Data Science

Analysetechniken für große Datenbestände

  • Type: Vorlesung (V)
  • Semester: WS 16/17
  • Time: 18.10.2016
    08:00 - 09:30 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten


    18.10.2016
    11:30 - 13:00
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    25.10.2016
    08:00 - 09:30 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    08.11.2016
    08:00 - 09:30 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    15.11.2016
    08:00 - 09:30 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    15.11.2016
    11:30 - 13:00
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    22.11.2016
    08:00 - 09:30 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    29.11.2016
    08:00 - 09:30 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    29.11.2016
    11:30 - 13:00
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    06.12.2016
    08:00 - 09:30 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    13.12.2016
    08:00 - 09:30 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    13.12.2016
    11:30 - 13:00
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    20.12.2016
    08:00 - 09:30 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    27.12.2016
    11:30 - 13:00
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    10.01.2017
    08:00 - 09:30 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    10.01.2017
    11:30 - 13:00
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    17.01.2017
    08:00 - 09:30 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    24.01.2017
    08:00 - 09:30 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    24.01.2017
    11:30 - 13:00
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    31.01.2017
    08:00 - 09:30 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    07.02.2017
    08:00 - 09:30 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    07.02.2017
    11:30 - 13:00
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten


  • Lecturer: Prof.Dr.Ing. Klemens Böhm
  • SWS: 3
  • Lv-No.: 24114
VoraussetzungenDiese Lehrveranstaltung kann nicht belegt werden,Data Mining [2520375] belegt wurde/wird.

Empfehlungen:

Datenbankkenntnisse, z.B. aus der Vorlesung Datenbanksysteme

Literaturhinweise
  • Data Mining: Practical Machine Learning Tools and Techniques (3rd edition): Ian H. Witten, Eibe Frank, mark A. Hall, Morgan Kaufmann Publishers 2011
  • Data Mining: Concepts and Techniques (3rd edition): Jiawei Han, Micheline Kamber, Jian Pei, Morgan Kaufmann Publishers 2011
  • Knowledge Discovery in Databases: Martin Ester, Jörg Sander, Springer 2000
LehrinhaltTechniken zur Analyse großer Datenbestände stoßen bei Anwendern auf großes Interesse. Das Spektrum ist breit und umfasst klassische Branchen wie Banken und Versicherungen, neuere Akteure, insbesondere Internet-Firmen oder Betreiber neuartiger Informationsdienste und sozialer Medien, und Natur- und Ingenieurswissenschaften. In allen Fällen besteht der Wunsch, in sehr großen, z. T. verteilten Datenbeständen die Übersicht zu behalten, mit möglichst geringem Aufwand interessante Zusammenhänge aus dem Datenbestand zu extrahieren und erwartetes Systemverhalten mit dem tatsächlichen systematisch vergleichen zu können. In der Vorlesung geht es sowohl um die Aufbereitung von Daten als Voraussetzung für eine schnelle und leistungsfähige Analyse als auch um moderne Techniken für die Analyse an sich.
AnmerkungDie Lehrveranstaltung wurde bis zum WS 2013/14 unter dem Titel Data Warehousing und Mining geführt.
KurzbeschreibungTechniken zur Analyse großer Datenbestände stoßen bei Anwendern auf großes Interesse. Das Spektrum ist breit und umfasst klassische Branchen wie Banken und Versicherungen, neuere Akteure, insbesondere Internet-Firmen oder Betreiber neuartiger Informationsdienste und sozialer Medien, und Natur- und Ingenieurswissenschaften. In allen Fällen besteht der Wunsch, in sehr großen, z. T. verteilten Datenbeständen die Übersicht zu behalten, mit möglichst geringem Aufwand interessante Zusammenhänge aus dem Datenbestand zu extrahieren und erwartetes Systemverhalten mit dem tatsächlichen systematisch vergleichen zu können. In der Vorlesung geht es sowohl um die Aufbereitung von Daten als Voraussetzung für eine schnelle und leistungsfähige Analyse als auch um moderne Techniken für die Analyse an sich.
ZielAm Ende der Lehrveranstaltung sollen die Teilnehmer die Notwendigkeit von Konzepten der Datenanalyse gut verstanden haben und erläutern können. Sie sollen unterschiedliche Ansätze zur Verwaltung und Analyse großer Datenbestände hinsichtlich ihrer Wirksamkeit und Anwendbarkeit einschätzen und vergleichen können. Die Teilnehmer sollen verstehen, welche Probleme im Themenbereich der Vorlesung derzeit offen sind, und einen Einblick in den diesbezüglichen Stand der Forschung gewonnen haben.
PrüfungDie Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 der SPO.