Knowledge Discovery
Erster Veranstaltungstag:
Mittwoch, 27. Oktober 2021, 10:15 h.
Ort und Zeit:
Mittwochs, 10.15 Uhr – 11.45 Uhr. Die Vorlesung findet online statt.
Übungen:
Donnerstags, 14.15 Uhr – 15.45 Uhr. Beginn 28. Oktober 2021. Die Übung findet online statt.
Vorkenntnisse:
Informatik Grundstudium
Angesprochener HörerInnenkreis:
Informatik Bachelor, Mathematik Nebenfach
Leistungsnachweis:
Mündliche Prüfung oder Klausur, je nach Teilnehmerzahl
Veranstalter:
Prof. Dr. Gerd Stumme , Dr. Tom Hanika
Links:
Moodle-Link folgt in Kürze.
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: Clustering, Klassifikation, Assoziationsregeln, Subgruppenentdeckung, Formale Begriffsanalyse, weitere Paradigmen.
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