Modul 63117 Data Mining
Modulinformationen
Das Thema dieses Kurses ist Data Mining, grob übersetzbar mit "Wissensentdeckung in Datenmengen/-banken". Die Bedeutung dieses Themengebiets ist in den letzten Jahren rasant gewachsen. Die Zielsetzung besteht darin, Strukturen, Zusammenhänge sowie Gruppen ähnlicher Objekte in sehr großen Datenmengen zu erkennen und zu bewerten. Der Kurs vermittelt zunächst Kenntnisse zur Vorbereitung von Data-Mining-Methoden hinsichtlich der Charakterisierung (z.B. Klassifizierung von Attributtypen, Visualisierung) und Vorverarbeitung der Daten (etwa durch Eliminierung von Ausreißern, Aggregation oder Normalisierung). Darauf aufbauend, werden verschiedene Techniken zur Mustersuche (z.B. Apriori-Algorithmus), Klassifikation (u.a. Entscheidungsbäume, Klassifikation nach Bayes) und Clusteranalyse (beispielsweise k-Means, DBSCAN) sowie passende Evaluationsmethoden vorgestellt. Zudem erläutert der Kurs, wie komplexere Strukturen, d.h. Datenströme, Textdokumente, Zeitreihen, diskrete Folgen, Graphen sowie Webdaten, analysiert werden können. Ein Kapitel mit praktischen Beispielen in Weka bildet den Abschluss des Kurses.
ECTS | 10 |
---|---|
Arbeitsaufwand | Bearbeiten der Kurseinheiten: 160 Stunden
Bearbeitung der Einsendeaufgaben inkl. Verarbeitung des Korrektur-Feedbacks: 80 Stunden
Wiederholung und Prüfungsvorbereitung, Prüfung: 60 Stunden |
Dauer des Moduls | ein Semester |
Häufigkeit des Moduls | in jedem Semester |
Anmerkung | |
Inhaltliche Voraussetzung | Keine |
Aktuelles Angebot
Prüfungsinformation
M.Sc. Informatik | |
---|---|
Art der Prüfungsleistung | benotete Prüfungsklausur |
Voraussetzung | keine |
Stellenwert der Note | 1/12 |
Formale Voraussetzungen | keine |
M.Sc. Praktische Informatik | |
Art der Prüfungsleistung | benotete Prüfungsklausur |
Voraussetzung | keine |
Stellenwert der Note | 1/8 |
Formale Voraussetzungen | keine |
M.Sc. Data Science | |
Art der Prüfungsleistung | benotete Prüfungsklausur |
Voraussetzung | keine |
Stellenwert der Note | 1/12 |
Formale Voraussetzungen | keine |
B.Sc. Mathematisch-technische Softwareentwicklung | |
Art der Prüfungsleistung | benotete Prüfungsklausur |
Voraussetzung | keine |
Stellenwert der Note | 1/17 |
Formale Voraussetzungen | mindestens 45 von 90 ECTS der Studieneingangsphase sind bestanden |
B.Sc. Informatik | |
Art der Prüfungsleistung | benotete Prüfungsklausur |
Voraussetzung | keine |
Stellenwert der Note | 1/16 |
Formale Voraussetzungen | Wahlmodul I: mindestens 30 von 60 ECTS der Studieneingangsphase sind bestanden; Wahlmodule II-IV: Studieneingangsphase ist abgeschlossen, die Module Grundpraktikum Programmierung, Grundlagen der Theoretischen Informatik und Softwaresysteme sind bestanden |
Download
- Seite Modulhandbuch M.Sc. Informatik
- Seite Modulhandbuch M.Sc. Praktische Informatik
- Seite Modulhandbuch M.Sc. Data Science
- Seite Modulhandbuch B.Sc. Mathematisch-technische Softwareentwicklung
- Seite Modulhandbuch B.Sc. Informatik
- Leseprobe zu Kurs 01660: Data Mining
Ansprechpersonen
Fabio Valdés
mathinf.webteam
| 12.08.2021