Datenmanagement und Datenanalyse
- Typ: Praktikum (P)
- Semester: SS 2019
-
Zeit:
nach Vereinbarung
-
Dozent:
Prof. Dr. Achim Streit
Dr. Jan Erik Sundermann
Andreas Petzold
Nico Schlitter - SWS: 2
- LVNr.: 2400068
Anmeldeinformationen
Es steht eine begrenzte, kleine Zahl an Praktikumsplätzen zur Verfügung. Bitte schicken Sie eine Bewerbung mit Lebenslauf und Notenauszug an Herrn Nico Schlitter per Email bis zum 19.04.2019 um 23:59:59.
Eine Einführungsveranstaltung, in der die Themen vorgestellt werden und es Möglichkeiten zu Fragen gibt, findet statt am 24.4.2019, von 13:00 bis 14:00 Uhr im SCC-Süd, Geb. 20.21, Raum 217.
Am 26.4.2019 finden vormittags im SCC-Nord, Geb. 449 Campus Nord, Auswahlgespräche statt, in dem Studierende eine Priorisierung von und Motivation für Themen kurz darstellen sollen.
Danach erfolgt dann die finale Themenvergabe.
Voraussetzungen
Empfehlung: Grundkenntnisse in den Bereichen Datenbanken, Datenmanagement oder Datenanalyse sind hilfreich.
Lehrinhalt
Die Praktikumsteilnehmer erhalten die Möglichkeit, Ihre Kenntnisse aus dem Bereichen Datenmanagement und Datenanalyse zu vertiefen und praxisnah einzusetzen. Die zu bearbeitenden Aufgaben stammen aus den Teilgebieten:
- Authentifizierungs- und Autorisierungs-Infrastruktur (z.B. OpenID, SAML)
- Verteilte & Parallele Dateisysteme (z.B. glusterFS, BeeGFS)
- Object Storage (z.B. S3, CEPH)
- Datenmanagement System (z.B. dCache, iRods)
- Datenbanken (SQL, NoSQL)
- Maschinelles Lernen und Data Mining (z.B. RapidMiner, scikit)
- Daten-Intensives Rechnen (z.B. Hadoop, Spark)
Die Studierenden werden durch wissenschaftliche Mitarbeiter des Scientific Computing Center individuell betreut und können ihre Fähigkeiten durch Einbindung in aktuelle Forschungsaufgaben (z.B. Helmholtz-Programm, BMBF- und EU-Projekte) praxis- und forschungsnah einsetzen.Themenvergabe und Planung der Präsenztermine erfolgt individuell zw. Praktikumsteilnehmer und Betreuer. Praktikumsteilnehmer bearbeiten separate Aufgabengebiete. Bei der Erstellung der Aufgabe werden eventuelle Vorkenntnisse und Interessensgebiete der Teilnehmer berücksichtigt.
Ziel
Studierende können Werkzeuge und Techniken zum Datenmanagement und zur Datenanalyse auf praxisnahe Problemstellungen anwenden. Weiterhin können Studierende die Fähigkeit erwerben, komplexe Sachverhalte zu analysieren und dafür Lösungen zu entwickeln.Neben der Bewältigung der individuellen Praktikumsaufgaben, stärken Studierende ihre Kommunikations- und Präsentationskompetenz.
Arbeitsbelastung
Präsenzzeit in Praktikumsbesprechungen: 12 h Vor-/Nachbereitung derselbigen, 18 h Bearbeitung des Themas und Erstellen der Prüfungsleistung 90 h
Prüfung
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Die Prüfungsleistung kann aus Experimenten oder Projekten jeweils mit abschließendem Vortrag bestehen.