[dbis logo]

.Lehre.Semesterübersicht
[Institut fuer Informatik] [Leerraum] [Humboldt-Universitaet zu Berlin]

Big Data Analytics in Theorie und Praxis

Die VL führt in Big Data-Techniken und Ansätze. Dazu werden verschiedene Algorithmen beispielsweise zum Clustering, Association Rule Mining oder Page Ranking und deren skalierbaren Ausführung, Ansätze zur Datenintegration, Datensäuberung, Entity-Recognition usw. vorgestellt. Des Weiteren werden Fragen zur Versionierung von Daten und Prozessen sowie die Beschreibung wichtiger Eigenschaften im Bereich Big Data angesprochen und Lösungen diskutiert.

Für diese Vorlesung finden keine separaten Übungen statt. Stattdessen werden in der Vorlesung Aufgaben ausgeteilt und teilweise in der Vorlesung besprochen/diskutiert. Dazu ist die Anwesneheit ALLER StudentInnen notwendig. Die Aufgaben werden Teil des Prüfungsstoffes.

Ziel der Vorlesung ist es, StudentInnen konzeptuell mit skalierbaren Datenanaylseverfahren vertraut zu machen, um dann deren Umsetzung in einer parallelen Ausführungsumgebung wie Hadoop, Spark oder Flink zu ermöglichen. Dabei ist die Ausführung auf großen Datenmengen immer im Fokus der Verarbeitung.

Vorlesung und Eigenarbeit

Diese Vorlesung ist eine fortgeschrittene Veranstaltung. Damit werden Kenntnisse vorausgesetzt, wie sie in Einführung von Datenbanken/DBS1 vermittelt werden. Diese sind unabdingbare Voraussetzung für eine Teilnahme an dieser Veranstaltung.

Die Eigenarbeit besteht hauptsächlich in der Bearbeitung der ausgehändigten Aufgaben, die nicht benotet werden. Darüberhinaus werden möglciherweise auch Präsentationen durch die StudentInnen in der Vorlesung zu eigenen Lösungen der Aufgaben erwartet. Eine regelmäßige Teilnahme an der Vorlesung sind damit unabdingbare Voraussetzung für das Bestehen der Prüfung.

Die Vorlesung wird gemeinsam von Frau Prof. N. Schweikardt und Prof. J.C. Freytag gehalten. Details zum Vorlesungsteil von Prof. Schweikardt können Sie hier erhalten.

Die Prüfung findet in der vorlesungsfreien Zeit nach dem Sommersemester mündlich statt.

Vorlesungsfolien

Bitte loggen Sie sich ein, um auf die Folien zuzugreifen.

Termine und Gestaltung der einzelnen Vorlesungen

Datum Vorlesung Sonstige Bemerkungen
09.04.2019 VL Freytag
10.04.2019 VL Freytag
16.04.2019 VL Freytag
17.04.2019 VL Freytag
23.04.2019 VL Freytag
24.04.2019 VL Freytag
30.04.2019 VL Freytag
01.05.2019 KEINE VL - Feiertag
07.05.2019 VL Freytag
08.05.2019 VL Freytag F. Fier - Similarity Joins
14.05.2019 VL Schweikardt
15.05.2019 VL Schweikardt
21.05.2019 VL Freytag
22.05.2019 VL Freytag
28.05.2019 VL Schweikardt
29.05.2019 VL Schweikardt
04.06.2019 VL Schweikardt
05.06.2019 VL Schweikardt
11.06.2019 VL Schweikardt
12.06.2019 VL Schweikardt
18.06.2019 VL Freytag F. Fier - HPCC/Hadoop
19.06.2019 VL Schweikardt
25.06.2019 KEINE VL
26.06.2019 VL Freytag
02.07.2019 VL Schweikardt
03.07.2019 VL Schweikardt
09.07.2019 VL Schweikardt
10.07.2019 VL Schweikardt


[aktiver Punkt]  Sommersemester 2019

[Punkt]  Wintersemester 2018/19

[Punkt]  Sommersemester 2018

[Punkt]  Wintersemester 2017/18

[Punkt]  Sommersemester 2017

[Punkt]  Sommersemester 2016

[Punkt]  Wintersemester 2015/16

[Punkt]  Sommersemester 2015

[Punkt]  Wintersemester 2014/15

[Punkt]  Sommersemester 2014

[Punkt]  Wintersemester 2013/14

[Punkt]  Sommersemester 2013

[Punkt]  Wintersemester 2012/13

[Punkt]  Sommersemester 2012

[Punkt]  Wintersemester 2011/12

[Punkt]  Sommersemester 2011

[Punkt]  Wintersemester 2010/11

[Punkt]  Sommersemester 2010

[Punkt]  Wintersemester 2009/10

[Punkt]  Sommersemester 2009

[Punkt]  Wintersemester 2008/09

[Punkt]  Sommersemester 2008

[Punkt]  Wintersemester 2007/08

[Punkt]  Sommersemester 2007

[Punkt]  Wintersemester 2006/07

[Punkt]  Sommersemester 2006

[Punkt]  Wintersemester 2005/06

[Punkt]  Sommersemester 2005

[Punkt]  Wintersemester 2004/05



Ansprechpartner