052311 VU Data Mining (2017W)

6.00 ECTS (4.00 SWS), SPL 5 - Informatik und Wirtschaftsinformatik

Prüfungsimmanente Lehrveranstaltung

Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Anmeldung von Sa 09.09.2017 09:00 bis So 24.09.2017 23:59
Abmeldung bis So 15.10.2017 23:59

Details

max. 25 Teilnehmer*innen

Sprache: Englisch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

    
    Donnerstag
    05.10.
    08:00 - 11:15
    Seminarraum 6, Währinger Straße 29 1.OG
    
    Donnerstag
    12.10.
    08:00 - 11:15
    Seminarraum 6, Währinger Straße 29 1.OG
    
    Donnerstag
    19.10.
    08:00 - 11:15
    Seminarraum 6, Währinger Straße 29 1.OG
    
    Donnerstag
    09.11.
    08:00 - 11:15
    Seminarraum 6, Währinger Straße 29 1.OG
    
    Donnerstag
    16.11.
    08:00 - 11:15
    Seminarraum 6, Währinger Straße 29 1.OG
    
    Donnerstag
    23.11.
    08:00 - 11:15
    Seminarraum 6, Währinger Straße 29 1.OG
    
    Donnerstag
    30.11.
    08:00 - 11:15
    Seminarraum 6, Währinger Straße 29 1.OG
    
    Donnerstag
    07.12.
    08:00 - 11:15
    Seminarraum 6, Währinger Straße 29 1.OG
    
    Donnerstag
    14.12.
    08:00 - 11:15
    Seminarraum 6, Währinger Straße 29 1.OG
    
    Donnerstag
    11.01.
    08:00 - 11:15
    Seminarraum 6, Währinger Straße 29 1.OG
    
    Donnerstag
    18.01.
    08:00 - 11:15
    Seminarraum 6, Währinger Straße 29 1.OG
    
    Donnerstag
    25.01.
    08:00 - 11:15
    Seminarraum 6, Währinger Straße 29 1.OG

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Die Vorlesung deckt wesentliche Inhalte des Data Mining und Knowledge Discovery in Databases (KDD).

Fachliche Ziele
- wissenschaftliche Daten analysieren und interpretieren,
- Ergebnisse der Analyse bewerten,
- Skalierbare Lösungen für große Datenmengen auswählen und implementieren,
- Anwender unterstützen und beraten.

Überfachliche Ziele
- Teamarbeit,
- Verbesserung der Programmierkenntnisse,
- Verständnis für Zusammenspiel von Data Mining und anderen Disziplinen.

Art der Leistungskontrolle und erlaubte Hilfsmittel

Aktive Mitarbeit
Bearbeitung von Übungsblättern
Bearbeitung von Programmieraufgaben in Gruppen
Gegenseitige Beurteilung
Abschlusstest

Mindestanforderungen und Beurteilungsmaßstab

Teilnahmevoraussetzung: FDA oder Nachweis von entsprechenden Vorkenntnissen
FDA: 052300 VU Foundations of Data Analysis

20% Übungsblätter
40% Programmierübungen im Team, sowie gegenseitige Beurteilung
40% Abschlusstest
Anwesenheit ist Pflicht

>87,00 % 1
zwischen 75,00 % und 86,99 %: 2
zwischen 63,00 % und 74,99 %: 3
zwischen 50,00 % und 62,99 %: 4
< 50% : 5

Prüfungsstoff

- Feature selection
- Dimensionality reduction
- Clustern von Hochdimensionalen Daten (Subspace Clustering)
- Similarity learning,
- Large Object Cardinalities
- Distributed and Parallel Data Mining
- Privacy Preserving Data Mining
- Sampling and Summarization
- Similarity learning
- Micro-Clustering
- Datastreams (Clustering/Classification)
- Ensables and Multiview-Learning

Literatur

Han J., Kamber M., Pei J. Data Mining: Concepts and Techniques
Tan P.-N., Steinbach M., Kumar V. Introduction to Data Mining
Ester M., Sander J. Knowledge Discovery in Databases: Techniken und Anwendungen

Zuordnung im Vorlesungsverzeichnis

Module: DM

Letzte Änderung: Mo 07.09.2020 15:30