Vorlesung

Vorlesungsinhalt

Die Mastervorlesung "Big Data Analytics" vertieft die Grundkenntnisse, welche die Studierenden im Bachelorstudiengang in den Bereichen "Informationssysteme" sowie "Einführung in Data Science" erlangt haben. Die Vorlesung geht eingehend auf die Funktionsweisen und die theoretischen Grundlagen verteilter Informationssysteme sowie der verteilten Datenanalyse ein. Die Vorlesung umfasst verschiedene Bereiche des Data Minings und Aspekte des Maschinellen Lernens innerhalb einer verteilten Rechnerarchitektur:

  • Recommender Systeme mit verteilter Matrix-Faktorisierung
  • Prediktive Datenanalyse mit Entscheidungsbäumen
  • Textanalyse mit Latent Semantic Indexing
  • Netzwerkanalyse mit verteilten Graphdatenbanken
  • Skalierbare Analyse von geographischen und temporalen Daten
  • Statistische Datenanalyse mit verteilten Sampling-Verfahren

Zusammenfassend bietet die Vorlesung "Big Data Analytics" einen detaillierten Einblick in die oben genannten Aspekte und zeigt diese in ihrem Zusammenspiel. Im Gegensatz zum Bachelorkurs "Einführung in Data Science" liegt hier der Schwerpunkt in den theoretischen Grundlagen und statistischen Methoden, die der Datenverarbeitung in verteilten Informationssystemen zu Grunde liegen. Die theoretischen Grundlagen werden durch Programmierprojekte in Apache Spark ergänzt.

Vorlesungsziele

Der Kurs vermittelt den Studierenden einen detaillierten Einblick in die Funktionsweise und die theoretischen Grundlagen zur skalierbaren Analyse und verteilten Verarbeitung von großen Datenmengen. Die Studierenden erkennen, welche Datenstrukturen und Algorithmen der verteilten Analyse von großen Datenmengen zu Grunde liegen. Des Weiteren sind die Studierenden in der Lage, komplexe Anwendungen mittels dieser Ansätze zu realisieren.

Skript zur Vorlesung (uni-intern)

Die Vorlesungsfolien sind über das Skriptdrucksystem beziehbar (auch zum Download).

Weitere Literatur (nur uni-intern)

Übungen

Übungen und weitere Vorlesungsmaterialien sind im entsprechenden Moodle-Kurs zu finden. 

Übungsleiter

Hernán Blanco

Zeit und Ort

Vorlesung
Mittwoch, 08:15 bis 10:00 in O28/1002

Erste Vorlesung ist am 13.04.2016.

Übungen
Montag, 14:00 bis 16:00 Uhr in O27/542

Erste Übung ist am 25.04.2016.

Die Abgabe bzw. Demonstration der Programmierübungen findet alle zwei Wochen statt (siehe Übungsblätter). 

Umfang

2+2 SWS, LP 6

Prüfung

Die Vorlesung wird am Ende des Semesters in Form einer schriftlichen Klausur prüfbar sein.

Die Endnote wird zu 50% aus den Programmierübungen und zu 50% aus der schriftlichen Prüfung gewichtet.

Turnus

Sommersemester

Zuordnung PO 2014

Informatik Master:
Kernfach Praktische und Angewandte Informatik
Vertiefungsfach Informationssysteme

Medieninformatik Master:
Kernfach Praktische und Angewandte Informatik
Vertiefungsfach Informationssysteme

Software Engineering Master:
Kernfach Praktische und Angewandte Informatik
Vertiefungsfach Informationssysteme

Informatik Lehramt:
Wahlmodul

Cognitive Systems Master:
Applied Subjects (Anwendungsfach) Data Science

Weitere Informationen

LSF