EN

Modul

Analysetechniken für große Datenbestände in Theorie und Praxis [M-INFO-101256]

Leistungspunkte
9
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Level
4
Version
8

Verantwortung

Einrichtung

  • KIT-Fakultät für Informatik

Bestandteil von

Teilleistungen

Identifier Name LP
T-INFO-101306 Datenhaltung in der Cloud 5
T-INFO-111400 Datenbankfunktionalität in der Cloud 5
T-INFO-112844 Praktikum: Data Science für die Wissenschaften 6
T-INFO-113124 Data Science 8
T-INFO-111622 Data Science 1 5
T-INFO-105796 Praktikum: Analysis of Complex Data Sets 4
T-INFO-103201 Datenbank-Praktikum 4
T-INFO-108377 Datenschutz von Anonymisierung bis Zugriffskontrolle 3
T-INFO-105742 Analysetechniken für große Datenbestände 2 3
T-INFO-101317 Datenbankeinsatz 5
T-INFO-106219 Praktikum: Implementierung und Evaluierung von fortgeschrittenen Data Mining Konzepten für semi-strukturierte Daten 4
T-INFO-111626 Data Science 2 3
T-INFO-103202 Praktikum: Analyse großer Datenbestände 6
T-INFO-111262 Praktikum: Data Science 6
T-INFO-101305 Analysetechniken für große Datenbestände 5

Qualifikationsziele

Die Studierenden sollen

  • zum wissenschaftlichen Arbeiten im Bereich Informationssysteme befähigt werden und das Gebiet der Informationssysteme als Forschungsgebiet in ausgewählten unterschiedlichen Facetten kennen,
  • komplizierte Aspekte aus dem Themenbereich dieses Moduls sowohl anderen Experten als auch Außenstehenden erklären und darüber diskutieren können,
  • die Konzepte, Algorithmen, Techniken und ausgewählte Werkzeuge aus den Bereichen Data Warehousing und Data Mining kennen,
  • mit den Herausforderungen in der Praxis der Datenanalyse vertraut sein und in der Lage sein, selbst Lösungen zu entwickeln.

Voraussetzungen

Keine

Inhalt

Dieses Modul soll Studierende mit modernen Informationssystemen ausführlich vertraut machen, in Breite und Tiefe. 'Breite' erreichen wir durch die ausführliche Betrachtung und die Gegenüberstellung unterschiedlicher Systeme und ihrer jeweiligen Zielsetzungen, 'Tiefe' durch die ausführliche Betrachtung der jeweils zugrundeliegenden Konzepte und wichtiger Entwurfsalternativen, ihre Beurteilung und die Auseinandersetzung mit Anwendungen. Insbesondere sollen hier Data Warehousing Technologien und Data Mining Techniken nicht nur theoretisch betrachtet - sondern im Rahmen eines Praktikums in der Praxis ein- und umgesetzt werden.