Module Import 04WI2008 - Data Mining 1

Status: (discontinued) Published
Workload6 ECTS = 180 hrs
Credits, Weight6 ECTS, (n.s.)
Language of Instruction German or English
Semester (n.s.)
Duration1 Sem.
M/E Elective
Courses
Course No. Type Name MA/EL Workload Credits Contact Hours Selfstudy Group Size
04WI2008-1 Lecture Data Mining 1 (n.s.) 3 ECTS = 90 hrs - 2 hrs/week = 30 hrs 60 hrs (n.s.)
04WI2008-2 Seminar/Exercise Data Mining 1 (n.s.) 3 ECTS = 90 hrs - 2 hrs/week = 30 hrs 60 hrs (n.s.)
Learning Outcomes

Das Modul gibt einen Einblick in ein aktuelles, stark expandierendes Forschungs- und Anwendungsfeld, das sich mit der Entwicklung und Anwendung von Methoden und Softwaresystemen zur Extraktion von Informationen aus großen Datenmengen befasst.

Hintergrund hierfür ist das enorme Anwachsen digital verfügbarer Daten (u.a. Kundendaten, POS-Daten, elektronische Akten, Kommunikationsprotokolle, GPS-Daten), verursacht insbesondere durch den hohen Anstieg an Digitalisierung von Transaktionen in Wirtschaft, Wissenschaft und Verwaltung. Verstärkt wird diese Entwicklung durch die breite Nutzung des Internets, durch die auch andere gesellschaftliche Bereiche "auswertbare" Daten produzieren (z.B. Soziale Netzwerke, (Mikro-)Blogs).

Die Aufbereitung und Extraktion ,,nützlicher'' Informationen aus diesen sehr großen Datenmengen, hat insbesondere zur Entwicklung neuer Analysemethoden und -werkzeuge geführt, wie zum Beispiel aus dem Bereich des maschinellen Lernens (Neuronale Netze, Entscheidungsbäume, etc.), mit denen die klassischen Methoden der Statistik (Clusteranalyse, Diskriminanzanalyse etc.) ergänzt und erweitert werden.

Content

(not specified)

04WI2008-1 - Data Mining 1
  1. Grundlagen des Data Mining, Data Mining <-> Statistik, Big Data
  2. Prozessmodelle des Data Mining (insbes. CRISP-DM)
  3. Data Mining & Data Warehouse(Business Intelligence
  4. Data Mining Understanding (-> Deskriptive Statistik)
  5. Datenvorverarbeitung
  6. Modellierung (Data Mining Methoden)
    • Segmentierung (u.a. Clusteranalyse/Self-Organizing Maps)
    • Link Analysis (u.a. Assoziationsregeln/Sequence Detection)
    • Klassifikation (u.a. Entscheidungsbäume/Diskriminanzanalyse/Logistische Regression/Feedforward Back-propagation Nets
    • Text Mining
  7. Weitere Themen (Data Mining <-> Datenschutz, Visual Analytics, ...)
Teaching Methods

(not specified)

Prerequisites

Grundlegene Kenntnisse sowohl über den empirischen Forschungsprozess als auch über Methoden der deskriptiven Statistik (z.B. univariat, bivariat, multivariat) und Inferenzstatistik

Examination Methods

Übungen (z.T. Einbeziehung in die Gesamtpunktzahl) + Klausur

Credit Requirements

(not specified)

References

(not specified)

04WI2008-1 - Data Mining 1

M. Berry, G. Linoff, Data Mining Techniques, Wiley, New York 2005

U. Fayyad, u.a., Advances in Knowlege Discovery and Data Mining, AAAI Press/The MIT Press, Menlo Park 1996

I. Witten, E. Frank, Data Mining, Morgan Kaufmann, San Francisco 2004

Data Mining Portal: kdnuggets, http://www.kdnuggest.com

ACM Special Interest Group on Knowledge Discovery in Data and Data Mining (SIGKDD), http://www.acm.org/sigkdd

Responsible / Organizational Unit
Möhring, Michael / Institute for IS Research
Additional Information

(not specified)

Last change
Apr 24, 2018 by Frey, Johannes
Last Change Module
Aug 1, 2014 by Frey, Johannes