Kursinformationen

Dieser Kurs im LSF! Letztes Update: 21. Nov 2009 -- 0:00

Dozenten

Dr. Florian Mansmann
Slava Kisilevich

Termine

Vorlesung	Mo	12:00 -	14:00	C 252	wöchentlich
Vorlesung	Di	14:00 -	16:00	C 252	14-tägig
Übung	Mi	12:00 -	14:00	D 247	wöchentlich
Übung	Do	10:00 -	12:00	D 247	wöchentlich

Lehrplan

Information Engineering, BSc
Semester: 3
Information Engineering, MSc
Semester: 1

Kurstyp

Vorlesung

Sprache

englisch

Leistung

SWS: 5
Credits: 8

Leistungsnachweis:

Aktive Teilnahme an den Übungen: mind. 50% der Aufgaben votieren, d.h. sich bereit erklären, seinen Lösungsweg an der Tafel vorzustellen. Schriftliche (120 min) oder mündliche Prüfung über 30 Minuten. Die Note ergibt sich aus der Note der Prüfung.

Prüfung

Anmeldebeginn: 19.10.2009
Anmeldeende: 16.11.2009
Rücktritt bis: 29.01.2010
Prüfer: Dr. Florian Mansmann

Teilnehmer

Erwartet: 30

Kommentar

Die Vorlesung führt in Methoden des Data Mining ein. Dabei liegt der Schwerpunkt auf der Vorstellung grundlegender Ansätze und der Einordnung in verschiedene Problemstellungen

* Data Mining: Problemstellung, Motivation, Anwendungsbeispiele
* Modellbildung: Datengetriebenes Erzeugen von Konzepten, Hypothesendarstellung
* Version Space und Evaluierung von Hypothesen
* Clusterverfahren
* Regression
* Assoziationsregeln

Han J., Kamber M., „Data Mining: Concepts and Techniques“, Morgan Kaufmann Publishers, August 2000.

Ester M., Sander J., „Knowledge Discovery in Databases. Techniken und Anwendungen“, Springer, 2000.

Hand D.J., Mannila H., Smyth P., „Principles of Data Mining“, MIT Press, 2001. 

Mitchell T. M., „Machine Learning“, McGraw-Hill, 1997.

Witten I. H., Frank E., „Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations“, Morgan Kaufmann Publishers, 2000.