Lehre/Praktikum Data Science & Real-time Big Data Analytics: Unterschied zwischen den Versionen
Mi8866 (Diskussion | Beiträge) (Die Seite wurde neu angelegt: „{{Lehrveranstaltung |Lehrveranstaltungstype=Praktikum |Titel DE=Knowledge Discovery and Data Mining |Titel EN=Knowledge Discovery and Data Mining |Forschungsgrupp…“) |
Mi8866 (Diskussion | Beiträge) |
||
| Zeile 1: | Zeile 1: | ||
{{Lehrveranstaltung | {{Lehrveranstaltung | ||
|Lehrveranstaltungstype=Praktikum | |Lehrveranstaltungstype=Praktikum | ||
| − | |Titel DE= | + | |Titel DE=Data Science & Real-time Big Data Analytics |
| − | |Titel EN= | + | |Titel EN=Data Science & Real-time Big Data Analytics |
|Forschungsgruppe=Web Science | |Forschungsgruppe=Web Science | ||
| − | |Dozent=York Sure-Vetter; | + | |Dozent=York Sure-Vetter; Dominik Riemer; |
| − | |Übungsleiter= | + | |Übungsleiter=Suad Sejdovic; Ignacio Traverso Ribón; |
|Semester=SS | |Semester=SS | ||
| − | |LinkVVZ=http:// | + | |LinkVVZ=http://seminar-cep.fzi.de |
|LinkStudierendenportal=https://campus.studium.kit.edu | |LinkStudierendenportal=https://campus.studium.kit.edu | ||
| − | |Inhalt= | + | |Inhalt=Event Processing und Echtzeitdaten sind überall: Finanzmarktdaten, Sensoren, Business Intelligence, Social Media Analytics, Logistik. Viele Anwendungen sammeln große Datenvolumen in Echtzeit und stehen zunehmend vor der Herausforderung diese schnell zu verarbeiten und zeitnah reagieren zu können. Die Herausforderungen dieser Echtzeitverarbeitung erfahren derzeit auch unter dem Begriff „Big Data“ große Aufmerksamkeit. Die komplexe Verarbeitung von Echtzeitdaten erfordert sowohl Wissen über Methoden zur Datenanalyse (Data Science) als auch deren Verarbeitung (Real-Time Analytics). Es werden Seminararbeiten zu beiden dieser Bereiche sowie zu Schnittstellenthematiken angeboten, das Einbringen eigener Ideen ist ausdrücklich erwünscht. |
| − | + | Grundkenntnisse im Programmieren sind nicht zwingend erforderlich, da innerhalb der Teams verschiedene Aufgaben zu bewältigen sind. Es wird erwartet, dass jede Gruppe einen Prototypen implementiert und zur Abschlusssitzung demonstriert. In den ersten Treffen werden die Grundlagen von Event Processing und Anwendungsmöglichkeiten erklärt und mögliche Themen vorgestellt. Ideen durch die Teilnehmer sind sehr willkommen. | |
| − | |||
| − | |||
| − | |||
| − | |||
}} | }} | ||
[[Kategorie:Aktive_Lehrveranstaltung]] | [[Kategorie:Aktive_Lehrveranstaltung]] | ||
Version vom 9. Mai 2017, 15:47 Uhr
Praktikum Data Science & Real-time Big Data Analytics
| Dozent(en) | York Sure-Vetter, Dominik Riemer |
| Übungsleiter | Suad Sejdovic, Ignacio Traverso Ribón |
| Fach (Gebiet) | |
| Leistungspunkte | ECTS |
| Erfolgskontrolle | |
| Semester | SS |
Aktuelle und ergänzende Informationen, sowie Zeiten und Räume der Lehrveranstaltung finden Sie im Vorlesungsverzeichnis der Universität.
Link zum Vorlesungsverzeichnis
Link zum Studierendenportal
Event Processing und Echtzeitdaten sind überall: Finanzmarktdaten, Sensoren, Business Intelligence, Social Media Analytics, Logistik. Viele Anwendungen sammeln große Datenvolumen in Echtzeit und stehen zunehmend vor der Herausforderung diese schnell zu verarbeiten und zeitnah reagieren zu können. Die Herausforderungen dieser Echtzeitverarbeitung erfahren derzeit auch unter dem Begriff „Big Data“ große Aufmerksamkeit. Die komplexe Verarbeitung von Echtzeitdaten erfordert sowohl Wissen über Methoden zur Datenanalyse (Data Science) als auch deren Verarbeitung (Real-Time Analytics). Es werden Seminararbeiten zu beiden dieser Bereiche sowie zu Schnittstellenthematiken angeboten, das Einbringen eigener Ideen ist ausdrücklich erwünscht.
Grundkenntnisse im Programmieren sind nicht zwingend erforderlich, da innerhalb der Teams verschiedene Aufgaben zu bewältigen sind. Es wird erwartet, dass jede Gruppe einen Prototypen implementiert und zur Abschlusssitzung demonstriert. In den ersten Treffen werden die Grundlagen von Event Processing und Anwendungsmöglichkeiten erklärt und mögliche Themen vorgestellt. Ideen durch die Teilnehmer sind sehr willkommen.