Inhalte

Die Vorlesung behandelt Konzepte und Methoden, Verfahren, Techniken und Technologien zur Analyse von massiv großen Datensätzen. Mögliche Inhalte umfassen:

• Infrastrukturen für verteilte und parallele Berechnung (z.B. MapReduce, Spark)
• Ähnlichkeitssuche und Clustering
• Analyse von Datenströmen und temporalen Daten
• Webgraphen: Linkanalyse und soziale Netzwerke
• Dynamische Netzwerke und Informationsausbreitung
• Grundlagen des Information Retrieval
• Empfehlungssysteme und Onlinewerbung

Übungen

• Es werden wöchentlich Übungsgruppen zum Stoff der Vorlesung abgehalten
• Keine Übungsblattabgabe, keine Korrektur
• Zwei Arten von Übungsaufgaben:
  • Hausaufgaben (Lösung von Studenten zu Hause, keine Besprechung in der Übung)
  • Präsenzaufgaben (Lösung von Studenten in der Übung, Besprechung der Aufgabe)
• Lösungsvorschläge gibt es nur für Hausaufgaben

Literatur

• Mining of Massive Datasets. J. Leskovec, A. Rajaraman, J.D. Ullman. Cambridge UniversityPress, 2014
• D. Easley, J. Kleinberg.Networks, Crowds, and Markets: Reasoning About a Highly Connected World.Cambridge University Press, 2010.
• R. Baeza-Yates, B. Ribeiro-Neto: Modern Information Retrieval