T164 – Big Data Management

Modul
Big Data Management
Big Data Management
Modulnummer
T164
Version: 1
Fakultät
FDIT: Fakultät Digitale Transformation
Niveau
Master
Dauer
1 Semester
Turnus
Sommersemester
Modulverantwortliche

Prof. Dr. Andreas Thor
andreas.thor@htwk-leipzig.de

Dozierende

Prof. Dr. Andreas Thor
andreas.thor@htwk-leipzig.de

Sprache(n)

Deutsch
in "Big Data Management"

ECTS-Leistungspunkte

5 ECTS-Punkte

Workload

125 Stunden

Lehrveranstaltungen

4 SWS (2 SWS Vorlesung | 2 SWS Seminar)

Selbststudienzeit

65 Stunden

Prüfungsvorleistung(en)
Keine
Prüfungsleistung(en)

Prüfung Projektarbeit
Modulprüfung | Prüfungsdauer: 20 Wochen | Wichtung: 100%
in "Big Data Management"

Lehr- und Lernformen

Das Modul beinhalt Vorlesungen mit seminaristischen Anteilen, bei denen mittels praxisnaher Fallbeispiele Inhalte und Methoden mit den Studierenden erarbeitet und diskutiert werden. Im Selbststudium vertiefen die Studierenden ihre Kenntnisse unter Verwendung interaktiver E-Learning-Materialien, u.a. Lernvideos sowie Selbsttests zur Wissensüberprüfung. Die Studierenden bearbeiten Übungsaufgaben zu konzeptionellen und praktischen Aspekten sowie ein praxisnahes Projekt aus ihrem betrieblichen Umfeld. Die Studierenden stellen Ihre erzielten Lösungen in Online- bzw. Präsenzseminaren zur Diskussion vor.

Medienform

keine Angabe

Lehrinhalte/Gliederung
  • Big Data und Cloud Computing
  • Infrastrukturen (Data Center) und Dienste
  • NoSQL Data Stores
  • Datenverarbeitung mit Big-Data-Frameworks (z.B. MapReduce, Spark)
  • Large-scale Datenanalyse
Qualifikationsziele

Aufbauend auf den Kenntnissen zum Datenmanagement mit relationalen Datenbanksystemen erhalten dieStudierenden einen systematischen Überblick über die Techniken zum effizienten Management sehr großer Datenmengen (Big Data) in der Cloud. Die Studierenden kennen Funktionsweisen und Prinzipien verteilter NoSQL-Datenbanken sowie der verteilten Verarbeitung sehr großer Datenmengen (u.a. mit MapReduce). Sie können NoSQL-Systeme nach verschiedenen Kriterien (z.B. Datenkonsistenz, Verfügbarkeit) analytisch bewerten und sind in der Lage, für konkrete Anwendungsprobleme geeignete Technologien zu identifizieren. Die Studierenden können mit praxisnahen Herausforderungen umgehen sowie im Team an spezifischen Aufgabenstellungen arbeiten und deren Lösungen präsentieren.

Zulassungsvoraussetzung
Keine
Empfohlene Voraussetzungen
  • Datenbankmanagementsysteme
  • Datenmodellierung und -formate (JSON, XML)
  • Objektorientierte Programmierung
Literaturhinweise
  • Wiese: Advanced Data Management: For Sql, Nosql, Cloud And Distributed Databases. De Gruyter, 2015
  • Alfons Kemper, André Eickler: Datenbanksysteme. Eine Einführung. 10. Auflage, De Gruyter, 2015
  • Harrison: Next Generation Databases: NoSQLand Big Data, Apress, 2016
Aktuelle Lehrressourcen

keine

Hinweise
Keine Angabe
Verwendbarkeit

Masterstudiengang Informations- und Kommunikationstechnik