050151 VU Methoden der Datenanalyse (2011W)
Prüfungsimmanente Lehrveranstaltung
Labels
Details
max. 25 Teilnehmer*innen
Sprache: Deutsch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Dienstag
11.10.
14:00 - 15:30
(ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
Dienstag
18.10.
14:00 - 15:30
(ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
Dienstag
25.10.
14:00 - 15:30
(ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
Dienstag
08.11.
14:00 - 15:30
(ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
Dienstag
15.11.
14:00 - 15:30
(ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
Dienstag
22.11.
14:00 - 15:30
(ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
Dienstag
29.11.
14:00 - 15:30
(ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
Dienstag
06.12.
14:00 - 15:30
(ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
Dienstag
13.12.
14:00 - 15:30
(ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
Dienstag
10.01.
14:00 - 15:30
(ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
Dienstag
17.01.
14:00 - 15:30
(ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
Dienstag
24.01.
14:00 - 15:30
(ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
Dienstag
31.01.
14:00 - 15:30
(ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
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