Hasso-Plattner-InstitutSDG am HPI
Hasso-Plattner-InstitutDSG am HPI
Login
 

Spatial Data Engineering (Wintersemester 2018/2019)

Dozent: Dr. techn. Markus Jobst (Computergrafische Systeme)

Allgemeine Information

  • Semesterwochenstunden: 2
  • ECTS: 3
  • Benotet: Ja
  • Einschreibefrist: 26.10.2018
  • Lehrform: Vorlesung
  • Belegungsart: Wahlpflichtmodul
  • Lehrsprache: Deutsch

Studiengänge, Modulgruppen & Module

IT-Systems Engineering MA
  • IT-Systems Engineering
    • HPI-ITSE-A Analyse
  • IT-Systems Engineering
    • HPI-ITSE-E Entwurf
  • IT-Systems Engineering
    • HPI-ITSE-K Konstruktion
  • IT-Systems Engineering
    • HPI-ITSE-M Maintenance
  • HCGT: Human Computer Interaction & Computer Graphics Technology
    • HPI-HCGT-K Konzepte und Methoden
  • HCGT: Human Computer Interaction & Computer Graphics Technology
    • HPI-HCGT-S Spezialisierung
  • HCGT: Human Computer Interaction & Computer Graphics Technology
    • HPI-HCGT-T Techniken und Werkzeuge
  • ISAE: Internet, Security & Algorithm Engineering
    • HPI-ISAE-S Spezialisierung
  • ISAE: Internet, Security & Algorithm Engineering
    • HPI-ISAE-T Techniken und Werkzeuge
  • ISAE: Internet, Security & Algorithm Engineering
    • HPI-ISAE-K Konzepte und Methoden
Data Engineering MA

Beschreibung

Heute sind Geodaten allgegenwärtig, unterstützen Analysen, bilden Wissensstrukturen und referenzieren Sachdaten im Raum. Mit Spatial Data Engineering werden Geodaten auf ihren Einsatz vorbereitet und Mehrwerte über Datenkombinationen geschaffen. In der Vorlesung „Spatial Data Engineering“ werden die geografischen Methoden der Datenanalyse erläutert, Speicherstrukturen von räumlichen und zeitlichen Data Warehouses aufgezeigt, die unterschiedliche Datenherkunft von Geodaten exploriert und notwendige Qualitätsparameter diskutiert. Sowohl die Konzepte von Wissensnetzwerken räumlicher Information, dem geospatial semantic web, die Bestrebungen der domänenübergreifenden Datenintegration als auch Datenschutzmechanismen, Datacubes und Storytelling mit räumlichen Daten bilden die ausgewählten Schwerpunkte aktueller Forschung, die zueinander in Verbindung gebracht werden. Es soll der GESAMTE PROZESS von Erhebung, Speicherung, Analyse bis Visualisierung für RÄUMLICHE DATEN in der Vorlesung behandelt werden.

 

Mit den Themen werden ausgereifte Konzepte und aktuelle Forschungsschwerpunkte der Geoinformation, Statistik, Spatial Data Mining, Machine Learning und des Spatial Semantic Web zugänglich gemacht.

 

In der Vorlesung befassen wir uns mit folgenden Inhalten:

  • Spatial Data Warehouse Design
  • Datenerhebungsverfahren
  • Georäumliche Datenintegration
  • Datenschutzmechanismen
  • Geodateninfrastrukturen und serviceorientierte Architekturen
  • Datenmodellierung und Datenqualität
  • Das räumliche semantische Web
  • Visualisierung von Geoinformation
  • Prozessmanagement in der Geoinformationsverarbeitung

Voraussetzungen

Hilfreich, aber nicht vorausgesetzt, sind Kenntnisse der User-Interfaces,  Computergrafik und Informationsvisualisierung, wie sie z.B. im Rahmen des Bachelorstudiums erworben werden.

Literatur

Alan MacEachren: How Maps Work: Representation, Visualization, and Design. New York, Guilford Press, 1995.

 

Arno Scharl (2009) The geospatial web: how geobrowsers, social software and the Web 2.0 are shaping the network society, Springer Science Business Media.

 

David Weinberger (2011) Too Big to Know: Rethinking Knowledge Now That the Facts arent the Facts, Experts Are Everywhere, and the Smartest Person in the Room     Is the Room, Basic Books.

 

Future Trends in geospatial information management: the five to ten year vision (2016) United Nations Committee of Experts on Global Geospatial Information Management.

 

Gerald Kotonya (1998) Requirements engineering: processes and techniques, Wiley Publishing.

 

Handbook on statistical disclosure control (2007) – Eurostat.

 

Lars Bordersen (2009) Geo-communication and information design, Forlaget Tankegang, 2009, ISBN 978-87-984113-6-9.

 

Rob Kitchin (2014) The data revolution: Big data, open data, data infrastructures and their consequences, Sage.

 

Wonka, E., (2010) Flächenstatistik und Datengrundlagen nach regionalstatistischen Rastereinheiten in Österreich. In Schriftenreihe des Leibnitz-Institut für ökologische Raumentwicklung. Hrsg: Meinel, G., Dresden.

Leistungserfassung

Die Leistungserfassung erfolgt am Ende der Veranstaltung in Form einer schriftlichen Prüfung.

Termine

Die Vorlesung wird geblockt zu 4 Wochen à 8 Vortragsstunden abgehalten(10:00-11:30 Uhr und 13:00-14:30 Uhr)

Termine:

  • Block 1: 25. + 26.10.2018
  • Block 2: 01. + 02.11.2018
  • Block 3: 13. + 14.12.2018
  • Block 4: 17. + 18.01.2019

Der Termin für die schriftliche Prüfung erfolgt nach Vereinbarung mit den Teilnehmern.

Zurück