Wissensextraktion
Pflichtmodul im 1. Fachsemester
Voraussetzung
- Grundkenntnisse in Informatik
- Grundkenntnisse in Programmierung
- Grundkenntnisse in der Mathematik
Inhalt
Zunächst werden die Grundprinzipien des Data Mining, die 7 Wissensextraktion mittels Data Mining erläutert. Es wird Data Mining über strukturierten, semi-strukturierten und unstrukturierten Daten diskutiert. Es wird der klassische Ablauf einer Datenanalyse vorgestellt: Datenvorverarbeitung, Analyse, Interpretation. Verschiedene Verfahrensklassen des Data Mining (Klassifikation, Vorhersage, Clustering, Assoziationsregeln) werden anhand typischer Probleme in einem Unternehmen eingeführt. Dies schließt sowohl klassische DM-Verfahren als auch Künstliche Neuronale Netze (hier insbesondere Architekturen, Lernverfahren, typische Anwendungen wie Mustererkennung, Klassifikation, Clustering, Prognose) ein. Ein Schwerpunkt ist die Datenvorverarbeitung. Anhand realer Daten werden alle Teilthemen behandelt.
Literatur
- Witten, Ian H.; Frank, Eibe: Data Mining. Hanser Verlag, aktuelle Auflage.
- Cleve, J. , Lämmel, U.: Data Mining, DeGruyter, 2016.
Dozent
2 SWS Vorlesung
0 SWS Seminaristische Übung
0 SWS Übung
2 SWS Praktikum
Prüfung
120 min. schriftlich
oder 20 min. mündlich
Wert
5 Credits