Klausureinsicht am 19.10.06 von 14:15 bis 15:00 in Raum 0443.
Erster Veranstaltungstag:
Dienstag, 18. April 2006 in Raum -1607
Ort und Zeit:
Dienstags, 10.15 h – 11.45 h, in Raum 0443 (ab 9.5. nicht mehr -1607)
Übungen:
Donnerstags, 08.30 h – 10.00 h, in Raum 2104 (ab der 2. Übung in 0443)
Vorkenntnisse:
Informatik Grundstudium
Angesprochener HörerInnenkreis:
Inf. 4. Sem., Math. NF Inf. Hauptstudium
Leistungsnachweis:
mündliche Prüfung oder Klausur, je nach Teilnehmerzahl
Veranstalter:
Dr. Andreas Hotho, 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 durch die Teilnahme an 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:
- Kap1.pdf
- Kap2.pdf
- Kap3.pdf
- Kap4.pdf
- Kap5.pdf
- Kap5_SVM-Update.pdf
- Kap6.pdf
- Kap7.pdf
- Kap8.pdf
- Kap9.pdf
Übungsaufgaben:
Lösungsvorschläge: