Dauer:
1 Semester | Angebotsturnus:
Jedes Sommersemester | Leistungspunkte:
6 |
Studiengang, Fachgebiet und Fachsemester: - Master Informatik 2019 (Pflicht), Kanonische Vertiefung Data Science und KI, Beliebiges Fachsemester
- Master Entrepreneurship in digitalen Technologien 2020 (Basismodul), Technologiefach Informatik, 1. oder 2. Fachsemester
- Master Medieninformatik 2020 (Wahlpflicht), Informatik, Beliebiges Fachsemester
- Master Informatik 2019 (Basismodul), Praktische Informatik, 1. oder 2. Fachsemester
- Master Medizinische Informatik 2019 (Basismodul), Praktische Informatik, 1. oder 2. Fachsemester
- Master Robotics and Autonomous Systems 2019 (Wahlpflicht), Wahlpflicht, 1. oder 2. Fachsemester
- Master IT-Sicherheit 2019 (Basismodul), Praktische Informatik, 1. oder 2. Fachsemester
- Master Medizinische Informatik 2014 (Basismodul), eHealth / Informatik, 1. oder 2. Fachsemester
- Master Medieninformatik 2014 (Wahlpflicht), Informatik, Beliebiges Fachsemester
- Master Entrepreneurship in digitalen Technologien 2014 (Basismodul), Technologiefach Informatik, 1. oder 2. Fachsemester
- Master Informatik 2014 (Wahlpflicht), Schwerpunktfach Software Systems Engineering, 2. oder 3. Fachsemester
- Master Informatik 2014 (Basismodul), Praktische Informatik, 1. oder 2. Fachsemester
|
Lehrveranstaltungen: - CS4130-Ü: Informationssysteme (Übung, 2 SWS)
- CS4130-V: Informationssysteme (Vorlesung, 2 SWS)
| Workload: - 60 Stunden Präsenzstudium
- 20 Stunden Prüfungsvorbereitung
- 100 Stunden Selbststudium
| |
Lehrinhalte: | - Grundlagen für das Verständnis von Datenbanken, für Sprachen zur konzeptuellen Modellierung (Ontologien) sowie für Anfragesprachen und Prozessbeschreibungssprachen
- Ontologiebasierter Datenzugriff
- Ontologie-Entwicklung und -Integration
- Datenaustausch und Datenintegration (Schema-Abbildungen, Duplikaterkennung, Behandlung von Inkonsistenzen, Integration mit relationalen und ontologischen Einschränkungen, unvollständige Daten)
- Stromorientierte Verarbeitung von Daten (z.B. für Sensornetze, Robotikanwendungen, Web-Agenten) unter Berücksichtigung eines ontologiebasierten Datenzugriffs und der effizienten Erkennung von komplexen Ereignissen
- Nicht-symbolische Daten und deren symbolische Annotation (z.B. für Anwendungen in Medizin- und Bioinformatik oder Medieninformatik), Syntax, Semantik, hybride Entscheidungs- und Berechnungsprobleme und deren Komplexität, Algorithmen und deren Analyse
- Daten- und Ontologie-orientierte Prozessanalyse (z.B. für bioinformatische Signalwege) und -gestaltung (z.B. für nicht-triviale Geschäftsprozesse)
| |
Qualifikationsziele/Kompetenzen: - Wissen: Die Studierenden werden an die nötigen formalen Grundlagen von Datenbanken und Ontologien herangeführt, sodass die Studierenden einen Überblick über Konzepte, Methoden und Theorien erwerben, die für das Verständnis, die Analyse und den Entwurf von Informationssystemen in großen Kontexten, wie z.B. das Web, nötig sind.
- Fertigkeiten: Die Studierenden entwickeln ein Grundverständnis für logisch-formale Methoden, das es ihnen erlaubt, die Möglichkeiten und Grenzen von konkret vorliegenden und eventuell zu konstruierenden Informationssystemen richtig einzuschätzen, sowohl bzgl. Korrektheit und Vollständigkeit (Macht das System was es soll? Wenn ja, auch in allen Fällen?) als auch bzgl. der Ausdrucksstärke (Lassen sich gewünschte Anfragen überhaupt formulieren? Welche andere Sprache ist äquivalent?) und letztlich auch bzgl. der Performanz (Wie lange dauert es, bis das System zu einer Antwort kommt? Wie viel Platz benötigt es?). Neben diesen Analysefähigkeiten erhalten die Studierenden logische Modellierungsfertigkeiten anhand von realen Anwendungsszenarien aus Industrie (Business-Processing, Integration von Datenressourcen, Verarbeitung von zeitbasierten und Ereignisdaten) und Medizin (Sensornetze, Genom-Ontologien, Annotation). Nicht nur erhalten die Studierenden die Möglichkeit, anhand ihres Wissens zu beurteilen, welches logische Modell für ein Anwendungsszenario geeignet ist, sie sind auch in der Lage, erforderlichenfalls ein eigenes logisches Modell zu konstruieren.
- Sozialkompetenz und Selbständigkeit: Studierende arbeiten in Gruppen, um Übungsaufgaben und kleine Projekte zu bearbeiten, und sie werden angeleitet, Lösungen in einem Kurzvortrag zu präsentieren. Selbständige praktische Arbeiten der Studierenden werden durch Übungen mit praktischen Ontologie- und DB-Systemen gefördert.
|
Vergabe von Leistungspunkten und Benotung durch: |
Modulverantwortlicher: Lehrende: |
Literatur: - S. Abiteboul, R. Hull, V. Vianu: Foundations of Databases - Addison-Wesley, 1995
- M. Arenas, P. Barcelo, L. Libkin, and F. Murlak: Foundations of Data Exchange - Cambridge University Press, 2014
- F. Baader, D. Calvanese, D.L. McGuinness, D. Nardi, and P.F. Patel-Schneider (Eds.): The Description Logic Handbook: Theory, Implementation, and Applications - Cambridge University Press, 2010
- S. Chakravarthy, Q. Jiang: Stream Data Processing A Quality of Service Perspective - Springer, 2009
- L. Libkin: Elements Of Finite Model Theory (Texts in Theoretical Computer Science. An Eatcs Series) - SpringerVerlag, 2004
|
Sprache: - Sowohl Deutsch- wie Englischkenntnisse nötig
|
Bemerkungen:Zulassungsvoraussetzungen zur Belegung des Moduls: - Keine Zulassungsvoraussetzungen zur Teilnahme an Modul-Prüfung(en): - Erfolgreiche Bearbeitung von Übungsaufgaben gemäß Vorgabe am Semesteranfang Modulprüfung(en): - CS4130-L1: Informationssysteme, mündliche Prüfung, 100% der Modulnote Früherer Name: Webbasierte Informationssysteme Empfohlen wird die vorherige Teilnahme an den folgenden Modulen: - Algorithmen und Datenstrukturen (CS1001) - Lineare Algebra und Diskrete Strukturen I + II (MA1000, MA1500) - Datenbanken (CS2700) - Einführung in die Logik (CS1002) - Bachelor-Projekt Informatik (CS3701) zum Thema Logikprogrammierung - Non-Standard Datenbanken (CS3202) |
Letzte Änderung: 1.2.2022 |
für die Ukraine