Datenhaltung

30 Präsenzstunden Vorlesung, 30 Präsenzstunden Praktikum, 45 Stunden Vor-/Nachbereitung des Praktikums, 45 Stunden Nachbereitung der Vorlesung und Prüfungsvorbereitung

Grundlegende Programmierkenntnisse wie beispielsweise aus Computational Thinking

Lernziele:

Die Studierenden lernen verschiedene Methoden der Datenhaltung kennen und anzuwenden, um sie in ihrer späteren beruflichen Tätigkeit bei der Speicherung, Extraktion, Aggregation, Transformation und Filterung von Daten aus verschiedenen Datenquellen sinnvoll einsetzen zu können.

Fach- & Methodenkompetenz:

Die Studierenden sind in der Lage

• die grundlegenden Konzepte hinter der Datenhaltung zu erläutern,
• Systeme entsprechend gegebener Anforderungen zu evaluieren und
• aktuelle Datenhaltungssysteme zu bedienen und in den Data Science Prozess einzubinden.

Überfachliche Kompetenz:

• Teamarbeit: Die Studierenden bearbeiten Problemstellungen in Kleingruppen
• Dokumentation: Die Studierenden sind in der Lage, Annhamen, ihre Arbeit, sowie Projektergebnisse reproduzierbar und nachvollziehbar zu dokumentieren

• Grundlagen von Informationssystemen
• Relationale Datenbanken
• Einführung in SQL
• XML / XPath / XQuery
• Nicht-relationale Datenbanken (NoSQL)
• Verteilte Informationssysteme (z.B. Hadoop HDFS/HBase)
• Graph-Datenbanken (z.B. Neo4j)
• Triple Stores (RDF, OWL, SPARQL)
• Geodatenhaltung

Im Praktikum werden anhand von Aufgaben und Beispielen Verständnis und praktische Anwendung geübt. Die Studierenden verwenden dazu auch eine entsprechende Programmiersprache (z.B. Python oder R).

Beamer, Tafel, Jupyter Notebooks, Git.

Alfons Kemper und André Eickler (2015): Datenbanksysteme - Eine Einführung. Vol. 10. Oldenbourg Verlag.