Unternavigation / Sub Navigation

Standardverweise

Big-Data-Technologien

Inhalte
  • Definitionen von Big-Data
  • Batch-Verarbeitung (z.B. Hadoop, Spark)
  • Stream-Verarbeitung (z.B. Kafka Streams, Flink)
  • NoSQL-Datenbanken
  • Herausforderungen
    • Verteilung
    • Konsistenz: ACID und BASE, CAP-Theorem
    • Zeitbegriffe: Event- und Verarbeitungszeit
    • Durchsatz vs. Latenz
  • Architektur von Big-Data-Landschaften
Lernziele
  • Überblick über die Big-Data-Technologielandschaft erhalten
  • Big-Data-Technologien einschätzen und auswählen können
  • Kennenlernen und Verwenden konkreter Technologien in den Bereichen
    • NoSQL-Datenbanken
    • Batch-Verarbeitung
    • Stream-Verarbeitung
Lehrform
Art und Umfang
Vorlesung (2 SWS)
Übung (2 SWS)
Seminar/Seminaristischer Unterricht
Labor
Projekt
Voraussetzungen für die Teilnahme Beherrschung des Lehrstoffes der Module „Objektorientierte Programmierung“ und „Datenbanken“
Prüfungsvorleistung Regelmäßige Teilnahme an der Vorlesung
Regelmäßige Teilnahme an den Übungen
Regelmäßige Bearbeitung von Haus-/Laborarbeiten
Bestehen von Leistungsstandkontrollen
Prüfungsform
Art und Umfang
Schriftliche Prüfung (90 Minuten Bearbeitungszeit)
Mündliche Prüfung
Prüfung am PC
Hausarbeit/Projekt mit Kolloquium
Verwendbarkeit
Informatik PF WPF
Informatik - Digitale Medien und Spiele (Schwerpunkt Medien) PF WPF
Informatik - Digitale Medien und Spiele (Schwerpunkt Spiele) PF WPF
Informatik - Sichere und mobile Systeme PF WPF
Medizininformatik PF WPF
Angebot Sommersemester Wintersemester Unregelmäßig
Arbeitsaufwand
ECTS-Punkte Kontaktzeit Selbststudium
5 60 Stunden 90 Stunden
Lehrende(r) Prof. Dr. C. Schmitz
Modulverantwortliche(r) Prof. Dr. C. Schmitz
Änderungsdatum 13.01.2017
Christian Bettinger, 13. Januar 2017