19W.2)
-
Fach: Vertiefung Informatik (Specialization in Informatics)
(Pflichtfach)
-
1.1 Data Engineering (
2.0h VC / 4.0 ECTS)
- 623.500 Data Engineering (2.0h VC / 4.0 ECTS) Absolvierung im 1. Semester empfohlen
-
1.1 Data Engineering (
2.0h VC / 4.0 ECTS)
-
Fach: Vertiefung Informatik (Specialization in Informatics)
(Pflichtfach)
- Masterstudium Information Management
(SKZ: 922, Version: 19W.1)
-
Fach: Informatics
(Pflichtfach)
-
1.1 Data Engineering (
0.0h VC / 4.0 ECTS)
- 623.500 Data Engineering (2.0h VC / 4.0 ECTS) Absolvierung im 1. Semester empfohlen
-
1.1 Data Engineering (
0.0h VC / 4.0 ECTS)
-
Fach: Informatics
(Pflichtfach)
Gleichwertige Lehrveranstaltungen im Sinne der Prüfungsantrittszählung
-
Sommersemester 2024
- 623.500 VC Data Engineering (2.0h / 4.0ECTS)
-
Wintersemester 2023/24
- 623.500 VC Data Engineering (2.0h / 4.0ECTS)
-
Sommersemester 2023
- 623.500 VC Data Engineering (2.0h / 4.0ECTS)
-
Wintersemester 2022/23
- 623.500 VC Data Engineering (2.0h / 4.0ECTS)
-
Sommersemester 2022
- 623.500 VC Data Engineering (2.0h / 4.0ECTS)
-
Wintersemester 2021/22
- 623.500 VC Data Engineering (2.0h / 4.0ECTS)
-
Sommersemester 2021
- 623.500 VC Data Engineering (2.0h / 4.0ECTS)
- Wintersemester 2020/21