Knowledge Discovery (Vorlesung)

Erster Veranstaltungstag:

Mittwoch, 22. Oktober 2008, 10:15 in Raum 0443

Ort und Zeit:

Mittwochs, 10.15 h - 11.45 h, in Raum 0443.

Übungen:

Donnerstags, 8.15 h - 9.45 h, in Raum 0443. Beginn 30. Oktober.

Vorkenntnisse:

Informatik Grundstudium

Angesprochener HörerInnenkreis:

Inf. 4. Sem., Math. NF Inf.

Leistungsnachweis:

mündliche Prüfung oder Klausur, je nach Teilnehmerzahl

Veranstalter:

Dr. Andreas Hotho, Prof. Dr. Gerd Stumme

Inhalt:

Die Vorlesung gibt einen Überblick über Verfahren zur Wissensgewinnung aus strukturierten Daten und Texten. Behandelt werden

Techniken zur Vorverarbeitung und Integration von Datenbeständen, wozu das Konzept des Data Warehouse gehört,
OLAP-Techniken für die interaktive Analyse großer Datenbestände,
(halb-)automatische Verfahrung zur Gewinnung neuen Wissens aus strukturierten Daten und Methoden zur Wissensextraktion aus Texten.

Der Schwerpunkt der Vorlesung liegt auf den maschinellen Lernverfahren, deren Anwendung an konkreten Beispielen aufgezeigt wird. Die Vorlesung kann bei Interesse durch die Teilnahme am im folgenden Semester angebotenen Data Mining Cup (Projektseminar, 4 SWS) ergänzt werden.

Literatur:

M. Ester und J. Sander: Knowledge Discovery in Databases: Springer-Verlag, 2000.
U. M. Fayyad, G. Piatetsky-Shapiro, P. Smyth and R. Uthurasamy: Advances in Knowledge Discovery and Data Mining. Cambridge , London . MIT Press, 1996.
CRoss Industry Standard Process for Data Mining (CRISP-DM)
Weitere Links und Referenzen zur KDD-Vorlesung in BibSonomy

Folien:

Einführung
Kap2_Grundlagen.pdf
Kap3_Teil1_Clustering.pdf
Kap3_Teil2_Clustering.pdf
Kap3_Teil3_Begriffsverbaende.pdf
Kap4_Assoziationsregeln.pdf
Kap4_Teil2_Begriffsverbaende2.pdf
Kap5_Klassifikation.pdf
Kap5_Teil2_SVM.pdf
Kap6_Vorverarbeitung.pdf
Kap7_AndereParadigmen.pdf
Kap8_BesondereDatentypen.pdf

Übungsaufgaben:

Hinweise zur Installation von RapidMiner sowie für die Praxisübungen benötigte Dateien finden Sie auf dieser Seite

Die Praxisübungen finden nicht als Teil des regulären Übungsbetriebes statt, sondern sind selbständig zu Hause zu lösen.