htw saar Piktogramm QR-encoded URL
Zurück zur Hauptseite Version des Moduls auswählen:
Lernziele hervorheben XML-Code


Advanced Topics in Data Science & Engineering

Modulbezeichnung:
Bezeichnung des Moduls innerhalb des Studiengangs. Sie soll eine präzise und verständliche Überschrift des Modulinhalts darstellen.
Advanced Topics in Data Science & Engineering
Modulbezeichnung (engl.): Advanced Topics in Data Science & Engineering
Studiengang:
Studiengang mit Beginn der Gültigkeit der betreffenden ASPO-Anlage/Studienordnung des Studiengangs, in dem dieses Modul zum Studienprogramm gehört (=Start der ersten Erstsemester-Kohorte, die nach dieser Ordnung studiert).
Praktische Informatik, Master, ASPO 01.10.2017
Code: PIM-ATDE
SAP-Submodul-Nr.:
Die Prüfungsverwaltung mittels SAP-SLCM vergibt für jede Prüfungsart in einem Modul eine SAP-Submodul-Nr (= P-Nummer). Gleiche Module in unterschiedlichen Studiengängen haben bei gleicher Prüfungsart die gleiche SAP-Submodul-Nr..
P221-0151
SWS/Lehrform:
Die Anzahl der Semesterwochenstunden (SWS) wird als Zusammensetzung von Vorlesungsstunden (V), Übungsstunden (U), Praktikumsstunden (P) oder Projektarbeitsstunden (PA) angegeben. Beispielsweise besteht eine Veranstaltung der Form 2V+2U aus 2 Vorlesungsstunden und 2 Übungsstunden pro Woche.
2V (2 Semesterwochenstunden)
ECTS-Punkte:
Die Anzahl der Punkte nach ECTS (Leistungspunkte, Kreditpunkte), die dem Studierenden bei erfolgreicher Ableistung des Moduls gutgeschrieben werden. Die ECTS-Punkte entscheiden über die Gewichtung des Fachs bei der Berechnung der Durchschnittsnote im Abschlusszeugnis. Jedem ECTS-Punkt entsprechen 30 studentische Arbeitsstunden (Anwesenheit, Vor- und Nachbereitung, Prüfungsvorbereitung, ggfs. Zeit zur Bearbeitung eines Projekts), verteilt über die gesamte Zeit des Semesters (26 Wochen).
3
Studiensemester: 1
Pflichtfach: nein
Arbeitssprache:
Deutsch
Prüfungsart:


[noch nicht erfasst]
Verwendbarkeit / Zuordnung zum Curriculum:
Alle Studienprogramme, die das Modul enthalten mit Jahresangabe der entsprechenden Studienordnung / ASPO-Anlage.

KIM-ATDE Kommunikationsinformatik, Master, ASPO 01.10.2017 , 1. Semester, Wahlpflichtfach, telekommunikationsspezifisch
PIM-ATDE (P221-0151) Praktische Informatik, Master, ASPO 01.10.2017 , 1. Semester, Wahlpflichtfach, informatikspezifisch
Arbeitsaufwand:
Der Arbeitsaufwand des Studierenden, der für das erfolgreiche Absolvieren eines Moduls notwendig ist, ergibt sich aus den ECTS-Punkten. Jeder ECTS-Punkt steht in der Regel für 30 Arbeitsstunden. Die Arbeitsstunden umfassen Präsenzzeit (in den Vorlesungswochen), Vor- und Nachbereitung der Vorlesung, ggfs. Abfassung einer Projektarbeit und die Vorbereitung auf die Prüfung.

Die ECTS beziehen sich auf die gesamte formale Semesterdauer (01.04.-30.09. im Sommersemester, 01.10.-31.03. im Wintersemester).
Die Präsenzzeit dieses Moduls umfasst bei 15 Semesterwochen 30 Veranstaltungsstunden (= 22.5 Zeitstunden). Der Gesamtumfang des Moduls beträgt bei 3 Creditpoints 90 Stunden (30 Std/ECTS). Daher stehen für die Vor- und Nachbereitung der Veranstaltung zusammen mit der Prüfungsvorbereitung 67.5 Stunden zur Verfügung.
Empfohlene Voraussetzungen (Module):
Keine.
Als Vorkenntnis empfohlen für Module:
Modulverantwortung:
Prof. Dr. Klaus Berberich
Dozent/innen: Prof. Dr. Klaus Berberich

[letzte Änderung 11.07.2018]
Lernziele:
Students will be able to read and understand current research papers related to Data Science and Data Engineering. This includes conducting background research to find other related background literature. Moreover, students will show that they are able to condense their findings both into an oral presentation (60 minutes) and a written report (10 pages), explaining the covered topic to their peers. Finally, students will be able to engage in a discussion about a topic within the field of the seminar.

[letzte Änderung 17.07.2018]
Inhalt:
Within this seminar participants will look into current topics in Data Science and Data Engineering. These include, but are not limited to:
- algorithm for evolving graphs
- distance oracles
- word embeddings (e.g., word2Vec and GloVec)
- named entity recognition and disambiguation
- neural models for Information Retrieval
- data integration
- keyword search in databases
- graph embeddings
- learned data structures
- query processing in modern multi-stage search engines

[letzte Änderung 17.07.2018]
Weitere Lehrmethoden und Medien:
Students will be provided with 2-3 recent research papers on their respective topic. These will serve as a starting point for students to explore and understand the topic. Students will have to condense their acquired knowledge about the topic into an oral presentation (60 minutes) and a written report (10 pages). There will be regular one-to-one meetings to guide students when preparing their presentation and report.

[letzte Änderung 17.07.2018]
Literatur:
Justin Zobel, Writing for Computer Science, Springer, 2014

[letzte Änderung 17.07.2018]
Modul angeboten in Semester:
WS 2019/20, WS 2018/19 
[Fri Dec 27 01:48:14 CET 2024, CKEY=patidsx, BKEY=pim2, CID=PIM-ATDE, LANGUAGE=de, DATE=27.12.2024]