MLU
Vorlesung: Datenbanken IIA: Datenbank-Entwurf - Details
Sie sind nicht in Stud.IP angemeldet.

Allgemeine Informationen

Veranstaltungsname Vorlesung: Datenbanken IIA: Datenbank-Entwurf
Untertitel http://www.informatik.uni-halle.de/~brass/dd08/
Semester SS 2008
Aktuelle Anzahl der Teilnehmenden 2
erwartete Teilnehmendenanzahl 40
Heimat-Einrichtung Leitung des Instituts für Informatik
beteiligte Einrichtungen Institut für Informatik, Praktische Informatik (Datenbanken)
Veranstaltungstyp Vorlesung in der Kategorie Offizielle Lehrveranstaltungen
Erster Termin Dienstag, 08.04.2008 10:15 - 11:45
Voraussetzungen Erfolgreiche Teilnahme an Datenbanken I oder äquivalente Kenntnisse.
Studiengänge (für) Informatik, Bioinformatik, Wirtschaftsinformatik
SWS 2+2

Räume und Zeiten

Keine Raumangabe
Dienstag: 10:15 - 11:45, wöchentlich(15x)
Dienstag, 29.07.2008 10:00 - 12:00
Dienstag, 29.07.2008 10:00 - 12:00
Dienstag, 30.09.2008 10:00 - 12:00
(5.09, 5.10)
Dienstag, 30.09.2008 10:00 - 12:00

Studienbereiche

Kommentar/Beschreibung

Lernziele:
- Die Teilnehmer sollten ein Datenbank-Schema auch für größere Anwendungen erstellen können.
- Die Teilnehmer sollten Korrektheit und Qualität von Datenbank-Schemata bewerten können, sowie alternative Lösungen vergleichen können.
- Die Teilnehmer sollten einen Eindruck davon haben, wie sich der Datenbank-Entwurf in ein Gesamtprojekt der Anwendungsentwicklung einbettet.
- Die Teilnehmer sollten praktische Erfahrung im Umgang mit mindestens einem Entwurfswerkzeug gewinnen (z.B. Oracle Designer, Sybase PowerDesigner, CA ERwin)

Inhalt:
- Datenbank-Projekte: Übersicht, Probleme, Phasenmodelle, Risiken
- Fortgeschrittener Entity-Relationship-Entwurf, Alternative ER-Notationen
- CASE-Tools für Datenbank-Projekte am Beispiel von Oracle Designer und eventuell Sybase PowerDesigner (nur ER-Entwurf, Logischer Entwurf)
- Logischer Entwurf, Reverse Engineering
- UML-Klassendiagramme für den Datenbank-Entwurf
- Relationale Normalformen für Fortgeschrittene
- Modellierungs-Techniken (sofern Zeit): Generische Modelle, Zeitabhängige Daten, Top-Down-Verfeinerung, Sichten-Integration