623.500 (19W) Data Engineering

Wintersemester 2019/20

Anmeldefrist abgelaufen.

Erster Termin der LV
03.10.2019 16:00 - 18:00 HS C On Campus
... keine weiteren Termine bekannt

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 Benotungsschema

Position 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
  • 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

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
  • 623.500 VC Data Engineering (2.0h / 4.0ECTS)
  • 623.501 VC Data Engineering (2.0h / 4.0ECTS)