Position within the page tree

Home
Departments
Applications of Parallel and Distributed Systems
Teaching

Teaching

Applications of Parallel and Distributed Systems

Teaching activities in the department

Directly to ...

Courses offered by the department cover a broad spectrum of topics on capturing, managing and analysing huge datasets. In the following, we list the courses currently offered. More information regarding the content of the courses is available in the module handbook.

Current Courses of the Department (as listed in Campus)

Data-Warehousing, Data-Mining und OLAP (für Data Science)

Übung
2 SWS
WS 22/23

Semester:	WS 22/23
Content:	spezielle Übungsgruppe für den B.Sc. Data Science
Number:	021129001
Type:	Übung
Semester hours:	2 SWS
Link:	C@MPUS
Organisation:	Datenbanken und Informationssysteme

Data-Warehousing, Data-Mining und OLAP

Vorlesung
2 SWS
WS 22/23

Semester:	WS 22/23
Content:	Für die Entscheidungsprozesse in Unternehmen ist es von zentraler Bedeutung, eine integrierte Sicht auf alle entscheidungsrelevanten Daten zur Verfügung zu haben. Ein Data Warehouse ist ein unternehmensweites Informationssystem, das eine solche Integration sowie die darauf aufbauenden Analysemöglichkeiten bietet. In dieser Vorlesung werden Fragen der Architektur eines Data Warehouse sowie relevante Technologien und Werkzeuge für den Aufbau eines Data Warehouse und die Analyse der bereitgestellten Daten behandelt. Darüber hinaus wird für die einzelnen Schritte im Data-Warehouse-Prozess vorgestellt, welche spezifische Unterstützung kommerzielle Datenbanksysteme hierfür bieten. Abschließend werden Fragen der Durchführung von Data-Warehouse-Projekten diskutiert. Unter anderem werden folgende Themen vertieft: - Architektur eines Data Warehouse - Extraktion, Transformation und Laden von Daten (ETL-Prozess) - Data-Warehouse-Entwurf - Online Analytic Processing (OLAP) - Data Mining - Datenbankunterstützung für OLAP und Data Mining - Data-Warehouse-Projekte
Number:	021128000
Type:	Vorlesung
Semester hours:	2 SWS
Link:	C@MPUS
Organisation:	Datenbanken und Informationssysteme

Data-Warehousing, Data-Mining und OLAP

Übung
2 SWS
WS 22/23

Semester:	WS 22/23
Content:	siehe Vorlesung
Number:	021129000
Type:	Übung
Semester hours:	2 SWS
Link:	C@MPUS
Organisation:	Datenbanken und Informationssysteme

Datenbanken und Informationssysteme

Vorlesung
3 SWS
WS 22/23

Semester:	WS 22/23
Content:	Die Vorlesung "Datenbanken und Informationssysteme" ist als Einstiegsveranstaltung in das Vertiefungsgebiet Datenbanksysteme konzipiert. Aufbauend auf dem Inhalt der Vorlesung "Modellierung" werden insbesondere Entwurfs- und Realisierungsaspekte von Datenbanksystemen betrachtet. Die Entwicklung, Installation und Administration von Datenbanksystemen bestimmen hier sowohl Stoffauswahl als auch Detaillierungsgrad. Als Grundlage für alle weiteren Betrachtungen wird ein Schichtenmodell zur Beschreibung eines allgemeinen Datenbanksystems vorgestellt. Darauf aufbauend werden die einzelnen Systemschichten im Detail diskutiert, die dort zu realisierenden Komponenten betrachtet sowie die jeweils vorherrschenden Algorithmen beschrieben und bewertet. Im einzelnen werden folgende Aspekte vertieft: Anwendungsprogrammierschnittstelle, Externspeicherverwaltung, DBS-Pufferverwaltung, Speicherungsstrukturen und Zugriffspfadstrukturen, Anfrageverarbeitung und Anfrageoptimierung, Transaktionsverarbeitung, Synchronisation, Logging und Recovery.
Number:	021121000
Type:	Vorlesung
Semester hours:	3 SWS
Link:	C@MPUS
Organisation:	Datenbanken und Informationssysteme

Datenbanken und Informationssysteme

Übung
1 SWS
WS 22/23

Semester:	WS 22/23
Content:	Die Vorlesung "Datenbanken und Informationssysteme" ist als Einstiegsveranstaltung in das Vertiefungsgebiet Datenbanksysteme konzipiert. Aufbauend auf dem Inhalt der Vorlesung "Modellierung" werden insbesondere Entwurfs- und Realisierungsaspekte von Datenbanksystemen betrachtet. Die Entwicklung, Installation und Administration von Datenbanksystemen bestimmen hier sowohl Stoffauswahl als auch Detaillierungsgrad. Als Grundlage für alle weiteren Betrachtungen wird ein Schichtenmodell zur Beschreibung eines allgemeinen Datenbanksystems vorgestellt. Darauf aufbauend werden die einzelnen Systemschichten im Detail diskutiert, die dort zu realisierenden Komponenten betrachtet sowie die jeweils vorherrschenden Algorithmen beschrieben und bewertet. Im einzelnen werden folgende Aspekte vertieft: Anwendungsprogrammierschnittstelle, Externspeicherverwaltung, DBS-Pufferverwaltung, Speicherungsstrukturen und Zugriffspfadstrukturen, Anfrageverarbeitung und Anfrageoptimierung, Transaktionsverarbeitung, Synchronisation, Logging und Recovery.
Number:	021122000
Type:	Übung
Semester hours:	1 SWS
Link:	C@MPUS
Organisation:	Datenbanken und Informationssysteme

Datenbanksysteme

Kolloquium
2 SWS
WS 22/23

Semester:	WS 22/23
Content:	nur für Mitarbeiterinnen und Doktorandinnen
Number:	021198000
Type:	Kolloquium
Semester hours:	2 SWS
Link:	C@MPUS
Organisation:	Datenbanken und Informationssysteme

Einführung in Data Science

Vorlesung
2 SWS
WS 22/23

Semester:	WS 22/23
Content:	Die Studierenden kennen grundlegende Fragestellungen, Konzepte und Methoden im Bereich Data Science.
Number:	023100100
Type:	Vorlesung
Semester hours:	2 SWS
Link:	C@MPUS
Organisation:	Datenbanken und Informationssysteme

Einführung in Data Science

Übung
2 SWS
WS 22/23

Semester:	WS 22/23
Content:	siehe Vorlesung
Number:	023100105
Type:	Übung
Semester hours:	2 SWS
Link:	C@MPUS
Organisation:	Datenbanken und Informationssysteme

Entwicklung von Data Science Anwendungen

Seminar
2 SWS
WS 22/23

Semester:	WS 22/23
Content:	Die effiziente und effektive Verarbeitung und Analyse von großen Datenmengen stellt heut- zutage einen zentralen Tätigkeitsbereich von Datenwissenschaftlerinnen dar. Treiber wie web-basierter und mobiler Anwendungen (z.B. E-Mails, Blogs, soziale Medien oder E-Com- merce) sowie die stark wachsende Menge an Sensoren im Kontext von Industrie 4.0 und dem Internet der Dinge sorgen dafür, dass fortlaufend neue Daten generiert werden. In diesem Kontext spricht man häufig von „Big Data“. Während die Sammlung und Speiche- rung dieser Daten mittlerweile durch Fortschritte in der Speichertechnologie weitgehend prob- lemlos möglich ist, gestaltet sich gerade die Verarbeitung dieser Datenflut, d.h. die Gewinnung von Wissen aus diesen (Roh-)Daten, als eine sehr komplexe Aufgabe. Datenwissenschaftlerinnen operieren hierbei an der Schnittstelle zwischen spezifischer Do- mänenexpertise, technischer und mathematischer Expertise. Sie müssen sich daher sowohl bezüglich der Implementierungsdetails für ihre Datenanalysen Gedanken machen (z.B. wie können auch große Datenmengen effizient verarbeitet werden) und Kenntnisse über existie- rende Dateninfrastrukturen besitzen (z.B. wie lassen sich Datenströme verarbeiten oder wie lassen sich Daten sicher speichern), als auch Wissen über die Daten selbst aneignen (z.B. welche rechtlichen Rahmenbedingungen für die Verarbeitung dieser Daten gelten). Um dieser anspruchsvollen Aufgabe gewachsen zu sein, ist es daher unabdingbar, dass sich Datenwis- senschaftler*innen intensiv mit verfügbaren Konzepten und Werkzeugen zur Verarbeitung von Big Data auseinandersetzen. In diesem Seminar sollen daher unter anderem Themen in den folgenden Bereichen untersucht und diskutiert werden: • Werkzeuge zur skalierbaren Datenverarbeitung (z.B. Grizzly oder Modin) • Big-Data-Management-Systeme (z.B. HDFS oder Blockchains) • Frameworks zur strombasierten Datenverarbeitung (z.B. Flink oder Storm) • Konzepte zur privatheitswahrenden Datenverarbeitung (z.B. Homomorphic Encryption oder Differential Privacy)
Number:	021190000
Type:	Seminar
Semester hours:	2 SWS
Link:	C@MPUS
Organisation:	Datenbanken und Informationssysteme

GSaME-Kolloquium

Kolloquium
2 SWS
WS 22/23

Semester:	WS 22/23
Content:	nur für Mitarbeiterinnen und Doktorandinnen
Number:	021499000
Type:	Kolloquium
Semester hours:	2 SWS
Link:	C@MPUS
Organisation:	Datenbanken und Informationssysteme

Lakehouse Frameworks and Data Analytics

Hauptseminar
2 SWS
WS 22/23

Semester:	WS 22/23
Content:	The comprehensive analysis of large volumes of data is crucial in the era of big data information systems. Some of the main driving forces are current trends such as Industrie 4.0 and the Internet of Things (IoT). One challenge in this context is to provision the relevant data in such a way that all user groups (data scientists, domain experts, …) in an organization are able to find, access and analyze all data that is important for their specific use cases. In the past, data warehouses were the primary platform to fulfill this purpose. In the last decade they are typically complemented or even replaced by data lakes. A current trend is to provide data platforms that aim at combining the advantages of data warehouses with those of data lakes. The term “lakehouse” is often used to characterize such new approaches. Given the access to the relevant data is granted, more challenges arise when applying machine learning techniques to the data. For example, the data may change over time and as a consequence one has to decide whether the available machine learning models have just to be updated or if the changed data is an indicator for changes in the underlying concepts. Also, concepts are needed to preserve privacy when machine learning models are derived from person-specific data. In this seminar, we address current technologies, concepts, algorithms and system infrastructures in the context of the above-mentioned topics. This includes in particular: • Lakehouse approaches and extended data warehouse architectures • Modern data processing architectures: lambda, kappa, delta • Data set shifts and concept drifts • Privacy-preserving machine learning • …
Number:	021195000
Type:	Hauptseminar
Semester hours:	2 SWS
Link:	C@MPUS
Organisation:	Datenbanken und Informationssysteme

Practical Course Information Systems

Übung
4 SWS
WS 22/23

Semester:	WS 22/23
Content:	This practical course mainly focuses on data-intensive applications and how they process, analyze and store their data. Nowadays, the amount of data in applications is growing intensely. This data can be either structured, e.g., stored in relational database systems such as MySQL, or unstructured, e.g., stored in text documents, pictures or other media files. Deriving information and, as a consequence, knowledge from this data is a huge challenge. To cope with this issue, new data analytics and data storage technologies have been developed that focus on the one hand on deriving information from this large amount of structured and unstructured data (e.g., data mining, natural language processing, ...) and on the other hand on efficient data storage (e.g., NoSQL databases, column-stores, ...). Modern web technologies are used to provide the web frontend and to visualize huge data sets and analytic results. Furthermore, to enable fast, efficient application development as well as a high degree of accessibility, flexibility and scalability, cloud computing platforms are oftentimes used to implement such applications. In this practical course, you will work in small teams. Each team will implement a new or extend an existing data-intensive application based on tasks that typically involve data analysis, data visualization, data storage and efficient data processing. The used infrastructure, e.g. a cloud-based infrastructure like IBM Cloud, depends on the application.
Number:	021188000
Type:	Übung
Semester hours:	4 SWS
Link:	C@MPUS
Organisation:	Datenbanken und Informationssysteme

Additional current courses

Here, we provide information on additional courses that are not listed in Campus.

Study projects: currently not available
Development projects: currently not available
Project Data Science: Winter term 2022/2023

This overview shows the courses typically offered by the department in one year.

Bachelor

Einführung in Data Science: Lecture in the winter term (in German)
Modellierung: Lecture in the summer term (in German)
Seminars and Projects: Seminars, projects and similar courses are offered on a irregular basis (typically in German)

Master

Datenbanken und Informationssysteme: Lecture in the winter term (in German)
Data Warehouse, Data Mining and OLAP: Lecture in the winter term (in English)
Advanced Information Management: Lecture in the summer term (in English)
Vertiefungslinie Datenbanken und Informationssysteme: Among others, the lectures Datenbanken und Informationssysteme, Data Warehouse, Data Mining and OLAP and Advanced Information Management are part of this Vertiefungslinie
Advanced seminars, practical courses, projects: Advanced seminars, practical courses, projects and similar courses are offered on a irregular basis (Language: German or English)

Open and Current Student Projects

Student projects in international study programmes

Exams

Information on exams offered by the department

Stuttgart Data Management Academy

Teaching

Directly to ...

Current Courses of the Department (as listed in Campus)

Data-Warehousing, Data-Mining und OLAP (für Data Science)

Data-Warehousing, Data-Mining und OLAP (für Data Science)

Data-Warehousing, Data-Mining und OLAP

Data-Warehousing, Data-Mining und OLAP

Data-Warehousing, Data-Mining und OLAP

Data-Warehousing, Data-Mining und OLAP

Datenbanken und Informationssysteme

Datenbanken und Informationssysteme

Datenbanken und Informationssysteme

Datenbanken und Informationssysteme

Datenbanksysteme

Datenbanksysteme

Einführung in Data Science

Einführung in Data Science

Einführung in Data Science

Einführung in Data Science

Entwicklung von Data Science Anwendungen

Entwicklung von Data Science Anwendungen

GSaME-Kolloquium

GSaME-Kolloquium

Lakehouse Frameworks and Data Analytics

Lakehouse Frameworks and Data Analytics

Practical Course Information Systems

Practical Course Information Systems

Additional current courses

Bachelor

Master

Open and Current Student Projects

Exams

Stuttgart Data Management Academy

Bernhard Mitschang

Holger Schwarz

Eva Strähle

Audience

Formalities

Services

Organization

Teaching

Directly to ...

Current Courses of the Department (as listed in Campus)

Data-Warehousing, Data-Mining und OLAP (für Data Science)

Data-Warehousing, Data-Mining und OLAP

Data-Warehousing, Data-Mining und OLAP

Datenbanken und Informationssysteme

Datenbanken und Informationssysteme

Datenbanksysteme

Einführung in Data Science

Einführung in Data Science

Entwicklung von Data Science Anwendungen

GSaME-Kolloquium

Lakehouse Frameworks and Data Analytics

Practical Course Information Systems

Additional current courses

Bachelor

Master

Open and Current Student Projects

Exams

Stuttgart Data Management Academy

Bernhard Mitschang

Holger Schwarz

Eva Strähle

Here you can reach us

Audience

Formalities

Services

Organization