Technische Universität Ilmenau

Data Mining - Modultafeln der TU Ilmenau

Die Modultafeln sind ein Informationsangebot zu unseren Studiengängen. Rechtlich verbindliche Angaben zum Verlauf des Studiums entnehmen Sie bitte dem jeweiligen Studienplan (Anlage zur Studienordnung). Bitte beachten Sie diesen rechtlichen Hinweis.
Angaben zum Raum und Zeitpunkt von geplanten Lehrveranstaltungen entnehmen Sie bitte dem e-Veranstaltungskalender. Lehrveranstaltungen und Prüfungen, die nicht im e-Veranstaltungskalender abgebildet sind, werden "nach Vereinbarung" geplant. Eine Auflistung der betroffenen Veranstaltungen finden Sie hier: Lehrveranstaltungen, Prüfungen.

Fachinformationen zu Fachnummer 221 - allgemeine Informationen
Fachnummer221
FakultätFakultät für Informatik und Automatisierung
Fachgebietsnummer2238 (Künstliche Intelligenz)
Fachverantwortliche(r)Prof. Dr. Rainer Knauf
SpracheDeutsch, auf Nachfrage Englisch
TurnusSommersemester
Vorkenntnissefundierte Kenntnisse in mathematischer Logik und Wahrscheinlichkeitstheorie
LernergebnisseVermittlung von grundlegender Methoden und Techniken
Inhalt

(1) Motivation, typische Aufgabenklassen und Anwendungen, Stufenprozess zur Modellbildung, (2) Ähnlichkeitsmaße für Datanobjekte, (3) Entropie der Information und andere Puritätsmaße, (4) Erlernen von Entscheidungsbäumen: schrittweise Verfeinerung von ID3 zu C 4.5 (numerische Attribute, fehlende Attribute), (5) Entscheidungsbäume über regulären Patterns, (6) Erlernen von Klassifikationsregeln top down and bottom up, (7) kNN-Klassifikation, (8) Klassifikation nach Bayes, (9)Bayesian Belief Networks, (10) Support Vector Machines, (11) Ensemle Methoden, (12) diverse Ansätze zum Umgang mit dem „Class Imbalance Problem”

 

Medienformen

Skript, Power-Point Präsentation, Aufgabensammlung

 

Moodle Einschreibekurs:

https://moodle2.tu-ilmenau.de/enrol/index.php?id=3134

 

Literatur(1) Tan, Pang-Ning; Steinbach, Michael; Kumar, Vipin: Introduction to Data Mining. ISBN, Pearson Education, 2006.
(2) Markus Lusti: Data Warehousing and Data Mining: Eine Einführung in entscheidungsunterstützende Systeme, ISBN 3-540-42677-9, Springer, 2001.
(3) Petersohn, Helge: Data Mining. Verfahren, Prozesse, Anwendungsarchitektur. ISBN 978-3-486-57715-0, Oldenbourg Verlag, 2005.
(4) Lawrence, Kennth D.; Kudyba, Stephan, Klimberg, Ronald K.: Data Mining Methods and Applications, ISBN 978-0-8493-8522-3, Boca Raton, FL u.a.: Auerbach, 2008.
Lehrevaluation

Pflichtevaluation:

Freiwillige Evaluation:

SS 2010 (Vorlesung)

SS 2011 (Vorlesung)

SS 2012 (Vorlesung)

SS 2013 (Vorlesung)

WS 2013/14 (Vorlesung, Übung)

WS 2014/15 (Vorlesung)

WS 2015/16 (Vorlesung)

WS 2016/17 (Vorlesung)

Hospitation:

Spezifik Referenzfach
FachnameData Mining
Prüfungsnummer
Leistungspunkte
SWS
Präsenzstudium (h)
Selbststudium (h)
VerpflichtungPflicht
Abschlusskeiner
Details zum Abschluss
Anmeldemodalitäten für alternative PL oder SL
max. Teilnehmerzahl
Spezifik im Studiengang Master Ingenieurinformatik 2009, Master Informatik 2013, Master Ingenieurinformatik 2014
FachnameData Mining
Prüfungsnummer2200454
Leistungspunkte
Präsenzstudium (h)
Selbststudium (h)
VerpflichtungPflicht
Abschlusskeiner
Details zum Abschluss
Anmeldemodalitäten für alternative PL oder SL
max. Teilnehmerzahl
Spezifik im Studiengang Master Informatik 2009
FachnameData Mining
Prüfungsnummer2200213
Leistungspunkte3
Präsenzstudium (h)22
Selbststudium (h)68
VerpflichtungPflicht
Abschlussschriftliche Prüfungsleistung, 60 Minuten
Details zum Abschluss
Anmeldemodalitäten für alternative PL oder SL
max. Teilnehmerzahl
Spezifik im Studiengang Master Informatik 2009
FachnameData Mining
Prüfungsnummer2200213
Leistungspunkte3
Präsenzstudium (h)22
Selbststudium (h)68
VerpflichtungWahlpflicht
Abschlussschriftliche Prüfungsleistung, 60 Minuten
Details zum Abschluss
Anmeldemodalitäten für alternative PL oder SL
max. Teilnehmerzahl

Informationen und Handreichungen zur Pflege von Modul- und Fachbeschreibungen durch den Modul- oder Fachverantwortlichen finden Sie auf den Infoseiten zum Modulkatalog.