Knowledge Discovery (Vorlesung)

Erster Veranstaltungstag:

Dienstag, 17. April 2007, 10:15 in Raum 0443

Ort und Zeit:

Dienstags, 10.15 h – 11.45 h, in Raum 0443

Übungen:

Mittwochs, 10.00 h – 11.30 h, in Raum 0443. Beginn 26. April

Vorkenntnisse:

Informatik Grundstudium

Angesprochener HörerInnenkreis:

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

Leistungsnachweis:

mündliche Prüfung oder Klausur, je nach Teilnehmerzahl

Veranstalter:

Prof. Dr. Gerd Stumme, Dipl.-Math. Robert Jäschke

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 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

Errata:

• Auf Folie 14 von Kap. 5 muss in der vierten Zeile “die keine Nachfolger sind” durch “die keine Vorgänger sind” ersetzt werden.

Folien:

• Kap1.pdf
• 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
• Kap6_Teil2_Datenauswahl.pdf
• Kap7_AndereParadigmen.pdf
• Kap8_BesondereDatentypen.pdf

Übungsaufgaben:

• Übung 2 (Praxisübung)
• Übung 3
• Übung 4
• Praxisübung zur 4. Übung
• Übung 5
• Übung 6
• Übung 7
• Übung 8
• Übung 9
• Übung 10
• Übung 11
• Übung 12
• Übung 13