Datenbanksysteme Data Science

Organisationseinheit
Freie Universität Berlin/Mathematik und Informatik/Informatik

Bereich

Profilbereich

Zugangsvoraussetzungen

Keine

Qualifikationsziele

Die Studierenden können am Ende des Moduls den Aufbau einer Datenbank exemplarisch erläutern, die Verarbeitung von Befehlen an die Datenbank erklären, ausgewählte Datenbankmodelle (wie z. B. ER-Modelle) aus Anwendungsbeschreibungen erstellen, ein relationales Modell aus einem Datenbankschema ableiten, eine Datenbank auf Grundlage eines relationalen Modells erstellen, eine Anfrage in relationaler Algebra formalisieren, Abfragen zur Datenanalyse erstellen und auf einer Datenbank ausführen, Anfragen zur Datenbank und Schemamanipulation erstellen und auf der Datenbank ausführen. Sie können die Motivation der Normalisierung von Daten erklären und können Algorithmen zum Normalisieren von Daten anwenden. Sie können typische alternative Speicherstrukturen erklären und diese semantisch vergleichen. Sie können Anwendungen mit Zugriff auf eine Datenbank implementieren. Sie können Methoden zum Beschleunigen von Datenbankabfragen schematisch darstellen, erklären und mit geeigneten Datenstrukturen implementieren. Sie können prinzipielle Methoden zur Transaktionsverwaltung auf Datenbanken erklären und anwenden und können die Prinzipien des gleichzeigen Zugriffs auf Datenbanken anwenden. Sie können Methoden zur Datenwiederherstellung erklären und implementieren. Sie können grundlegende Methoden des Data Minings verstehen und anwenden. Sie können Trends im Bereich Datenbanksysteme verstehen, erläutern und anwenden.

Inhalte

Datenbankentwurf mit Entity-Relationship-Modellen und der UML; theoretische Grundlagen relationaler Datenbanksysteme, relationale Algebra; funktionale Abhängigkeiten, Normalformen, relationale Datenbankentwicklung: Datendefinition, Fremdschlüssel, andere Integritätsbedingungen, objektrelationale Abbildung, Sicherheits- und Schutzkonzepte; Transaktionsbegriff, transaktionale Garantien, Synchronisierung des Mehrbenutzerbetriebs, Fehlertoleranzeigenschaften.

Lehr- und Lernformen

Aktive Teilnahme

Vorlesung
3 SWS
Teilnahme empfohlen

Schriftliche Bearbeitung der Übungsblätter

Übung
1 SWS
verpflichtete Teilnahme

Schriftliche Bearbeitung der Übungsblätter

Aufwand

Präsenzzeit V	45 Stunden
Vor- und Nachbereitung V	30 Stunden
Präsenzzeit Ü	15 Stunden
Vor- und Nachbereitung Ü	30 Stunden
Prüfungsvorbereitung und Prüfung	30 Stunden

Modulprüfung
Mündliche Prüfung (ca. 15 Minuten) oder Klausur (90 Minuten), die ggf. ganz oder teilweise in der Form des Antwort-Wahl-Verfahrens und auch in Form einer elektronischen Prüfungsleistung durchgeführt werden kann.

Differenzierte Bewertung
differenzierte Bewertung

Modulsprache
Englisch

Arbeitsaufwand (Stunden)
150

Leistungspunkte (LP)
5

Dauer des Moduls
Ein Semester

Häufigkeit des Angebots
Unregelmäßig

Verwendbarkeit

Masterstudiengang Data Science