Knowledge Discovery
Erster Veranstaltungstag:
Mittwoch, 23. Oktober 2019, 10:15 h in Raum 0445/E.
Ort und Zeit:
Mittwochs, 10.15 Uhr – 11.45 Uhr, in Raum 0445/E.
Übungen:
Donnerstags, 14.15 Uhr – 15.45 Uhr, in Raum 0445/E. Beginn 24. Oktober 2019.
Vorkenntnisse:
Informatik Grundstudium
Angesprochener HörerInnenkreis:
Informatik Bachelor, Mathematik Nebenfach
Leistungsnachweis:
Mündliche Prüfung oder Klausur, je nach Teilnehmerzahl
Veranstalter:
Links:
Inhalt:
Die Vorlesung gibt einen Überblick über Verfahren zur Wissensgewinnung aus strukturierten Daten und Texten. Der Schwerpunkt der Vorlesung liegt auf den maschinellen Lernverfahren, deren Anwendung an konkreten Beispielen aufgezeigt wird. Behandelt werden außerdem
- 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.
Optionales Praktikum:
Die Vorlesung kann bei Interesse durch die Teilnahme am parallel angebotenen Praktikum Knowledge Discovery (2 SWS) sowie an der im folgenden Semester angebotenen Data Science Competition (Projektseminar, 4 SWS) ergänzt werden.
Literatur:
- M. Ester und J. Sander: Knowledge Discovery in Databases: Springer-Verlag, 2000. (Signatur: 55 inf N 2 EST)
- U. M. Fayyad, G. Piatetsky-Shapiro, P. Smyth and R. Uthurasamy: Advances in Knowledge Discovery and Data Mining. Cambridge , London. MIT Press, 1996. (Signatur: 55 inf N 2.3 ADV)
- CRoss Industry Standard Process for Data Mining (CRISP-DM) (da diese Internetseite zurzeit nicht verfügbar ist, kann dieses Dokument auch hier bezogen werden)
- Weitere Links und Referenzen zur KDD-Vorlesung in BibSonomy