Hasso-Plattner-Institut
Prof. Dr. h.c. Hasso Plattner
  
 

Ringvorlesung "Data Engineering in der Praxis"

Kontakt

Prof. Dr. Emmanuel Müller
Prof. Dr. Felix Naumann
Dr. Ralf Krestel
Dr. Matthias Uflacker

Termin

  • Dienstags, 17 Uhr, Hörsaal 1

Allgemeine Information

  • Semesterwochenstunden : 2
  • ECTS : 3
  • Benotet : Ja
  • Programm : Bachelor & Master IT-Systems Engineering
  • Lehrform : VL
  • Module: OSIS, BPET

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.

Sprecher

DatumVortragende(r)                     Titel
17.10.2017HPI DozentenEinführung in die Ringvorlesung
24.10.2017
07.11.2017Stefan Wehrmeyer, Open Knowledge Foundation / freier DatenjournalistData Engineering im Newsroom
14.11.2017Lennart Heuckendorf, TableauThe Science behind Visual Analytics
21.11.2017Fabian Abel, XING AGData Engineering for Job Recommendations
28.11.2017Sebastian Schelter, AmazonPipeline Abstractions for Machine Learning Workloads
05.12.2017Zbigniew Jerzak, SAPMachine Learning Problems in Enterprise on the example of SAP Leonardo Machine Learning
12.12.2017Vincent Ait-Ammar, Tobias Wieschnowsky, enersisCase Study: Data Mining & Predictive Maintenance for Energy efficient coal mining
19.12.2017
09.01.2018Martin Grund, AmazonScanning Exabytes of Data using Amazon Redshift Spectrum
16.01.2018Christoph Böhm, Alexander Albrecht, bakdataPlugging Data Science into Big Data Processing Workflows
23.01.2018Peter Adolphs, NeofonieEating News from the Web: Our implementation of the lambda architecture for scalable text analytics
30.01.2018Fabian Hueske, data ArtisansModern stream processing and real-time event-driven applications with Apache Flink
06.02.2018StudierendeAbschlussveranstaltung, Posterpräsentation "The Future of Data Engineering"

 

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