050151 VU Methoden der Datenanalyse (2011W)

3.00 ECTS (2.00 SWS), SPL 5 - Informatik und Wirtschaftsinformatik

Prüfungsimmanente Lehrveranstaltung

Moodle

Details

max. 25 Teilnehmer*innen

Sprache: Deutsch

Lehrende

Marcus Hudec

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