Lehrende: Prof. Dr. Ricardo Usbeck
Veranstaltungsart: Vorlesung
Anzeige im Stundenplan: DE - VL
Semesterwochenstunden: 2
Unterrichtssprache: Englisch
Min. | Max. Teilnehmerzahl: - | 40
Kommentare/ Inhalte: -- Im SoSe 23 ist dies eine Blockveranstaltung in der vorlesungsfreien Zeit (siehe Termine) -- Genauere Terminangaben zu Vorlesung- und Übungsablauf entnehmen Sie bitte Moodle, welches wir konstant updaten werden. In dieser Lehreinheit werden theoretische und praktische Aspekte des Data Engineering betrachtet, angefangen von klassischen ETL-Methoden und diversen Datenbanken bis hin zu neuesten, großskaligen Batch- und Streamprocessingsystemen . Es werden dazu verschiedene Datensätze und ihre Besonderheiten analysiert sowie diverse Benchmarkverfahren besprochen. In der Übung wird neben Standardaufgaben auch ein Anwendungsbeispiel (Projekt) von den Studierenden erfolgreich implementiert.
Lernziel: Die Studierenden kennen verschiedene Methoden des Data Engineering, deren Stärken, Schwächen und theoretische Grundlagen. Zudem kennen sie übliche Datensätze und Evaluierungsmetriken. Sie sind in der Lage mittels Data Engineering-Methoden Data Scientists zu unterstützen und entsprechende Systeme aufzubauen, zu pflegen und zu evaluieren.
Vorgehen: Mehr Informationen werden via https://lernen.min.uni-hamburg.de/course/view.php?id=2917 bereitgestellt
Literatur: Siehe Moodle.
Zusätzliche Hinweise zu Prüfungen: Studienleistungen: Regelmäßige und erfolgreiche Teilnahme an den Übungen; die Teilnahme gilt grundsätzlich als erfolgreich, wenn alle Aufgaben bearbeitet und mindestens 51 % richtig gelöst wurden; im Falle abweichender Kriterien müssen diese vor der Anmeldung zum Modul bekannt gegeben werden. Prüfungsleistungen: Die Modulabschlussprüfung findet i.d.R. in Form einer mündlichen Prüfung (über die Gesamtinhalte des Vorlesungs- und Praktikumsanteils) in der Unterrichtssprache statt. Abweichend ist eine schriftliche Prüfung (Klausur) möglich, die Prüfungsart wird vor der Anmeldung zum Modul bekannt gegeben.Die Modulprüfung wird differenziert benotet.