050151 VU Methoden der Datenanalyse (2012W)
Prüfungsimmanente Lehrveranstaltung
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Sa 01.09.2012 09:00 bis So 30.09.2012 23:59
- Abmeldung bis Mi 31.10.2012 23:59
Details
max. 25 Teilnehmer*innen
Sprache: Deutsch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Dienstag
02.10.
14:00 - 15:30
PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
Dienstag
09.10.
14:00 - 15:30
PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
Dienstag
16.10.
14:00 - 15:30
PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
Dienstag
23.10.
14:00 - 15:30
PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
Dienstag
30.10.
14:00 - 15:30
PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
Dienstag
06.11.
14:00 - 15:30
PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
Dienstag
13.11.
14:00 - 15:30
PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
Dienstag
20.11.
14:00 - 15:30
PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
Dienstag
27.11.
14:00 - 15:30
PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
Dienstag
04.12.
14:00 - 15:30
PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
Dienstag
11.12.
14:00 - 15:30
PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
Dienstag
18.12.
14:00 - 15:30
PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
Dienstag
08.01.
14:00 - 15:30
PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
Dienstag
15.01.
14:00 - 15:30
PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
Dienstag
22.01.
14:00 - 15:30
PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
Dienstag
29.01.
14:00 - 15:30
PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Einführung in das Data Mining; Lineare Regressionsmodelle; Klassifikation mit Logistischer Regression; Classification Trees; Cluster Analyse; verschiedene Methoden des Supervised und Unsupervised Learnings; praktische Übungen mit R
Art der Leistungskontrolle und erlaubte Hilfsmittel
Mindestanforderungen und Beurteilungsmaßstab
Praxisnahe Vermittlung von Grundkenntnissen des Data Minings; Praktische Übungen an realistischen Datensätzen mit R
Prüfungsstoff
Abschluss-Präsentation der von den Teilnehmern selbst ausgearbeiteten Praktikums-Beispiele
Literatur
Berry, M. & Linoff, G. (2004). Data Mining Techniques 2nd ed. John Wiley & Sons. Han J., KamberM. (2001). Data Mining: Concepts and Techniques. Academic Press. Hand, D., Mannila, H., Smyth P. (2001). Principles of Data Mining. MIT Press. Hastie, T., Tibshirani, R., Friedman, J. (2001). The Elements of Statistical Learning. Springer-Verlag. Witten, I., Frank, E. (2000). Data Mining. Morgan Kaufmann Publishers. Für Teilnehmer an der Lehrveranstaltung gibt es Handouts. Diese Handouts stellen kein eigenständiges Skriptum dar und sind daher für das Selbststudium nur bedingt geeignet.
Zuordnung im Vorlesungsverzeichnis
Letzte Änderung: Mo 07.09.2020 15:30