Lehre/Praktikum Data Science & Real-time Big Data Analytics: Unterschied zwischen den Versionen
Cj2486 (Diskussion | Beiträge) |
If9581 (Diskussion | Beiträge) |
||
| (4 dazwischenliegende Versionen von 3 Benutzern werden nicht angezeigt) | |||
| Zeile 1: | Zeile 1: | ||
{{Lehrveranstaltung | {{Lehrveranstaltung | ||
| − | |Lehrveranstaltungstype= | + | |Lehrveranstaltungstype=Seminar |
|Titel DE=Data Science & Real-Time Big Data Analytics | |Titel DE=Data Science & Real-Time Big Data Analytics | ||
|Titel EN=Data Science & Real-Time Big Data Analytics | |Titel EN=Data Science & Real-Time Big Data Analytics | ||
|Forschungsgruppe=Web Science | |Forschungsgruppe=Web Science | ||
| − | |Dozent= | + | |Dozent=Michael Färber |
| − | |Übungsleiter= | + | |Übungsleiter=Jacqueline Höllig |
|Fach=Data Science; Big Data; Analytics | |Fach=Data Science; Big Data; Analytics | ||
|Semester=SS | |Semester=SS | ||
|LinkVVZ=http://seminar-cep.fzi.de | |LinkVVZ=http://seminar-cep.fzi.de | ||
|LinkStudierendenportal=https://campus.studium.kit.edu | |LinkStudierendenportal=https://campus.studium.kit.edu | ||
| − | |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. | + | |Inhalt=In diesem Seminar werden die Studierenden in Teams Anwendungen entwerfen, die Event Processing sinnvoll und kreativ einsetzen. Dabei können die Studierenden auf einen vorhandenen Datensatz zurückgreifen. |
| + | |||
| + | |||
| + | 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. | ||
| − | |||
}} | }} | ||
[[Kategorie:Aktive_Lehrveranstaltung]] | [[Kategorie:Aktive_Lehrveranstaltung]] | ||
Aktuelle Version vom 15. August 2023, 09:43 Uhr
Seminar Data Science & Real-Time Big Data Analytics
| Dozent(en) | Michael Färber |
| Übungsleiter | Jacqueline Höllig |
| Fach (Gebiet) | Data Science, Big Data, Analytics |
| 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
In diesem Seminar werden die Studierenden in Teams Anwendungen entwerfen, die Event Processing sinnvoll und kreativ einsetzen. Dabei können die Studierenden auf einen vorhandenen Datensatz zurückgreifen.
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.