Knowledge and Data Engineering
Uni Kassel

Knowledge Discovery (Vorlesung)

Erster Veranstaltungstag:
Dienstag, 20. April 2004 in Raum 1332
Vorlesungen:
Mittwochs, 12 Uhr s.t. in Raum 1332
Übungen:
ab Mittwoch, 12. Mai 2004, wöchentlich um 14 Uhr s.t. in Raum -1606
Vorkenntnisse:
Informatik Grundstudium
Angesprochener HörerInnenkreis:
Inf. Hauptstudium, Math. NF Inf. Hauptstudium
Leistungsnachweis:
mündliche Prüfung oder Klausur, je nach Teilnehmerzahl
Veranstalter:
Prof. Dr. Gerd Stumme, Dipl.-Wi.-Inf. Andreas Hotho
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.
Literatur:
Folien:
  • 1. Einf� KDD PDF-Download PDF-Download (4 in 1)
  • 2. Datenbereitstellung PDF-Download PDF-Download (4 in 1)
  • 3. Vertrautmachen mit den Daten PDF-Download PDF-Download (4 in 1)
  • 4. Datenvorverarbeitung PDF-Download PDF-Download (4 in 1)
  • 6.1 Entscheidungsb�e PDF-Download PDF-Download (4 in 1)
  • 6.2 Induktive Logikprogrammierung PDF-Download PDF-Download (4 in 1)
  • 6.3 Neuronale Netze PDF-Download PDF-Download (4 in 1)
  • 7.1 Clusteranalyse PDF-Download PDF-Download (4 in 1)
  • 7.3 Assoziationsregeln PDF-Download PDF-Download (4 in 1)
  • 7.5 Formale Begriffsanalyse PDF-Download PDF-Download (4 in 1)
  • 7.6 Selforganizing Maps PDF-Download PDF-Download (4 in 1)
  • 8. Evaluierung & Anwendung PDF-Download PDF-Download (4 in 1)
Übungsaufgaben:
Links zu Demos:
Perzeptron http://neuron.eng.wayne.edu/java/Perceptron/New38.html
Funktionsapproximation mit Neuronalen Netzen http://neuron.eng.wayne.edu/bpFunctionApprox/bpFunctionApprox.html
Traveling Salesman basierend auf Self-Organizing Map http://www.patol.com/java/TSP/
Buchstabenerkennung mit Hopfield-Netzen http://www.cs.tcd.ie/Padraig.Cunningham/nds101/Hopfield/Hopfield.htm
Weka Machine Learning Project http://www.cs.waikato.ac.nz/~ml/index.html
Weitere Informationen:
Das Material der letzten KDD-Vorlesung ist zu finden unter http://www.aifb.uni-karlsruhe.de/Lehre/Winter2003-04/kdd/
Kontakt: