Lernmaterialien für Big Data an der Duale Hochschule Baden-Württemberg

Greife auf kostenlose Karteikarten, Zusammenfassungen, Übungsaufgaben und Altklausuren für deinen Big Data Kurs an der Duale Hochschule Baden-Württemberg zu.

TESTE DEIN WISSEN

Big Data ist ein Sammelbegriff für...?

Lösung anzeigen

TESTE DEIN WISSEN

Technologien die für eine neue Ära digitaler Kommunikation stehen
in sozialer Hinsicht für einen gesellschaftlichen Umbruch verantwortlich gemacht werden
oft auch der Komplex der Technologien beschrieben, die zum Sammeln und Auswerten verwendet werden

Lösung ausblenden

TESTE DEIN WISSEN

Quellen von gesammelten Daten:
(5 Beispiele)

Lösung anzeigen

TESTE DEIN WISSEN

Überwachungssysteme
Sensordaten des Smartphones
Kraftfahrzeuge
Smart Home (vernetzte Technik im Haus)
von Behörden und Unternehmen erhobene/gesammelte Daten

Lösung ausblenden

TESTE DEIN WISSEN

Was sind strukturierte Daten?
Vorteile?

Nachteile?

Lösung anzeigen

TESTE DEIN WISSEN

Strukturierte Daten:

Daten in einem vorgegebenen Format
Schema-on-Write (strukturiert vor abspeichern)
Beispiel: Relationale Datenbank

Vorteile:

Machine-Learning-Algorithmen einfach nutzbar von strukturierten Daten
Für Geschäftsanwender einfach nutzbar wenn man sich mit Thema auskennt, Zusammenhänge der Daten
Besserer Zugriff auf mehr Tools: Verwendung und Analyse wurden erprobt und getestet

Nachteile:

Vordefinierter Zweck schränkt Verwendungsmöglichkeiten ein
Begrenzte Speicheroptionen, meistens Data-Warehouses

Lösung ausblenden

TESTE DEIN WISSEN

Was sind unstrukturierte Daten?
Vorteile?
Nachteile?

Lösung anzeigen

TESTE DEIN WISSEN

Natives Format.
Können erst bearbeitet werden, wenn sie verwendet werden.
Schema-on-Read
Mails/Media-Posts/Präsentationen

Vorteile:

Freiheit des nativen Formats
Schnellere Datenanhäufung
Data-Lake-Storage

Nachteile:

Know-How ist notwendig um Daten zu verstehen
Data-Science-Know-How notwendig um Daten aufbereiten und analysieren zu können.
Spezielle Tools notwendig

Lösung ausblenden

TESTE DEIN WISSEN

Gegenüberstellung:
Strukturierte vs. unstrukturierte Daten

Lösung anzeigen

TESTE DEIN WISSEN

Format: Strukturierte Daten hochspezifisch in vordefinierten Format, unstrukturierte Daten viele verschiedene Datentypen

Speicherung: Strukturierte Daten in Data-Warehouses, unstrukturierte in Data Lakes

Know-How: Strukturierte Daten durchschnittlicher Geschäftsanwender genutzt, unstrukturiert Data-Science-Know-how erforderlich

Lösung ausblenden

TESTE DEIN WISSEN

Semistrukturierte Daten

Lösung anzeigen

TESTE DEIN WISSEN

Unstrukturierte Daten + Metadaten

Mit Metadaten lässt sich eine effizientere Katalogisierung erzeugen.

Beispiel:

CRM-Tabellen

Lösung ausblenden

TESTE DEIN WISSEN

Big Data Computing

Lösung anzeigen

TESTE DEIN WISSEN

Computermodelle und Werkzeuge zur Verarbeitung von sehr großen, zeitkritischen, unstrukturierten Daten.

Lösung ausblenden

TESTE DEIN WISSEN

Cloud Computing

Lösung anzeigen

TESTE DEIN WISSEN

Lösung von Big Data Computing.

Senkt die Kosten
Große Palette an Anwendungen für kleinere Unternehmen

Lösung ausblenden

TESTE DEIN WISSEN

Big Data Analytics

Lösung anzeigen

TESTE DEIN WISSEN

Große Datenmengen zu verstehen und eine Erkenntnis daraus zu gewinnen.

Muster und Trends entdecken.

Lösung ausblenden

TESTE DEIN WISSEN

Hadoop-Software

Lösung anzeigen

TESTE DEIN WISSEN

Hochleistungscomputerleistung (warum die Dopplung?)

Lösung ausblenden

TESTE DEIN WISSEN

Rohdatenverarbeitung

Lösung anzeigen

TESTE DEIN WISSEN

Benötigt wird:

KI
Data Mining

Lösung ausblenden

TESTE DEIN WISSEN

Für was steht Big Data?

Lösung anzeigen

TESTE DEIN WISSEN

Große, komplexe, schnellebige, schwach strukturierte Datenmengen
Nicht mit manuellen, herkömmlichen Methoden auszuwerten

Lösung ausblenden

267997 Karteikarten
4808 Studierende
218 Lernmaterialien

Jetzt loslegen

Beispielhafte Karteikarten für deinen Big Data Kurs an der Duale Hochschule Baden-Württemberg - von Kommilitonen auf StudySmarter erstellt!

Big Data ist ein Sammelbegriff für...?

Technologien die für eine neue Ära digitaler Kommunikation stehen
in sozialer Hinsicht für einen gesellschaftlichen Umbruch verantwortlich gemacht werden
oft auch der Komplex der Technologien beschrieben, die zum Sammeln und Auswerten verwendet werden

Quellen von gesammelten Daten:
(5 Beispiele)

Überwachungssysteme
Sensordaten des Smartphones
Kraftfahrzeuge
Smart Home (vernetzte Technik im Haus)
von Behörden und Unternehmen erhobene/gesammelte Daten

Was sind strukturierte Daten?
Vorteile?

Nachteile?

Strukturierte Daten:

Daten in einem vorgegebenen Format
Schema-on-Write (strukturiert vor abspeichern)
Beispiel: Relationale Datenbank

Vorteile:

Machine-Learning-Algorithmen einfach nutzbar von strukturierten Daten
Für Geschäftsanwender einfach nutzbar wenn man sich mit Thema auskennt, Zusammenhänge der Daten
Besserer Zugriff auf mehr Tools: Verwendung und Analyse wurden erprobt und getestet

Nachteile:

Vordefinierter Zweck schränkt Verwendungsmöglichkeiten ein
Begrenzte Speicheroptionen, meistens Data-Warehouses

Was sind unstrukturierte Daten?
Vorteile?
Nachteile?

Natives Format.
Können erst bearbeitet werden, wenn sie verwendet werden.
Schema-on-Read
Mails/Media-Posts/Präsentationen

Vorteile:

Freiheit des nativen Formats
Schnellere Datenanhäufung
Data-Lake-Storage

Nachteile:

Know-How ist notwendig um Daten zu verstehen
Data-Science-Know-How notwendig um Daten aufbereiten und analysieren zu können.
Spezielle Tools notwendig

Gegenüberstellung:
Strukturierte vs. unstrukturierte Daten

Format: Strukturierte Daten hochspezifisch in vordefinierten Format, unstrukturierte Daten viele verschiedene Datentypen

Speicherung: Strukturierte Daten in Data-Warehouses, unstrukturierte in Data Lakes

Know-How: Strukturierte Daten durchschnittlicher Geschäftsanwender genutzt, unstrukturiert Data-Science-Know-how erforderlich

Mehr Karteikarten anzeigen

Semistrukturierte Daten

Unstrukturierte Daten + Metadaten

Mit Metadaten lässt sich eine effizientere Katalogisierung erzeugen.

Beispiel:

CRM-Tabellen

Big Data Computing

Computermodelle und Werkzeuge zur Verarbeitung von sehr großen, zeitkritischen, unstrukturierten Daten.

Cloud Computing

Lösung von Big Data Computing.

Senkt die Kosten
Große Palette an Anwendungen für kleinere Unternehmen

Big Data Analytics

Große Datenmengen zu verstehen und eine Erkenntnis daraus zu gewinnen.

Muster und Trends entdecken.

Hadoop-Software

Hochleistungscomputerleistung (warum die Dopplung?)

Rohdatenverarbeitung

Benötigt wird:

KI
Data Mining

Für was steht Big Data?

Große, komplexe, schnellebige, schwach strukturierte Datenmengen
Nicht mit manuellen, herkömmlichen Methoden auszuwerten

Erstelle und finde Lernmaterialien auf StudySmarter.

Greife kostenlos auf tausende geteilte Karteikarten, Zusammenfassungen, Altklausuren und mehr zu.

Jetzt loslegen

Select your language

Lernmaterialien für Big Data an der Duale Hochschule Baden-Württemberg

Beispielhafte Karteikarten für deinen Big Data Kurs an der Duale Hochschule Baden-Württemberg - von Kommilitonen auf StudySmarter erstellt!

Erstelle und finde Lernmaterialien auf StudySmarter.

Das sind die beliebtesten StudySmarter Kurse für deinen Studiengang Big Data an der Duale Hochschule Baden-Württemberg

Physik

Echtzeitsysteme/PA1 (Wahl)

Verteilte Systeme

Rechnerarchitektur

Maschinelles Lernen

Semester 5

Internet of Things

Social Engineering

IT-Sicherheit

Semester 6

Das sind die beliebtesten Big Data Kurse im gesamten StudySmarter Universum

Big Data Leon

Big Data & Data Science

Big Dataaaaa

big data

Die all-in-one Lernapp für Studierende

Greife auf Millionen geteilter Lernmaterialien der StudySmarter Community zu

Erstelle Karteikarten und Zusammenfassungen mit den StudySmarter Tools