Themenmodul Data Mining Algorithmen

Credits Workload Kontaktzeit Selbststudium Dauer
6 CP180 h 5 SWS (75 h)105 h

Teilnahmevoraussetzungen

Kenntnisse aus dem Modul Datenstrukturen und Algorithmen; empfohlen sind Kenntnisse aus dem Modul Datenbanken und Imformationssysteme

Lehrveranstaltungen

Veranstaltung/ Lehrform CP SWS Häufigkeit
Vorlesung Data Mining Algorithmen 6 CP 3 SWS WS, jährlich
Übung Data Mining Algorithmen   2 SWS WS, jährlich

Prüfungsleistung

120-minütige Klausur

Note

Die Modulnote ist die Note der Klausur.

Lernergebnisse / Kompetenzen

Erwerb der folgenden Kenntnisse und Fähigkeiten

  • Kenntnis grundlegender Konzepte und Methoden des Data Mining für große Datenbanken.
  • Kenntnis der Funktionalität und Leistungsfähigkeit von Algorithmen zum Data Mining.
  • Fähigkeit, Data Mining-Lösungen für konkrete Anwendungen zu bewerten

Inhalte

Konzepte und Techniken von Data Mining:

  • Einführung: KDD Prozess, Data Mining Aufgaben
  • Data Warehousing und Datenvorverarbeitung
  • Clustering: partitionierende Verfahren, dichtebasiertes Clustering, hierarchisches Clustering, Subspace Clustering, usw.
  • Klassifikation: Entscheidungsbäume, Nächste-Nachbarn-Klassifikatoren, Bayes-Klassifikatoren, usw
  • Verfahren zum Finden von Assoziationsregeln: Apriori-Algorithmus, usw.
  • Generalisierung und Konzeptbeschreibung
  • Verfahren zum Finden von komplexen Datentypen

Alternative Wahlmodule zu diesem Modul

Daten und Informationsmanagement

Software und Kommunikation

Theoretische Informatik

Modulzuordnung

: Fach Grundlagen der Informatik: Bereich Daten und Informationsmanagement

Disclaimer

Bitte beachten Sie, dass im Zweifel (z.B. sich widersprechende Angaben auf der Website und dem Modulhandbuch) für Ihr Studium immer die Angaben in der aktuellen Bachelorprüfungsordnung mit den entsprechenden Anhängen verbindlich sind. Wenden Sie sich bitte an die Fachstudienberatung, wenn Ihnen Unstimmigkeiten auffallen.