Intern
    Lehrstuhl für Informatik VI - Künstliche Intelligenz und Angewandte Informatik

    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)
    •  

    • Assoziationsregellernen (Aprioiri, FP-Growth)
    •  

    • Subgruppenentdeckung
    •  

    Organisatorisches

       

    • Vorlesung:
      Di, 12:15 - 13:45
      Informatik - Übungsraum II
      Erster Veranstaltungstag: 14.04.2015
    •  

    • Übung:
      Do, 14:15 - 15:45
      Informatik - Übungsraum II
      Erster Veranstaltungstag: 23.04.2015
    •  

    • WueCampus-Kurs:
      Kurs
    •  

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

    • Prüfung SS 2015: 22.07.2015 10:15
    •  

    • Prüfung WS 2015/16: 05.10.2015 10:15 (schriftlich) oder 05./06.10.2015 mündlich, je nach Teilnehmerzahl. 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

    Lehrstuhl für Informatik VI (Künstliche Intelligenz und angewandte Informatik)
    Am Hubland
    97074 Würzburg

    Tel.: +49 931 31-86731
    E-Mail

    Suche Ansprechpartner

    Hubland Süd, Geb. M2