Time: Donnerstag, 5. und 6. DS (14:50 bis 16:20 und 16:40 bis 18:10)
Location: APB/3105
Quantity: 2V/2Ü/0P
Language: Deutsch; Folien in Englisch / German; Slides in English
Modules: INF-B-510, INF-B-520, INF-B-530, INF-B-540, INF-BAS4, INF-PM-FOR, INF-VERT4, IST-05-FG-AVS, MINF-04-FG-IAS, INF-04-FG-AVS

News

  • Die zweite Vorlesung am 18.10.18 findet als Präsenzveranstaltung im Raum APB/3105 statt.
  • Zugangsdetails zur Onlinevorlesung wurden den Einführungsfolien hinzugefügt. In der zweiten Vorlesung am 18.10.18 wird Zeit sein, den Zugang zur Onlinevorlesung zu testen. Bitte bringt Eure Rechner mit.
  • Die erste Vorlesung findet Donnerstag, den 11.10.18 um 14:50 (5. DS) im Raum APB/3105 statt.
  • Die Vorlesungen am 17.01.19 und 24.01.19 werden aufgezeichnet online gestellt und nicht live gehalten. Fragen können gern per E-Mail gestellt werden.
  • Die Prüfung findet in mündlicher Form statt. Vorgesehene Prüfungstage sind aktuell der 08.02.2019 und 18.03.19. Konkrete Termine sind mit Frau Ulrike Schöbel zu vereinbaren.
  • Der 12.03.2019 steht als zusätzlicher Prüfungstag zur Auswahl.

Ziele

Bei der analytischen Auswertung von Datenbeständen stehen zunehmend die Beziehungen zwischen Entitäten und die Netzwerke, welche sich daraus bilden, im Mittelpunkt. Das mathematische Konzept des Graphen – ein Netz von Knotenobjekten die durch Kanten verbunden sind – bietet dafür eine intuitive Repräsentationsform. Viele Diskursbereiche wie zum Beispiel soziale Netzwerke, Lieferketten oder Straßennetze lassen sich sehr natürlich in Graphen darstellen. So nehmen Graphdaten inzwischen einen wichtigen Platz in der Datenverwaltung und -analyse neben herkömmlich relational strukturierten Daten ein.
Die Vorlesung gibt eine umfassende Einführung in die Grundlagen der Graphdatenverwaltung und einen Ausblick auf Graphdatenanalyse. Zur Graphdatenverwaltung werden Graphdatenmodelle, die wichtigsten Speicherstrukturen, Anfragetypen, Verarbeitungsprimitive und Algorithmen behandelt. Zusätzlich gibt es eine Einführung in die Arbeit mit dem Graphdatenbanksystemen Neo4j und Blazegraph. Zur Graphdatenanalyse werden ausgewählte Analysemethoden vorgestellt, die auf der Graphsicht basieren und für die Auswertung von Netzwerke entwickelt wurden. Zusätzlich gibt es eine Einführung in ausgewählte Analyseplattformen für die Auswertung großer Graphdaten. Die Vorlesung vermittelt damit theoretisches und praktisches Basiswissen für den Umgang mit Graphdaten.

Durchführung

Die Vorlesung wird größtenteils online über das Internet gehalten (Onlineveranstaltung). Die erste Vorlesungsveranstaltung findet jedoch als Präsenzveranstaltung am Donnerstag, den 11.10.18 um 14:50 (5. DS) vor Ort im Raum APB/3105 statt und dient der Einführung ins Thema und Erläuterung der Details des Vorlesungsablaufes. Die folgenden Vorlesungen werden dann als Onlineveranstaltungen immer Donnerstags um 14:50 und 16:40 (5. und 6. DS) durchgeführt.
Die Übung wird durchweg als Präsenzveranstaltung immer Donnerstags um 14:50 und 16:40 (5. und 6. DS) im Raum APB/3105 durchgeführt.

Vorlesungen und Übungen werden über das Semester hinweg geblockt. Vorbehaltlich möglicher Änderung heißt das:

  • 11.10.18: Einführung (5. DS), keine Übung, Präsenzveranstaltung
  • 18.10.18: Vorlesung (5. DS), Übung (6. DS), Präsenzveranstaltung
  • 25.10.18–15.11.18: nur Vorlesung (5. DS und 6. DS), Onlineveranstaltungen
  • 22.11.18–10.01.19: nur Übung (5. DS und 6. DS), Präsenzveranstaltung
  • 17.01.19–24.01.19: nur Vorlesung (5. DS und 6. DS), Onlineveranstaltungen
  • 31.01.19: Konsultation (5. DS), Auswertung Twitter Troll Projekt, Präsenzveranstaltung

Vorlesungen

Teil Titel Folien/Material
1 Introduction PDF
2 Graph Data Models PDF
3 Neo4j Cypher PDF, Aufzeichnung
4 Graph Querying PDF, Aufzeichnung 1, Aufzeichnung 2
5 SPARQL PDF, Aufzeichnung
6 Construction and Aggregation PDF, Aufzeichnung
7 Storage Structures PDF, Aufzeichnung
8 Subgraph Matching Algorithms PDF, Aufzeichnung
9 Path Matching Algorithms PDF, Aufzeichnung
10 Community Analytics PDF, Aufzeichnung
11 Frequent Subgraph Mining PDF, Aufzeichnung
12 Influence Analytics (selbststudium) PDF
13 Distributed Graph Processing PDF