Modul
Semester
Übersicht
Das Praktikum beinhaltet den Entwurf und die Realisierung einer Anwendung oder eines Algorithmus im Big-Data-Umfeld. In der Regel erfolgt die Implementierung unter Verwendung eines Big-Data-Frameworks, wie z. B. Hadoop, Apache Spark, Apache Flink oder Gradoop erstellt werden soll.
Im einzelnen sind folgende Teilaufgaben zu lösen:
- Konzeptioneller Entwurf. Es ist ein Entwurfsdokument anzufertigen, welches konzeptionell den Ablauf und die Architektur ihrer Anwendung darstellt. Im Dokument muss ersichtlich werden, welches Ziel verfolgt wird und welche Aufgaben dafür zu bewältigen sind. Das Dokument soll sich vom Umfang auf ca. 4 Seiten beschränken.
- Implementierung. Basierend auf ihrem Entwurf soll die Anwendung realisiert werden. Das Resultat dieser Phase ist ein dokumentiertes, ausführbares Programm.
- Abschlusspräsentation Am Ende des Praktikums stellt jede Gruppe ihr Projekt vor, wobei sie ihre Anwendung beschreibt sowie die Resultate präsentiert. Die Dauer der Präsentation soll ca. 15 Minuten betragen.
Anmeldungen und Präsenzveranstaltungen
- Die Anmeldung zum Praktikum erfolgt über Almaweb.
- Bei Fragen und Problemen zur Anmeldung wenden Sie sich bitte immer an das Studienbüro via einschreibung(at)math.uni-leipzig.de
- Einführungsveranstaltung mit Gruppeneinteilung [Folien]
- Montag 15.04.2019, 11:15 Uhr, Raum S3-14 (Seminargebäude)
- Vorbesprechung
- Erstes Treffen für die Konkretisierung des Themas und die ersten Schritte
- Terminabsprache individuell mit Betreuer.
Testate
Das Praktikum gliedert sich in drei Teile. Nach jeder der drei Teilaufgaben wird ein Testat durchgeführt. Zum erfolgreichen Absolvieren des Praktikums müssen alle drei Testate erfolgreich abgelegt werden. Wird ein Termin nicht eingehalten, verfallen die bereits erbrachten Teilleistungen. Die konkreten Termine für die ersten zwei Testate sind mit dem Betreuer per E-Mail zu vereinbaren. Alle Gruppenmitglieder müssen zu den Testaten anwesend sein und Fragen zum Thema beantworten können. Es gelten die nachfolgenden Fristen:
- Testat 1 (Entwurf): Ende Mai
- Testat 2 (Realisierung): Mitte-Ende Juli
- Testat 3 (Präsentation): Freitag 09.08.2019 um 13:30 Ort: ScaDS (Ritterstr. 9-13 2.OG)
Themen
Bitte vereinbaren Sie zeitnah einen Termin mit Ihrem Betreuer zur Besprechung der ersten Schritte!
Nr. | Thema | Betreuer | Technologie | Matrikelnr. Studierende |
---|---|---|---|---|
– | PPRL | – | – | – |
01 | (Incremental) PPRL on Flink | Franke | Apache Flink, Java | 3758169, 3704254 |
02 | Cryptanalysis for Bloom-Filter-based PPRL | Rohde | Apache Flink, Java | – |
03 | Parallel MP-PPRL | Sehili | Apache Flink, Java | 2863311, 3728224 |
– | Graphs | – | – | – |
04 | Rollup Querying of Ontology Graphs | Christen | Apache Flink, Gradoop | – |
05 | Processing and Visualization of Graph Streams | Rost | Apache Flink | 3744131, 3755286 |
06 | Distributed Graph Sampling using Forest Fire | Gomez | Apache Flink / Gelly / Pregel / Gradoop | – |
07 | Representation Learning for Gradoop | Obraczka | Apache Flink, Gradoop | 3755198 |
08 | Determination of connectivity in graphs | Täschner | Apache Flink / Gradoop | 3709901 |
– | Other | – | – | – |
09 | Contour Detection from Aerial Imagery for OpenStreetMap | Nentwig | JOSM Plugin (Java), TensorFlow (Python,C++) | 3727600, 3739061 |
10 | Tweets To Political Sentiments | Zschache | Apache Flink Streaming/Kafka Streams, Neo4j | 3742778, 3263866 |
11 | Traffic Analysis with Deep Learning | Wilke | – | 3743775, 3716812 |
12 | Integration of an ETL Process in Apache Airflow | Alkhouri | Apache Airflow | 3705682, 3713674 |
13 | Security Information and Event Management | Grimmer | Docker, Sysdig, ElasticSearch | 3478869, 3740164 |
14 | Face Recognition | Peukert | – | 3341134, 1181986 |
Teilnehmerkreis
Master-Studiengänge Informatik. Die Teilnahme erfolgt in 2er-Gruppen, die Teilnehmerzahl ist auf ca. 20 Studierende beschränkt!. Die endgültige Vergabe der Praktikumsplätze erfolgt im Rahmen der Einführungsveranstaltung! Zu beachten ist, dass Studenten, die das Big-Data-Praktikum noch nicht belegt haben, bevorzugt werden.
Erwartete Vorkenntnisse
- Java-Kentnisse
- Vorlesung Cloud Data Management und NoSQL-Datenbanken hilfreich
- Linux-Kenntnisse von Vorteil
- Git-Kenntnisse von Vorteil