PTI07720 – Large Scale Data Processing

Modul
Large Scale Data Processing
Large Scale Data Processing
Modulnummer
PTI07720
Version: 2
Fakultät
Physikalische Technik / Informatik
Niveau
Master
Dauer
1 Semester
Turnus
Wintersemester
Modulverantwortliche/-r

Prof. Dr. Tina Geweniger
Tina.Geweniger(at)fh-zwickau.de

Dozent/-in(nen)

Prof. Dr. Tina Geweniger
Tina.Geweniger(at)fh-zwickau.de

Lehrsprache(n)

Englisch - 90.00%
in "Large Scale Data Processing"

Deutsch - 10.00%
in "Large Scale Data Processing"

ECTS-Credits

4.00 Credits

Workload

120 Stunden

Lehrveranstaltungen

3.00 SWS (2.00 SWS Vorlesung | 1.00 SWS Praktikum)

Selbststudienzeit

75.00 Stunden
30.00 Stunden Vor-/Nachbereitung - Large Scale Data Processing
45.00 Stunden Selbststudium - Large Scale Data Processing

Prüfungsvorleistung(en)

Praktikumstestat
in "Large Scale Data Processing"

Prüfungsleistung(en)

mündliche Prüfungsleistung
Modulprüfung | Prüfungsdauer: 30 min | Wichtung: 100%
in "Large Scale Data Processing"

Medienform
Keine Angabe
Lehrinhalte/Gliederung
  • Data sources and their characteristics
  • System architectures for large scale data processing
  • Methods for data modelling (e. g. Entity Relationship Model)
  • SQL as query language
  • Data security and encryption

 

  • Datenquellen und ihre Charakteristika
  • Systemarchitekturen für die Verarbeitung großer Datenmengen
  • Methoden für die Datenmodellierung (z. B. Entity Relationship Model)
  • SQL als Anfragesprache
  • Datensicherheit und Verschlüsselung
Qualifikationsziele

The students will know sources of large amounts of data and are able to classify these sources regarding to common criteria. The students are able to identify the data sources in larger system architectures. In order to model real world scenarios students know methods for data modelling and are able to model simple data structures, also with regards to models for querying large amounts of data. For querying the students know and are able to use appropriate languages (e.g. SQL). The students know about methods and tools for statistical processing of data.

Die Studierenden kennen Quellen großer Datenmengen und sind in der Lage, diese Quellen hinsichtlich allgemeiner Kriterien zu klassifizieren. Die Studierenden können die Datenquellen innerhalb einer größeren Unternehmensarchitektur identifizieren. Für das Modellieren von Anwendungsfällen kennen die Studierenden die notwendigen Methoden und sind in der Lage, einfache Datenmodelle zu erstellen, insbesondere im Hinblick auf den Umgang mit großen Datenmengen. Um Daten abzufragen können die Studenten geeignete Sprachen (z. B. SQL) einsetzen. Die Studenten kennen Methoden und Werkzeuge für die statistische Verarbeitung von Daten.

Besondere Zulassungsvoraussetzung

keine

Empfohlene Voraussetzungen
Keine Angabe
Fortsetzungsmöglichkeiten
Keine Angabe
Literatur
  • Database Systems - The Complete Book. Garcia-Molina, Ullman, Widom. Pearson Prentice Hall, New Jersey. 2009.
  • Handbook of Data Visualization. Chen, Härdle, Unwin. Springer, Berlin. 2008.
  • Deep Learning. Goodfellow, Bengio, Courville. The MIT Press. 2016
Hinweise
Keine Angabe