Knowledge Discovery in Databases - Interaktive Studienpläne der TU Ilmenau

Vorlesungen Datenbanksysteme, Statistik

Die Studierenden verstehen nach dem Besuch dieser Veranstaltung fortgeschrittene Konzepte des Data Mining. Sie kennen den Prozess der Wissensentdeckung in Datenbanken sowie konkrete Teilaufgaben dieses Prozesses. Sie verstehen Verfahren zum Data Mining für spezielle Problemstellungen wie die Analyse von Datenströmen, raum- bzw. zeitbezogenen Daten und Graphstrukturen.

Die Studierenden sind in der Lage, konkrete Data-Mining-Verfahren hinsichtlich des Einsatzes für konkrete Aufgabenstellungen auszuwählen, zu bewerten und anzuwenden.

Einführung; Grundlagen: Statistik, Daten, Datenaufbereitung; Klassische Data-Mining-Techniken: Clustering, Frequent Itemset Mining, Klassifikation; Online Mining in Datenströmen: Datenstromverarbeitung, Datenzusammenfassungen, Frequent Pattern Mining, Clustering in Datenströmen, Klassifikation; Graph Mining: Mustersuche in Graphen, Erkennen von Communities, Erkennung häufiger Subgraphen, Spatio-Temporal Mining: Sequential Pattern Mining, räumliche Ausreißer und Clustering, Prediktion; Big Data Analytics: MapReduce und Hadoop, Data-Mining-Tasks in Hadoop

Vorlesung mit Präsentation und Tafel, Handouts, Moodle

V. Kumar, M. Steinbach, P. Tan: Introduction to Data Mining, Addison Wesley, 2005.

J. Han, M. Kamber, J. Pei: Data Mining: Concepts and Techniques, 3. Auflage, Morgan Kaufmann Publishers, 2011.

M. Ester, J. Sander: Knowledge Discovery in Databases, Springer Verlag, 2000.