Verantwortliche
Prof. Dr. Emmanuel Müller, Prof. Dr. Felix Naumann, Dr. Ralf Krestel, Dr. Matthias Uflacker
Beschreibung
Die Ringvorlesung "Data Engineering in der Praxis" ist offen für Bachelor- und Masterstudenten im Studiengang IT Systems Engineering. Im Rahmen der Vorlesung werden Gastredner aus Wirtschaft und Wissenschaft über aktuelle Erfahrungen im Praxiseinsatz moderner Technologien zur Verarbeitung und Auswertung großer Datenmengen berichten.
Das Verarbeiten und die Analyse großer Datenmengen beherrscht mehr und mehr den Alltag vieler Unternehmen. Nicht nur traditionelle IT-Unternehmen, sondern alle Unternehmen, bei denen Daten anfallen, möchten daraus Kapital schlagen. Daten entstehen in allen Industrie- und Handelsbereichen: angefangen von Produktionsprozessen, über Logistik, Verkauf und Konsum. Dazu kommen Kundendaten, Marktforschungsdaten und Daten während des Betriebs, beispielsweise von Fahrzeugen. Auch Internetanwendungen produzieren Unmengen an Daten, man denke nur an soziale Medien oder E-Commerce-Anwendungen. Neue Algorithmen aus den Bereichen Data Mining und maschinellem Lernen müssen nicht nur mit großen Datenmengen umgehen können, sondern oft auch weiteren Anforderungen, wie Echtzeit oder der Analyse von Datenströmen, genügen. Um diese spannenden Bereiche nicht nur in der Theorie kennenzulernen, wollen wir in dieser Ringvorlesung Gastredner aus Wirtschaft und Wissenschaft einladen, über praktische Lösungen im Umgang mit Big Data zu berichten.
Termine
| Datum | Vortragende(r) | Titel | |
| 17.10.2017 | HPI Dozenten | Einführung in die Ringvorlesung | |
| 24.10.2017 | Matthias Weidlich, Humboldt Universität zu Berlin | Queue Mining - Analysis of Clinical Pathways based on Sensed Data | |
| 07.11.2017 | Stefan Wehrmeyer, Open Knowledge Foundation / freier Datenjournalist | Data Engineering im Newsroom | |
| 14.11.2017 | Lennart Heuckendorf, Tableau | The Science behind Visual Analytics | |
| 21.11.2017 | Fabian Abel, XING AG | Data Engineering for Job Recommendations (verlegt in Hörsaal 3) | |
| 28.11.2017 | Fabian Hueske, data Artisans | Modern stream processing and real-time event-driven applications with Apache Flink | |
| 05.12.2017 | Zbigniew Jerzak, SAP | Machine Learning Problems in Enterprise on the example of SAP Leonardo Machine Learning | |
| 12.12.2017 | Vincent Ait-Ammar, Tobias Wieschnowsky, enersis | Case Study: Data Mining & Predictive Maintenance for Energy efficient coal mining | |
| 19.12.2017 | Rainer Gemulla, Uni Mannheim | Matrix Factorization Techniques for Recommender Systems | |
| 09.01.2018 | Martin Grund, Amazon | Scanning Exabytes of Data using Amazon Redshift Spectrum | |
| 16.01.2018 | Christoph Böhm, Alexander Albrecht, bakdata | Plugging Data Science into Big Data Processing Workflows | |
| 23.01.2018 | Peter Adolphs, Neofonie | Eating News from the Web: Our implementation of the lambda architecture for scalable text analytics | |
| 30.01.2018 | Sebastian Schelter, Amazon | Data Management Challenges in Machine Learning Pipelines | |
| 06.02.2018 | Studierende | Abschlussveranstaltung, Posterpräsentation "The Future of Data Engineering" | |
Allgemeine Information
- Dienstags, 17 Uhr, Hörsaal 1
- Semesterwochenstunden : 2
- ECTS : 3
- Benotet : Ja
- Programm : Bachelor & Master IT-Systems Engineering
- Lehrform : VL
- Module: OSIS, BPET
Die Vorträge werden aufgezeichnet und auf Tele-Task zur Verfügung gestellt.
-> https://www.tele-task.de/series/1177/
Leistungserfassung
- Aktive Teilnahme
- Entwurf eines DIN A1 Plakats zu einem der folgenden Themen
- Technologien und deren Klassifizierung (Technologielandkarte) (BACHELOR)
- Data Engineering / Data Science Prozesse (möglichst feingranular) (BACHELOR)
- Bedarfsanalyse, Technologietrends, Zukunftsvision, Forschungsfragen (MASTER)
- Präsentation auf der Abschlussveranstaltung
