n.BA.AD.DaEn.23HS (Data Engineering) 
Module: Data Engineering
This information was generated on: 09 May 2024
No.
n.BA.AD.DaEn.23HS
Title
Data Engineering
Credits
4

Description

Version: 1.0 start 01 August 2023

 

Study Programme Applied Digital Life Sciences
Regulations Applicable RPO, 29 January 2008, School of Life Sciences and Facility Management Academic Regulations, 15 Dec. 2009, Annex for the Bachelor of Applied Digital Life Sciences degree programme
Module Type  
X Compulsory Module    Elective Module    Optional Module
Planned Semester 3rd Semester
Module Coordinator Andreas Weiler
Telephone / E-Mail +41 (0)58 934 41 39 / andreas.weiler@zhaw.ch
Lecturer(s),
Speaker(s),
Associate(s)		 -
Entrance Requirements Datenzentriertes Programmieren
Learning Outcomes and Competencies Fachliche Kompetenzen:
Die Studierenden,
  • kennen die Grundlagen des Data Engineering
  • verstehen wie mittels Data Pipelines die Rohdaten für die spätere Nutzung erhoben, aufbereitet und bereinigt werden, und können solche Pipelines designen und implementieren
  • wissen, wie unstrukturierte Daten verarbeitet und Informationen aus Ihnen gewonnen werden kann
  • können mittels NoSQL Techniken verschiedenste Arten von Daten verarbeiten, abfragen und verfügbar machen
Überfachliche Kompetenzen:
Die Studierenden sind in der Lage,
  • Resultate und Methoden kritisch zu hinterfragen.
  • zu erkennen welche der unzähligen Architekturen und Technologien für welche Daten Probleme eingesetzt werden können
Module Content
  • Einführung
    • Was ist Data Engineering?
    • Data Engineering im breiteren Kontext der Data Science
    • Data (Processing) Pipelines
    • Verschiedene Formen von (Roh-)daten: Big Data, Small Data, Smart Data, …
  • Arbeiten mit Daten
    • Datenformate und Dateiformate (XML, JSON, CSV, ...)
    • Navigieren in XML/JSON-Daten (XPath, JSONPath)
    • Tools
    • Strukturierte vs. unstrukturierte Daten
  • Verarbeitung verschiedenster Datenarten
    • verschiedene NoSQL Lösungen
    • Grundlagen des Information Retrievals
Follow-up Modules Modelling of Complex Systems, Neural Networks
Methods of Instruction  Vorlesung und Übungen
Digital Resources Moodle
Lesson Structure / Workload  
 Contact Hours 56
 Guided Self-Study 14
 Independent Self-Study 50
 Total Workload 120
Classroom Attendance Präsenz wird stark empfohlen, aber nicht mit Präsenzliste durchgesetzt.
Assessment
  • Erfahrungsnote (20% aus 2 Bewerteten Praktika während des Semesters)
  • Abgesetzte schriftliche Modulendprüfung (80%)

If there is a low number of participants, the lecturer may change the form of a repeat examination after consultation with the head of the study programme: e.g. an oral examination can be used to replace a written one. Please report any changes to the form of examinations by e-mail to pruefungsadmin.lsfm@zhaw.ch and Cc. Head of study programme
Language of Instruction  Deutsch
Comments -

 

Course: Data Engineering
No.
n.BA.AD.DaEn.23HS.V
Title
Data Engineering

Note

  • No module description is available in the system for the cut-off date of 09 May 2024.