Data Science & Intelligent Analytics BB
Apply Icon
Jetzt
Bewerben

Big Data Processing (E)

Niveau der Lehrveranstaltung/des Moduls laut Lehrplan

Masterstudium

Lernergebnisse der Lehrveranstaltung/des Moduls

Folgende Kompetenzen werden in der Lehrveranstaltung erarbeitet:

- Die Studierenden kenne die besonderen Herausforderungen die bei der Speicherung und Verarbeitung großer Datenmengen (V-Modell: Volume, Variety, Velocity, Veracity) auftreten.
- Die Studierenden kennen Möglichkeiten diesen Herausforderungen zu begegnen (hierzu werden beispielhaft Systeme aus den jeweiligen Bereichen des V-Modells besprochen).
- Die Studierenden können entsprechende Lösungen selbst mit Blick auf eine konkrete Problemstellung entwickeln und zur Anwendung bringen.

Voraussetzungen laut Lehrplan

Keine Voraussetzungen

Lehrinhalte

Den Studierenden werden in die grundlegenden Eigenschaften von Big Data eingeführt. Dabei wird besonderes Augenmerk auf den Umgang mit diesen Daten gelegt und das erworbene Wissen mit Beispielen gefestigt. Für die Lösung von Big Data Problemen, werden geeignete Frameworks vorgestellt und im Rahmen von interaktiven Workshops mit Fallstudien bearbeitet. Als Beispiele hierfür sind zu nennen:

- Apache Hadoop
- Apache Spark
- Apache Flink
- Apache Storm
- Apache Samza
- Apache Kafka

Diese Frameworks sollen anhand von Fallbeispielen erklärt und eingesetzt werden. Dafür kann auf die zentral bereitgestellten Data Labs zugegriffen werden.

empfohlene Fachliteratur

PRIMÄRLITERATUR:
- Jain, V. K. (2017): Big Data and Hadoop (Ed. 1), Khanna Book Publishing, New Delhi (ISBN: 978-9382609131)
- Karau, H.; Warren, R. (2017): High Performance Spark: Best Practices for Scaling and Optimizing Apache Spark (Ed. 1), O'Reilly Media, Farnham (ISBN: 978-1491943205)

SEKUNDÄRLITERATUR:
- O'Neil, C.; Schutt, R. (2013): Doing Data Science. Straight Talk from the Frontline (Ed. 1), O'Reilly Media, Sebastopol (ISBN: 978-1449358655)
- Narkhede, N.; Shapira, G.; Palino, T. (2017): Kafka: The Definitive Guide: Real-Time Data and Stream Processing at Scale (Ed. 1), O'Reilly Media, Farnham (ISBN: 978-1491936160)

Bewertungsmethoden und -kriterien

Klausur

Unterrichtssprache

Englisch

Anzahl der zugewiesenen ECTS-Credits

4

eLearning Anteil in Prozent

25

Semesterwochenstunden (SWS)

2

geplante Lehr- und Lernmethoden

Folgende Methoden kommen zum Einsatz:

- Vortrag mit Diskussion
- Gruppenarbeiten
- Interaktiver Workshop

Semester/Trimester, in dem die Lehrveranstaltung/das Modul angeboten wird

3

Name des/der Vortragenden

Prof. (FH) Dipl.-Informatiker Karsten Böhm

Kennzahl der Lehrveranstaltungen/des Moduls

DPR.1

Art der Lehrveranstaltung/des Moduls

Integrierte Lehrveranstaltung

Art der Lehrveranstaltung

Pflichtfach

Praktikum/Praktika

kein