Data Engineering in der Praxis - Ringvorlesung (Wintersemester 2017/2018)

Dozent: Prof. Dr. Ralf Krestel (Information Systems) , Dr. Matthias Uflacker , Prof. Dr. Felix Naumann (Information Systems)
Website zum Kurs: https://hpi.de/plattner/teaching/archive/winter-term-201718/ringvorlesung-data-engineering-in-der-praxis.html

Allgemeine Information

• Semesterwochenstunden: 2
• ECTS: 3
• Benotet: Ja
• Einschreibefrist: 27.10.2017
• Lehrform: Vorlesung
• Belegungsart: Wahlpflichtmodul
• Lehrsprache: Deutsch

Studiengänge, Modulgruppen & Module

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.

Leistungserfassung

• Aktive Teilnahme
• Entwurf eines DIN A1 Plakats zu einem der folgenden Themen:
  • Technologien und deren Klassifizierung (Technologielandkarte)
  • Data Engineering / Data Science Prozesse (möglichst feingranular)
• Präsentation auf der Abschlussveranstaltung

Termine

Tuesdays, 17:00 -18:30 in HS1

See website for detailed schedule.

Zurück