• Angewandte Informatik – Master

• Grundkenntnisse in Informatik
• Grundkenntnisse in Programmierung
• Grundkenntnisse in der Mathematik

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.

• Witten, Ian H.; Frank, Eibe: Data Mining. Hanser Verlag, aktuelle Auflage.
• Cleve, J. , Lämmel, U.: Data Mining, DeGruyter, 2016.