PTI90080 – Large Scale Data Pocessing

Module
Large Scale Data Pocessing
Large Scale Data Processing
Module number
PTI90080
Version: 1
Faculty
Physikalische Technik / Informatik
Level
Master
Duration
1 Semester
Semester
Summer semester
Module supervisor

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

Lecturer(s)

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

Course language(s)

English
in "Large Scale Data Pocessing"

ECTS credits

5.00 credits

Workload

150 hours

Courses

3.00 SCH (1.00 SCH Internship | 2.00 SCH Lecture with integrated exercise / seminar-lecture)

Self-study time

105.00 hours
30.00 hours Vor-/Nachbereitung - Large Scale Data Pocessing
75.00 hours Self-study - Large Scale Data Pocessing

Pre-examination(s)

Praktikumstestat
in "Large Scale Data Pocessing"

Examination(s)

schriftliche Prüfungsleistung
Module examination | Examination time: 90 min | Weighting: 100% | wird in englischer Sprache abgenommen
in "Large Scale Data Pocessing"

Media type
No information
Instruction content/structure
  • 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
Qualification objectives

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.

Special admission requirements

keine

Recommended prerequisites
No information
Continuation options
No information
Literature

keine

Notes
No information