Big Data und Large-scale Systeme
Fakultät für Informatik und Mathematik ©
Name Big Data und Large-scale Systeme
Verantwortlich Prof. Dr. Rainer Schmidt
SWS 4
ECTS 5
Sprache(n) Deutsch
Lehrform Seminar
Angebot nach Ankündigung
Aufwand

Präsenzstudium: ca. 42 Std., Eigenstudium: ca. 108 Std.

Voraussetzungen

Umfassende Kenntnisse der Wirtschaftsinformatik, entsprechend Abschluss Bachelor Wirtschaftsinformatik

Ziele

Lernziele: Dieses Modul hat das Ziel dem Studierenden einen Überblick über das Themengebiet daten-intensive Anwendungen zu vermitteln. Ziel ist es sowohl betriebswirtschaftliches Verständnis von daten-basierten Business-Modellen und Produkten, als auch technisches Verständnis von large-scale Systemen und Infrastruktur für BigData zu vermitteln.

Kompetenzen: Der Schwerpunkt des Projektes liegt in der Vermittlung von Methodenwissen durch selbst erlebte Anwendung am praktischen Beispiel. Den Studierenden sollen dadurch befähigt werden Service-Ideen selbstständig zu entwickeln, zu Geschäftsideen auszubauen, zu testen und auf Wettbewerben zu vertreten.

Inhalt
  • Daten-basierte Business Modelle und Produkte
  • Daten-zentrierte Unternehmen
  • Industrie 4.0
  • Mobile Anwendungen und Sensoren
  • Infrastruktur für Big Data (Hadoop 2.0, NoSQL, Cloud Computing)
  • Algorithmen und Datenanalyse
  • Fallstudien und Studienarbeit
Medien und Methoden

Veranstaltungsspezifische Website, Moodle, Zotero, Cloud-basierte Kooperationsmechanismen, Tafel und Folien (Powerpoint)

Literatur
  • Adler, J., 2012. R in a Nutshell, Auflage: 2. ed. O’Reilly Media.
  • Chang, W., 2012. R Graphics Cookbook, Auflage: 1. ed. O’Reilly Media.
  • Holmes, A., 2012. Hadoop in Practice, 1 edition. ed. Manning Publications, Shelter Island, NY.
  • Jorgensen, A., Rowland-Jones, J., Welch, J., Clark, D., Price, C., Mitchell, B., 2014. Microsoft Big Data Solutions, 1 edition. ed. Wiley.
  • LaValle, S., Lesser, E., Shockley, R., Hopkins, M.S., Kruschwitz, N., 2011. Big data, analytics and the path from insights to value. MIT Sloan Management Review 52, 21–32.
  • Manoochehri, M., 2013. Data just right. Addison-Wesley, Upper Saddle River, NJ.
  • Manyika, J., Chui, M., Brown, B., Bughin, J., Dobbs, R., Roxburgh, C., Byers, A.H., 2011. Big data: The next frontier for innovation, competition, and productivity. McKinsey Global Institute 1–137.
  • McAfee, A., Brynjolfsson, E., 2012. Big data: the management revolution. Harvard business review 90, 60.
  • Teetor, P., 2011. R Cookbook, Auflage: 1. ed. O’Reilly Media.
  • White, T., 2012. Hadoop: The definitive guide. O’Reilly Media.
  • Zikopoulos, P.C., Eaton, C., Zikopoulos, P., 2012. Understanding Big Data: Analytics for Enterprise Class Hadoop and Streaming Data. Mcgraw-Hill Professional.
Zuordnungen Curricula
SPO Fachgruppe Code ab Semester Prüfungsleistungen
IN Version 2010 FWP IF-WI-M-13-15-6 1 benotete Studienarbeit (40%)
benotetes Kolloquium (60%)