Big Data und Business Intelligence
- Fakultät
Ingenieurwissenschaften und Informatik
- Version
Version 33.0 vom 15.08.2019
- Modulkennung
11M0486
- Modulname (englisch)
Big Data and Business Intelligence
- Studiengänge mit diesem Modul
Informatik - Verteilte und Mobile Anwendungen (M.Sc.)
- Niveaustufe
4
- Kurzbeschreibung
Die zunehmende (freie) Verfügbarkeit von Daten aus verschiedenen Quellen (Sensoren, Web, e-Commerce, soziale Medien, Open Data) stellt neue Anforderungen an die (verteilte) Speicherung und Verarbeitung großer, polystrukturierter Datenmengen in kurzer Zeit. Hierbei stoßen (auch aktuelle) relationale Datenbankmanagementsysteme an ihre Grenzen. In diesem Modul werden deshalb aktuelle Forschungsergebnisse betrachtet und ausgewählte Technologien anhand realer praxis- und forschungsrelevanter Fragestellungen eingeübt. Hierdurch werden Studierenden in die Lage versetzt, aktuelle Big Data-Technologien in die Berufspraxis einzubringen und weiterführende wissenschaftliche Untersuchungen im Themenbereich durchzuführen.
- Lehrinhalte
- 1. relationale Datenbankmanagementsysteme und Skalierung
- 2. Verteilte und Parallele Datenbankmanagementsysteme
- 3. Datenbankcluster und -architekturen
- 4. Big Data-Infrastrukturen und ihre Komponenten
- 5. Post SQL-Datenbanken im Überblick
- 6. In-Memory-Datenbanken
7.Big Data-Ökosysteme - 8. Datenstrommanagementsysteme
- 9. Cloud-Lösungen & Appliances
- 10. Managementinformationssysteme
- 11. Knowledge Discovery in Databases
- 12. Big Data in verschiedenen Anwendungsgebieten
- 13. Datenschutz und Datensicherheit
- Lernergebnisse / Kompetenzziele
Wissensverbreiterung
Studierende, die dieses Fach erfolgreich studiert haben, kennen aktuelle Big Data-Infrastrukturen und deren Anwendungsgebiete. Sie sind in der Lage, praxisorientierte Beispiele zu erstellen.
Wissensvertiefung
Die Studierenden verfügen zusätzlich über umfangreiches Spezialwissen über praxisnahe Anwendungen datenintegrierender, speichernder und analysierender Systeme unter Berücksichtigung von Volume, Variety und Velocity. Aktuelle Referenzarchitekturen und Rahmenempfehlungen für Datenschutz und Datensicherheit sind den Studierenden bekannt und können von ihnen kritisch reflektiert werden.
Können - instrumentale Kompetenz
Die Studierenden sind geübt im Umgang mit ausgewählten Big Data-Technologien und können deren Einsetzbarkeit und Praxisrelevanz situations- und domänenbezogen einschätzen. Sie kennen deren Einsatzgebiete und nutzen diese Kenntnisse zum Aufbau komplexer Systeme polyglotter Datenspeicherung.
Können - kommunikative Kompetenz
Die Studierenden können aktuelle Forschungsergebnisse im Rahmen formeller Präsentationen einem Fachpublikum vorzustellen. Sie sind befähigt zur kritischen Fachdiskussion mit Anwendern, Software-Entwicklern und Data Scientists.
Können - systemische Kompetenz
Die Studierenden sind in der Lage, aktuelle Big Data Technologien als Teil komplexer IT-Projekte einzusetzen und deren Anwendung mit bereits erworbenen Kompetenzen kombinieren. Sie können angeleitet neue Technologien erlernen und diese in den Kontext verteilter und mobiler Anwendungen einordnen. Sie führen dazu in einem festgelegten Rahmen Forschungs- und Entwicklungsprojekte durch und setzen diese prototypisch um.
- Lehr-/Lernmethoden
In seminaristischen Vorlesungen werden die theoretischen Grundlagen vermittelt und in zunehmend komplexeren Übungen anhand von Fallbeispielen eingeübt. Zur Vertiefung ausgewählter Aspekte kommt Blended Learning zum Einsatz.
- Empfohlene Vorkenntnisse
Datenbanken (Bachelorniveau)Fortgeschrittene Programmierkenntnisse (
- Modulpromotor
Tapken, Heiko
- Lehrende
Tapken, Heiko
- Leistungspunkte
5
- Lehr-/Lernkonzept
Workload Dozentengebunden Std. Workload Lehrtyp 15 Vorlesungen 15 Seminare 15 betreute Kleingruppen Workload Dozentenungebunden Std. Workload Lehrtyp 15 Veranstaltungsvor-/-nachbereitung 75 Kleingruppen 15 Literaturstudium
- Literatur
H. Plattner: Lehrbuch In-Memory Data Management: Grundlagen der In-Memory-Technologie, Springer, 2013J. Freiknecht: Big Data in der Praxis: Lösungen mit Hadoop, HBase und Hive. Daten speichern, aufbereiten, visualisieren, Hanser, 2014N. Marz: Big Data: Principles and Best Practices of Scalable Realtime Data Systems, Manning Pubn, 2015
- Prüfungsleistung
- Hausarbeit
- Projektbericht, schriftlich
- Referat
- Dauer
1 Semester
- Angebotsfrequenz
Nur Wintersemester
- Lehrsprache
Deutsch