Speicherung, Abfrage und Analyse von großen Datenmengen ist ein anspruchsvolles Thema, das erhebliche Auswirkungen in verschiedenen Bereichen der Industrie und der Wissenschaft hat. Die Vorlesung behandelt Konzepte, Algorithmen und Technologien für Big Data sowie Beispiele für typische Anwendungen, die davon profitieren können. 

Neben Ansätzen und Technologien zur Speicherung von großen Datenmengen wie bspw. auf Basis von Hadoop File System und NoSQL-Datenbanken werden insbesondere Konzepte zur Analyse von großen Datenmengen vorgestellt und diskutiert. Neben der Batch-Verarbeitung auf Basis von MapReduce oder SQL-ähnlichen Anfragesprachen sind auch Technologien zum Stream-Processing von besonderem Interesse. Es werden verschiedene Algorithmen und Technologien zum Machine Learning für Big Data Anwendungen wie beispielsweise Outlier Detection oder Page Rank und deren skalierbare Ausführung behandelt. Mögliche Big Data Anwendungen werden auch immer unter ethischen Aspekten diskutiert und bewertet.

Rajaraman, A., Ullman, J. D., Mining of massive datasets, New York, N.Y., Cambridge, Cambridge University Press, 2012
White, T., Hadoop, The definitive guide, 4. edition: O'Reilly & Associates, 2015
Marz, N., Warren, J., Big data: Principles and best practices of scalable realtime data systems, O'Reilly Media, 2013
Aggarwal, Charu C., Data Mining, The Textbook, Cham, Springer International Publishing, 2015

Praktische Umsetzung von Konzepten, Methoden und Big Data Technologien in Übungen.

Bearbeitung von Fallstudien.