Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 

Foto: Matthias Friel

Modul: Data Preparation - Konzepte und Methoden (Data Engineering)


Das hier aufgeführte Modul basiert auf in den Amtlichen Bekanntmachungen der Universität Potsdam veröffentlichten Studien- und Prüfungsordnungen.
Verbindliche Regelungswirkung haben nur die veröffentlichten Ordnungen.


HPI-PREP-K: Data Preparation - Konzepte und Methoden (Data Engineering) Anzahl der Leistungspunkte (LP):
6 LP
Modulart (Pflicht- oder Wahlpflichtmodul): Abhängig vom Studiengang (siehe unten)
Inhalte und Qualifikationsziele des Moduls:

Inhalt

Einem datengetriebenen System liegen oft Daten aus verschiedensten heterogenen Datenquellen mit unterschiedlichen Datenmodellen zugrunde, deren Datenqualität stark variieren kann. Im Data Engineering befasst sich das Vertiefungsgebiet Data Preparation mit der Nutzbarmachung dieser Daten. Dieses behandelt dabei Konzepte zur Vorverarbeitung, beispielsweise durch Methoden des Data Profiling und Data Cleansing, sowie zur Transformation und Bündelung, z.B. durch Data Integration-Methoden. Der Fokus dieses Moduls liegt in den entsprechenden grundlegenden Konzepten und Methoden zur technischen und strukturellen Erschließung mannigfaltiger Datenquellen für datenbasierte Systeme.

 

Qualifikationsziele

Die Studierenden erwerben detailliertes Wissen über die im Modul gegenständlichen Fachthemen.

Die Studierenden

  • erlernen Konzepte und Methoden beispielsweise in den Bereichen des Data Profiling und Data Cleansing,
  • können die Datenqualität verschiedenster Datenquellen und -modelle beurteilen,
  • können zu einer vorgegebenen Problemstellung geeignete Lösungskonzepte und -strategien auswählen und anwenden,
  • erweitern ihre fachliche Urteilskompetenz,
  • sind in der Lage zur Lösung von Problemen selbständig geeignete Informationsquellen zu erschließen und einzusetzen,
  • lernen entsprechende Analysemethoden kennen,
  • können Strategien zur Vorverarbeitung für verschiedene Anforderungen bewerten,
  • erkennen komplexe Probleme der Datenerschließung und sind in der Lage entsprechende Lösungsstrategien zu entwickeln,
  • erwerben fachsprachliche Kenntnisse in Englisch,
  • erweitern ihre Lernfähigkeiten.
Modul(teil)prüfungen (Anzahl, Form, Umfang, Arbeitsaufwand in LP):

Eine Prüfung der folgende Formen:

Hausarbeit, mind. 8 Seiten, zusammen mit der Präsentation von Forschungsergebnissen (Vortrag, 30-45 Min.)

Klausur, 90-120 Min.

Mündliche Prüfung, 30-45 Min.

Selbstlernzeit (in Zeitstunden (h)): 120

Veranstaltungen
(Lehrformen)
Kontaktzeit
(in SWS)
Prüfungsnebenleistungen
(Anzahl, Form, Umfang)
Lehrveranstaltungsbegleitende Modul(teil)prüfung
(Anzahl, Form, Umfang)
Für den Abschluss des Moduls Für die Zulassung zur Modulprüfung
Vorlesung/Seminar (Vorlesung oder Seminar) 4 - - -

Häufigkeit des Angebots:

WiSe und SoSe

Voraussetzung für die Teilnahme am Modul: keine
Anbietende Lehreinheit: Digital Engineering
Zuordnung zu Studiengängen Modulart
Master of Science Data Engineering WiSe 2018/19 Wahlpflichtmodul