PTI90080 – Large Scale Data Processing

Modul
Large Scale Data Processing
Large Scale Data Pocessing
Modulnummer
PTI90080
Version: 1
Fakultät
Physikalische Technik / Informatik
Niveau
Master
Dauer
1 Semester
Turnus
Sommersemester
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
in "Large Scale Data Pocessing"

ECTS-Credits

5.00 Credits

Workload

150 Stunden

Lehrveranstaltungen

3.00 SWS (1.00 SWS Praktikum | 2.00 SWS Vorlesung mit integr. Übung / seminaristische Vorlesung)

Selbststudienzeit

105.00 Stunden
30.00 Stunden Vor-/Nachbereitung - Large Scale Data Pocessing
75.00 Stunden Selbststudium - Large Scale Data Pocessing

Prüfungsvorleistung(en)

Praktikumstestat
in "Large Scale Data Pocessing"

Prüfungsleistung(en)

schriftliche Prüfungsleistung
Modulprüfung | Prüfungsdauer: 90 min | Wichtung: 100% | wird in englischer Sprache abgenommen
in "Large Scale Data Pocessing"

Medienform
Keine Angabe
Lehrinhalte/Gliederung
  • Data sources and their characteristics
  • System architectures for large scale data processing
  • Processing of large scale data (storage, preprocessing, analysis, statistical evaluation, visualization)
  • Methods for data modelling (e. g. Entity Relationship Model) and SQL as query language

---

  • Datenquellen und ihre Charakteristika
  • Systemarchitekturen für die Verarbeitung großer Datenmengen
  • Verarbeitung großer Datenmengen (Speicherung, Preprocessing, Analyse, statistische Auswertung, Visualisierung)
  • Methoden für die Datenmodellierung (z. B. Entity Relationship Model)
  • SQL als Anfragesprache
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. Once the data is aquired, the students know how to process large scale data. The are familiar with methods for preprocessing, analysis, visualization, and statistical evaluation. 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).

---

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. Die Studierenden wissen, wie sie große Datenmengen verarbeiten können. Sie sind vertraut mit Methoden zur Vorverarbeitung, Analyse, Visualisierung und statistischen Auswertung. 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.

Sozial- und Selbstkompetenzen
Keine Angabe
Besondere Zulassungsvoraussetzung

keine

Empfohlene Voraussetzungen
Keine Angabe
Fortsetzungsmöglichkeiten
Keine Angabe
Literatur

keine

Hinweise
Keine Angabe