DS806: Databasesystemer

Det Naturvidenskabelige Studienævn

Undervisningssprog: På dansk eller engelsk afhængigt af underviser, men engelsk ved internationale studerende
EKA: N340064102
Censur: Ekstern prøve
Bedømmelse: 7-trinsskala
Udbudssteder: Odense
Udbudsterminer: Forår
Niveau: Kandidat

STADS ID (UVA): N340064101
ECTS-point: 5

Godkendelsesdato: 01-11-2022


Varighed: 1 semester

Version: Arkiv

Indgangskrav

Dette kursus kan ikke følges af kandidatstuderende på Datalogi. 
Kurset kan ikke følges hvis DM505, DM564 eller DM576 er bestået, eller hvis DM505, DM564 eller DSM576 indgår obligatorisk i din studieordning.

Faglige forudsætninger

Studerende, der følger kurset, forventes at:

  • Have grundlæggende kendskab til progammering.

Formål

Kurset har til formål at give de studerende teoretisk indsigt og praktisk erfaring i at anvende, designe og implementere relationelle databaser og databasesystemer.
Kurset bygger oven på den viden, der er erhvervet i kurset DS800 Introduktion til databehandling.

I forhold til uddannelsens kompetenceprofil har kurset eksplicit fokus på:

  • at give kompetence til at planlægge og designe en relationel database
  • kendskab til strukturerede forespørgsler og manipulation af relationelle databaser
  • anvendelse af en relationel database system til at modellere virkelige data
  • udvikling af færdigheder i programmering af database applikationer
  • identificere egne læringsbehov og strukturere egen læring i forskellige læringsmiljøer

Målbeskrivelse

For at opnå kursets formål er det læringsmålet for kurset, at den studerende demonstrerer evnen til at:

  • designe en passende konceptuel model for en database ud fra en problembeskrivelse.
  • transformere en konceptuel model for en database til en passende relationel model
  • opskrive SQL udtryk for forespørgsler på en relationel database
  • optimere en relationel database gennem brug af ækvivalente SQL-udtryk, samt brug af teorien for normalformer
  • tilgå en database fra et applikationsprogram
  • udnytte forståelsen for opbygning af databasesystemer til at optimere deres anvendelse
  • træffe og begrunde fagligt relaterede beslutninger
  • beskrive, formulere og formidle problemstillinger og resultater til enten fagfæller og ikke-specialister eller samarbejdspartnere og brugere

Indhold

Kurset indeholder følgende faglige hovedområder:

  • relationelle databaser
  • databasedesign (konceptuel datamodellering, normalformer)
  • relationel algebra
  • SQL
  • integration af databaser i applikationer
  • databasesystemer

Litteratur

Se itslearning for pensumlister og yderligere litteraturhenvisninger.

Eksamensbestemmelser

Eksamenselement a)

Tidsmæssig placering

Forår

Udprøvninger

1-dags take-home eksamen

EKA

N340064102

Censur

Ekstern prøve

Bedømmelse

7-trinsskala

Identifikation

Fulde navn og SDU brugernavn

Sprog

Følger, som udgangspunkt, undervisningssprog

Varighed

24 timer

Hjælpemidler

Oplyses på kurset

ECTS-point

5

Uddybende information

Ingen

Reeksamen

Censur

Intern prøve, to eller flere bedømmere

Bedømmelse

7-trinsskala

Identifikation

Studiekort

Sprog

Følger, som udgangspunkt, undervisningssprog

Hjælpemidler

Oplyses forud for prøven

ECTS-point

5

Uddybende information

Mundtlig reeksamen.

Vejledende antal undervisningstimer

42 timer per semester

Undervisningsform

Kurset består af delvist interaktive forelæsninger (22 timer), eksaminatorier (20 timer) og læse- og studieaktiviteter derhjemme eller i studiegrupper.

Ansvarlig underviser

Navn E-mail Institut
Panagiotis Tampakis ptampakis@imada.sdu.dk Institut for Matematik og Datalogi

Skemaoplysninger

Administrationsenhed

Institut for Matematik og Datalogi (datalogi)

Team hos Uddannelsesjura & Registratur

NAT

Udbudssteder

Odense

Anbefalede studieforløb

Profil Uddannelse Semester Udbuds periode
KA Data Science, Economics and Business Administration - optag 1. september 2020 Data Science kandidat | Kandidat i Data Science | Odense 2 E22
KA Data Science, Economics and Business Administration - optag 1. september 2021 og 2022 Data Science kandidat | Kandidat i Data Science | Odense 2 E22
KA Data Science, Economics and Business Administration - optag 1. september 2021, 2022 og 2023 Kandidat Data Science kandidat | Kandidat i Data Science | Odense 2 E23
KA Data Science, Environmental Data Science - optag 1. september 2020 Data Science kandidat | Kandidat i Data Science | Odense 2 E22
KA Data Science, Environmental Data Science - optag 1. september 2021 og 2022 Data Science kandidat | Kandidat i Data Science | Odense 2 E22
KA Data Science, Environmental Data Science - optag 1. september 2021, 2022 og 2023 Kandidat Data Science kandidat | Kandidat i Data Science | Odense 2 E23
KA Data Science, Environmental Data Science - optag 1. september 2022, 2023 og 2024 Kandidat Data Science kandidat | Kandidat i Data Science | Odense 2 E24
KA Data Science, Health Data - optag 1. september 2020 Data Science kandidat | Kandidat i Data Science | Odense 2 E22
KA Data Science, Health Data - optag 1. september 2021 og 2022 Data Science kandidat | Kandidat i Data Science | Odense 2 E22
KA Data Science, Health Data - optag 1. september 2021, 2022 og 2023 Kandidat Data Science kandidat | Kandidat i Data Science | Odense 2 E23
KA Data Science, Human Informatics - optag 1. september 2020 Data Science kandidat | Kandidat i Data Science | Odense 2 E22
KA Data Science, Human Informatics - optag 1. september 2021 og 2022 Data Science kandidat | Kandidat i Data Science | Odense 2 E22
KA Data Science, Human Informatics - optag 1. september 2021, 2022 og 2023 Kandidat Data Science kandidat | Kandidat i Data Science | Odense 2 E23
KA Data Science, ICT Systems - optag 1. september 2020 Data Science kandidat | Kandidat i Data Science | Odense 2 E22
KA Data Science, ICT Systems - optag 1. september 2021 og 2022 Data Science kandidat | Kandidat i Data Science | Odense 2 E22
KA Data Science, ICT Systems - optag 1. september 2021, 2022 og 2023 Kandidat Data Science kandidat | Kandidat i Data Science | Odense 2 E23
KA Data Science, Mediatech - optag 1. september 2023 Kandidat Data Science kandidat | Kandidat i Data Science | Odense 2 E23

Overgangsordninger

Overgangsordninger beskriver, hvordan et kursus erstatter et andet kursus, når der ændres i et studieforløb.
Hvis der er lavet en overgangsordning for et kursus vil den fremgå af oversigten.
Se overgangsordninger for alle kurser på Det Naturvidenskabelige Fakultet.