Aktuelles zur Veranstaltung im StudIP

In der Veranstaltung werden Techniken behandelt, die relationale Datenbanksysteme ergänzen oder ersetzen, um anwendungsorientierte Informationssysteme aufzubauen. Diese Informationssysteme sollen

• strukturierte bis unstrukturierte Daten
• homogenisieren und integrieren
• mit verschiedensten Methoden analysieren
• und die Ergebnisse sowohl rechtlich absichern, nachvollziehbar machen als auch interpretieren.

Die Vorlesung besteht aus folgenden Kapiteln:

• Vorspann:
  • Kapitel 0: Einleitung, Historie, Anwendungsszenarien
• Teil A: Daten
  • Kapitel 1: Daten: strukturiert bis semistrukturiert; Bsp.: XML / JSON
  • Kapitel 2: Daten: unstrukturiert; Bsp.: Text / Graphen
• Teil B: Vorbereitung
  • Kapitel 3: Datenvorbereitung; Datenintegration, Homogenisierung; Strukturerkennung, Cleaning
• Teil C: Analyse
  • Kapitel 4: Analytical Processing; Aggregate, Mehrdimensionalität, dynamische Fenster; Weitere statistische Datenanalyse, Matrixoperationen
  • Kapitel 5: Mining; Kategorisierung, Klassifizierung, Clustering; Assoziationen; Vorhersage; Maschinelles Lernen; Neuronale Netze, Deep Learning
  • Kapitel 6: Big Data Analytics; Prinzip Map / Reduce; Prinzip parallele Datenflussprogrammierung; Prinzip parallele Datenbanken; Beispiele: Big Matrix, Big Graph
• Teil D: Nachbereitung und Rahmenbedingungen
  • Kapitel 7: Nachbereitung und Rahmenbedingungen; Privacy und Provenance
• Teil E: Data Engineering
  • Kapitel 8: Data Engineering; Tools Datenverwaltung, Datenauswertung, Datenanalyse; Hardwareumgebung: Cluster, SIMD, Sensornetzwerke; Verteilung und Parallelisierung

Die Veranstaltung wird mit Übungen und Rechnerübungen für jedes Kapitel (von 1 bis 7) ergänzt. Die Rechnerübungen finden in zwei verschiedenen Versionen statt: eine Übungsgruppe besteht aus den IEF-Studenten (Informatik, Wirtschaftsinformatik, IT/TI), eine zweite Gruppe aus Nicht-IEF-Studenten (etwa Wirtschaftspädagogik, Dienstleistungsmanagement, Umweltingenieurwesen, ...).