Low-latency big data visualisation
Tan Jerome, Nicholas
Abstract:
Diese Arbeit hat sich zum Ziel gesetzt, Methoden aufzuzeigen, „Big-Data“-Archive zu organisieren und zentrale Elemente der enthaltenen Informationen zu visualisieren. Anhand von drei wissenschaftlichen Experimenten werde ich zwei „Big-Data“- Herausforderungen, Datenvolumen (Volume) und Heterogenität (Variety), untersuchen und eine Visualisierung im Browser präsentieren, die trotz reduzierter Datenrate die wesentliche Information in den Datensätzen enthält.
Abstract (englisch):
The scope of this research focuses on managing Big Data and eventually visualising the core information of the data itself. Specifically, I study three large-scale experiments that feature two Big Data challenges: large data size (Volume) and heterogeneous data (Variety), and provide the final visualisation through the web browser in which the size of the input data has to be reduced while preserving the vital information.
| Zugehörige Institution(en) am KIT | Institut für Prozessdatenverarbeitung und Elektronik (IPE) |
| Publikationstyp | Hochschulschrift |
| Publikationsjahr | 2019 |
| Sprache | Englisch |
| Identifikator | ISBN: 978-3-7315-0940-0 KITopen-ID: 1000095735 |
| HGF-Programm | 54.02.02 (POF III, LK 01) Ultraschnelle Datenauswertung |
| Verlag | KIT Scientific Publishing |
| Umfang | VII, 221 S. |
| Art der Arbeit | Dissertation |
| Fakultät | Fakultät für Elektrotechnik und Informationstechnik (ETIT) |
| Institut | Institut für Prozessdatenverarbeitung und Elektronik (IPE) |
| Prüfungsdatum | 07.05.2019 |
| Schlagwörter | Big Data, Datenmanagement, Visualisierung, Digitale Bibliothek, niedrige Latenzzeit, Big Data, Data Management, Visualisation, Digital Library, Low-latency |
| Referent/Betreuer | Weber, M. |