Intern

    Data Mining

    Die Vorlesung gibt einen Überblick über die Wissensgewinnung aus (strukturierten) Daten. Dazu gehören unter anderem:

       

    • Vorverabeitungstechniken
    •  

    • OLAP-Analyse & Data-Warehousing
    •  

    • Clustering (k-means, k-medoids, DBSCAN, OPTICS)
    •  

    • Klassifikation (k-Nearest-Neighbor, Bayes, Entscheidungsbaum, Support Vector Machine; Bagging, Boosting, z. B. Random Forest, AdaBoost)
    • NEU: Regressionsanalyse (Linear Regression, Logisitic Regression)
    • Assoziationsregellernen (Aprioiri, FP-Growth)
    •  

    • Subgruppenentdeckung (wird ggf. durch eine Einführung in Deep Learning ersetzt TBA)
    •  

    Organisatorisches

       

    • Vorlesung:
      Di, 12:15 - 13:45
      Informatik - Übungsraum II
      Erster Veranstaltungstag: 19.04.2016
    •  

    • Übung:
      Do, 14:15 - 15:45
      Informatik - Übungsraum II
      Do, 16:15 - 17:45
      Informatik - Seminarraum 3
      Erster Veranstaltungstag: 28.04.2016
    •  

    • WueCampus-Kurs: Link zum Kurs
    •  

    • Anmeldung: Eine Anmeldung vor der ersten Vorlesung ist nicht nötig! Die genauen Einschreibemodalitäten werden in der ersten Vorlesungssitzung bekannt gegeben.
    •  

    • Prüfung SS 2016: 12.07.2015 12:30 Zuse
    •  

    • Prüfung WS 2016/17: TBA. Anmeldung über sb@home
    •  

    Literatur

    • Knowledge Discovery in Databases: Techniken und Anwendungen Ester, Martin; Sander, Jörg (2000). (1st ed.) Springer Berlin Heidelberg.
       
    • CRISP-DM 1.0 Step-by-step data mining guide Chapman, Pete; Clinton, Julian; Kerber, Randy; Khabaza, Thomas; Reinartz, Thomas; Shearer, Colin; Wirth, Rudiger (2000).
       
    • Advances in Knowledge Discovery and Data Mining. Fayyad, Usama M.; Piatetsky-Shapiro, Gregory; Smyth, Padhraic; Uthurusamy, Ramasamy (1996).
       

    Weitere Literatur zur Vorlesung

    • OPTICS: Ordering Points To Identify the Clustering Structure. Ankerst, Mihael; Breunig, Markus M.; peter Kriegel, Hans; Sander, Jörg (1999). 49--60.
       
    • Mining Frequent Patterns without Candidate Generation. Han, Jiawei; Pei, Jian; Yin, Yiwen W. Chen, Naughton, J. F., Bernstein, P. A. (eds.) (2000). 1-12.
       
    • Experimental evidence of massive-scale emotional contagion through social networks. Kramer, Adam D. I.; Guillory, Jamie E.; Hancock, Jeffrey T. in Proceedings of the National Academy of Sciences (2014). 111(24) 8788-8790.
       
    • Clustering by means of medoids. Kaufman, Leonard; Rousseeuw, Peter J. (I. : D. Y; editor,, eds.) (1987). 405–416.
       
    • Automatic Subspace Clustering of High Dimensional Data for Data Mining Applications. Agrawal, Rakesh; Gehrke, Johannes; Gunopulos, Dimitrios; Raghavan, Prabhakar (1998). 94--105.
       
    • A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise. Ester, Martin; Kriegel, Hans-Peter; Sander, Jörg; Xu, Xiaowei (1996). 226-231.
       
    Kontakt

    Universität Würzburg
    Sanderring 2
    97070 Würzburg

    Tel.: +49 931 31-0
    Fax: +49 931 31-82600

    Suche Ansprechpartner

    Sanderring Röntgenring Hubland Nord Hubland Süd Campus Medizin