Informationssysteme und Datenanalyse
Quelle: Modulkatalog Moses
Als Teil dieses Moduls können Sie die grundlegenden Konzepte des Informationsmanagements in relationalen Datenbanken benennen, Informationsmodelle entwickeln und Anfragen in relationaler Algebra sowie SQL formulieren. Sie erfahren, welche Probleme auftreten, wenn beliebige Benutzer*innen mit dem System interagieren. Sie können ein Data Warehouse beschreiben, es mit Transaktionssystemen vergleichen und ableiten, welche Anforderungen ein System für ein bestimmtes Anwendungsprofil erfüllen muss. Darüber hinaus kennen Sie grundlegende Datenanalysealgorithmen wie Klassifikation und Clustering und wissen, wie sie für überwachtes bzw. unüberwachtes maschinelles Lernen eingesetzt werden können. Schließlich lernen Sie, wie man kontinuierlich entstehende Daten mit einem Datenstrommanagementsystem verarbeitet und erkennen, wann derartige Systeme sinnvoll eingesetzt werden.

Universität: Technische Universität Berlin
Wissensbasis / Lernziele
Informationssysteme bilden die Basis für nahezu alle großen betrieblichen Anwendungen, von Flugbuchungssystemen über Online-Shops bis hin zu Betriebsplanungs- und Steuerungssystemen. Die Fähigkeit, Daten effizient zu verwalten und durch deren Analyse neue Erkenntnisse und Entscheidungen abzuleiten, zählt zu den Schlüsselkompetenzen in moderner Wirtschaft und Wissenschaft. Im Modul stehen insbesondere folgende Inhalte im Mittelpunkt: Architektur von Informationssystemen, das relationale Modell, die relationale Algebra, die Anfragesprache SQL, Transaktionssysteme, Data Warehousing, das Verhältnis von Datenbank-Management zu Datenstrom-Management, eine Einführung in die Data Science sowie verschiedene Datenanalysealgorithmen, darunter Klassifikations- und Clustering-Algorithmen.
Verfügbare Lernmittel
Informationssysteme und Datenanalyse
Veröffentlicht: 19.09.2025 15:33
Informationssysteme und Datenanalyse
Veröffentlicht: 19.09.2025 15:39
Informationssysteme und Datenanalyse
Veröffentlicht: 19.09.2025 15:44
Architektur von Informationssystemen: Schichten, Komponenten und Schnittstellen
Veröffentlicht: 19.09.2025 15:44
Relationale Algebra: Operatoren, Ausdrucke von Abfragen und Optimierung
Veröffentlicht: 19.09.2025 15:47
SQL-Grundlagen und fortgeschrittene Abfragen: SELECT, Joins, Aggregationen, Views, Transaktionen
Veröffentlicht: 19.09.2025 15:48
Transaktionssysteme und ACID-Eigenschaften: Konsistenz, Isolation, Fehlertoleranz
Veröffentlicht: 19.09.2025 15:49
Data Warehousing: Modellierung, ETL-Prozesse, OLAP, Star- und Snowflake-Schema
Veröffentlicht: 19.09.2025 15:49
Datenbank-Management vs. Data-Stream-Management: Unterschiede, Schnittstellen, Herausforderungen
Veröffentlicht: 19.09.2025 15:50
Einführung in Data Science: Datenvorverarbeitung, Merkmalsextraktion, Modellpipeline
Veröffentlicht: 19.09.2025 15:52
Überwachtes Lernen: Klassifikation, Regression, Modellbewertung
Veröffentlicht: 19.09.2025 15:53
Unüberwachtes Lernen: Clustering, Dimensionsreduktion, Mustererkennung
Veröffentlicht: 19.09.2025 15:53
Data-Streams und Stream-Processing: Fenstertechnik, Zustand-Verwaltung, Konsistenz
Veröffentlicht: 19.09.2025 15:54
Anwendungsprofile und Systemanforderungen: Flugbuchung, Online-Shopping, Produktionsplanung – Ableitung von Anforderungen
Veröffentlicht: 19.09.2025 15:54
Informationssysteme und Datenanalyse
Fragen: 15, Dauer: 20 Min
Informationssysteme und Datenanalyse
Fragen: 15, Dauer: 20 Min
Architektur von Informationssystemen: Schichten, Komponenten und Schnittstellen
Fragen: 10, Dauer: 15 Min
Das relationale Modell: Entitäten, Attribute, Relationen, Schlüssel und Integritätsregeln
Fragen: 10, Dauer: 15 Min
Relationale Algebra: Operatoren, Ausdrucke von Abfragen und Optimierung
Fragen: 10, Dauer: 15 Min
SQL-Grundlagen und fortgeschrittene Abfragen: SELECT, Joins, Aggregationen, Views, Transaktionen
Fragen: 10, Dauer: 15 Min
Transaktionssysteme und ACID-Eigenschaften: Konsistenz, Isolation, Fehlertoleranz
Fragen: 10, Dauer: 15 Min
Data Warehousing: Modellierung, ETL-Prozesse, OLAP, Star- und Snowflake-Schema
Fragen: 10, Dauer: 15 Min
Datenbank-Management vs. Data-Stream-Management: Unterschiede, Schnittstellen, Herausforderungen
Fragen: 10, Dauer: 15 Min
Einführung in Data Science: Datenvorverarbeitung, Merkmalsextraktion, Modellpipeline
Fragen: 10, Dauer: 15 Min
Überwachtes Lernen: Klassifikation, Regression, Modellbewertung
Fragen: 10, Dauer: 15 Min
Unüberwachtes Lernen: Clustering, Dimensionsreduktion, Mustererkennung
Fragen: 10, Dauer: 15 Min
Data-Streams und Stream-Processing: Fenstertechnik, Zustand-Verwaltung, Konsistenz
Fragen: 10, Dauer: 15 Min
Anwendungsprofile und Systemanforderungen: Flugbuchung, Online-Shopping, Produktionsplanung – Ableitung von Anforderungen
Fragen: 10, Dauer: 15 Min