Stage-oe-small.jpg

Lehre/Praktikum Data Science & Real-time Big Data Analytics: Unterschied zwischen den Versionen

Aus Aifbportal
Wechseln zu:Navigation, Suche
(Die Seite wurde neu angelegt: „{{Lehrveranstaltung |Lehrveranstaltungstype=Praktikum |Titel DE=Knowledge Discovery and Data Mining |Titel EN=Knowledge Discovery and Data Mining |Forschungsgrupp…“)
 
 
(4 dazwischenliegende Versionen von 2 Benutzern werden nicht angezeigt)
Zeile 1: Zeile 1:
 
{{Lehrveranstaltung
 
{{Lehrveranstaltung
 
|Lehrveranstaltungstype=Praktikum
 
|Lehrveranstaltungstype=Praktikum
|Titel DE=Knowledge Discovery and Data Mining
+
|Titel DE=Data Science & Real-Time Big Data Analytics
|Titel EN=Knowledge Discovery and Data Mining
+
|Titel EN=Data Science & Real-Time Big Data Analytics
 
|Forschungsgruppe=Web Science
 
|Forschungsgruppe=Web Science
|Dozent=York Sure-Vetter; Achim Rettinger;
+
|Dozent=Michael Färber
|Übungsleiter=Steffen Thoma; Aditya Mogadala; Patrick Philipp;  
+
|Übungsleiter=Marco Heyden
 +
|Fach=Data Science; Big Data; Analytics
 
|Semester=SS
 
|Semester=SS
|LinkVVZ=http://ilias.studium.kit.edu
+
|LinkVVZ=http://seminar-cep.fzi.de
 
|LinkStudierendenportal=https://campus.studium.kit.edu
 
|LinkStudierendenportal=https://campus.studium.kit.edu
|Inhalt=Ziel des Praktikums KDDM ist die komplette Durchführung eines Data Mining Projekts. Dies beinhaltet die Datenaufbereitung, Modellierung, Berechnung sowie die Auswertung der MiningErgebnisse. Bewertet wird die praktische Umsetzung des Themas (Softwareentwicklung) sowie ein Abschlussvortrag und ein Bericht, der auch theoretische Grundlagen zum entsprechenden Data Mining Gebiet beinhalten soll. Beim ersten Termin wird ein Auswahl von Datensätzen und zugehörigen Aufgabe / Algorithmen vorgestellt. Außerdem werden Gruppen gebildet und Themen zu Gruppen zugeordnet. Denkbare Themen sind z.B. Empfehlungsdienste für Nachrichtenartikel; Analyse von Modellierungsunterschieden der Wikipedia Taxonomie in verschiedenen Sprachen; Zuordnung von Nachrichtenartikeln zu WikipediaKategorien; Erkennung dynamischer Fakten in der DBpedia, etc.
+
|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.
  
Die Gruppen können bei Interesse Aufgaben und Themen mitgestalten.
+
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.
|Literatur=Detaillierte Referenzen werden zusammen mit den jeweiligen Themen angegeben. Allgemeine Hintergrundinformationen ergeben sich z.B. aus den folgenden Lehrbüchern:
 
* Mitchell, T.; Machine Learning, McGraw Hill, 1997.  
 
* Cook, D.J. and Holder, L.B. (Editors) Mining  Graph Data, ISBN: 0-471-73190-0, Wiley,
 
* Manning, C. and Schütze, H.; Foundations of Statistical NLP, MIT Press, 1999.
 
 
}}
 
}}
 
[[Kategorie:Aktive_Lehrveranstaltung]]
 
[[Kategorie:Aktive_Lehrveranstaltung]]

Aktuelle Version vom 16. März 2021, 10:38 Uhr

Praktikum Data Science & Real-Time Big Data Analytics

Details zur Lehrveranstaltung
Dozent(en) Michael Färber
Übungsleiter Marco Heyden
Fach (Gebiet) Data ScienceBig DataAnalytics
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


Forschungsgruppe


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.